基于线段扫描的碎纸片边界检测算法研究

提出了基于短线段扫描的碎纸片图像边缘检测算法,该算法用一系列短线段拟合碎纸片的边缘,这些短线段首尾相连,组成碎片边缘拟合曲线;在碎片边界拟合过程中,使用直线插补方法获得线段离散点,通过点的属性来判断线段与碎片边缘的拟合程度,同时使用圆插补方法旋转扫描线段,以保证线段扫描方向连续而没有间断;还分析了碎片图像噪声分布特点,提出了噪声点去除方法;同时提出了多碎片图像边缘检测方法.根据所提出的算法,研制了碎纸片边缘检测程序,并利用这些程序对两实际例子进行了分析,分析结果表明所提出的碎片边缘检测方法是可靠和有效的.     

基于视觉的车位线识别算法

提出了一种自动泊车系统中采用视觉方法通过识别车位线来确定泊车位的算法。采用金字塔分层搜索策略,首先,在灰度直方图上应用K均值聚类法对图像进行二值化,提取车位线骨架,采用Hough变换检测骨架,并利用基于密度的无参数聚类方法对骨架线聚类,在金字塔高层图像上确定车位角点候选点;然后,在金字塔最底层图像上选择感兴趣区域,采用改进的基于距离变换的骨架提取算法提取骨架,使用遗传算法对车位角点骨架进行精确匹配,根据实际车位角点的分布特征确定目标车位;最后,在室外不同环境下采集多张车位图片进行算法的有效性和快速性验证实验。实验结果表明,采用基于视觉的车位线识别算法进行车位检测能较大地提高检测的效率和识别正确率。     

基于KL变换和支持向量机的空闲车位检测方法

空闲车位自动检测是现代智能化停车场设计时面临的重要问题,针对此问题,提出了一种基于KL变换和支持向量机的空闲车位自动检测方法,算法首先对经过灰度化和滤波处理后的车位图像进行KL变换,将车位图像从图像空间映射至特征子空间,从而提取出用于检测的特征参量;在此基础上利用训练后的支持向量机完成空闲车位的检测。实验结果表明,该方法能够有效检测出车位的停车信息,对噪声不敏感,且能够对不同环境采集的车位图像具有很强的适应性和鲁棒性。     

机械手姿态识别的立体视觉匹配

为了提高机械手姿态识别的精度,提出了区域边缘线段立体匹配算法。该算法利用图像中包含边缘线段区域的颜色特性和边缘线段的几何特征进行线段匹配,其中,区域的颜色特征包括边缘线段的左右颜色和梯度方向,边缘线段的几何特征包括长度、方向和角度。由于充分利用了图像提供的颜色信息,特别是颜色梯度方向信息,使得边缘线段的匹配不仅依靠其自身的几何特征(如长度,方向和位置),而且依靠直线段所在图像区域的所有信息。因此,匹配的判据可以做得更准确。使用该算法进行机械手姿态识别实验,结果验证了该算法能够在复杂背景下识别机械手的姿态,识别精度高,其相对误差达到1.7%,该结果满足机械手在姿态识别中的精度要求。     

基于图像的嵌入式车位检测系统设计

采用视频技术和高效椭圆检测算法,设计了一种基于椭圆图像特征的实时车位检测系统。利用普通USB摄像头对目标车位进行检测,在嵌入式ARM系统中对所拍摄的图片进行分析处理,提取图像边缘信息,根据这些信息对车位是否被占用进行检测。介绍了系统的软硬件平台构成,详细分析了视频数据采集和椭圆检测算法过程。经试验,该系统在实时性和准确性方面能够满足实际的车位检测和管理要求。     

局部纹理特征改进空闲车位智能检测算法

针对车辆数量的爆炸式增长而智能停车场车位检测速度慢、正确率低的问题,提出了一种基于局部二值纹理特征改进的空闲车位检测算法,算法首先将监控摄像机采集的车位图像降噪滤波后转化为局部二值模式,然后通过结构模板集提取图像的局部二值纹理特征,作为空闲车位和有车车位的识别特征,最后通过核Fisher判别方法实现空闲车位的检测.实验...     

基于信息融合的自动泊车系统多工况车位识别和决策规划

针对自动泊车系统中对斜式车位识别的缺失,在原有平行车位和垂直车位识别基础上,通过距离和视觉信息的相互融合,提出一种智能识别日常生活中斜式车位的方法,并能够完成多工况车位的识别及泊车.该方法利用超声波传感器、摄像头和车轮速度传感器的信息得出车辆的车身姿态特征参数,采用Sugeno型模糊推理方法计算出水平、垂直和斜式三种不...     

基于椭圆检测的小型工件分拣系统设计

针对分拣系统中散乱堆叠的圆形工件检测和位姿估计问题,设计了基于椭圆检测的双目立体视觉小型工件分拣系统。使用LSD算法提取圆弧支撑线段,经筛选和连接组合后,采用改进的椭圆最小二乘拟合方法直接计算出初始椭圆;对初始椭圆进行层次聚类并筛选,完成椭圆识别。提取特征点,再根据Rosin近似距离筛选角点对左右目椭圆进行匹配并进行三维重建,根据随机抽样一致算法进行平面拟合,并提取圆形工件位姿。根据此结果应用Robot Studio控制机械臂移动和分拣工件。经测试和实验证明,该分拣系统能够迅速和准确地识别工件,完成自动分拣,在工件散乱堆叠的情况下,准确度较传统模板匹配方法大大提高。     

基于图像纹理的散料装车料位识别试验研究

针对散料自动装车中超声波料位检测方法不能反映料堆实际形态的缺点,提出了基于图像纹理识别的料位检测方法。首先,对原图像进行同态滤波及二值化预处理,以增强图像纹理并减小纹理特征提取计算量;然后,计算装车图像的共生矩阵纹理特征,并对所计算的特征进行主成分分析降维;最后,利用决策树分类算法对装车料位图像进行分块识别并拟合出直线料位。试验结果表明,所提方法料位识别平均偏差为6.5像素,料位识别率为96%,每帧图像处理时间约0.2s。算法基本满足散料装车料位实时检测的要求。     

基于信息融合的自动泊车系统车位智能识别

针对自动泊车系统对不同类型停车位进行识别的要求,提出一种基于距离和视觉信息融合的停车位智能识别方法。建立了根据超声波传感器、视觉信息传感器、里程计信息来辨识停车位两侧车辆姿态和车位参数的模型,根据Mamdani模糊推理计算输出相应的泊车车位识别结果。利用Matlab/Simulink搭建车位自动辨识以及相应的泊车路径仿真模型,针对五个典型的停车位场景进行了仿真分析,仿真结果验证了车位智能识别和泊车路径规划方案的合理性和有效性。将自主开发的自动泊车系统搭载于某轿车进行试验,试验结果表明,该泊车系统对规则和不规则车位的自动识别正确率为88%~98%,平均值为92.8%,从而验证了车位智能识别方法的良好效果。     

基于信息融合的自动泊车系统车位线车位识别和决策规划

通过融合距离和视觉信息,提出了一种基于信息融合的车位线车位识别方法。首先利用摄像头采集车位角点在俯视图像中的坐标,然后采用基于逆透视变换的平面测距模型获取车身侧面距车位角点的侧向距离,最后融合超声波传感器和车辆里程信息建立车位线车位平面模型,确定了车辆后轴中心点坐标及相对初始偏航角,实现车位线车位的识别。根据识别出的车位信息进行路径规划并仿真分析,经过实车试验验证,该车位识别方法能够有效实现对车位线车位的识别,所规划路径合理、可行。     

一种泊车系统超声波障碍物检测方法

超声波障碍物检测是智能泊车系统的基础模块,为了精确计算障碍物距离,采用两点定位法,即利用同一个超声波探头不同时刻的2个点,分别测量得到障碍物距离发波点的距离信息,通过三角函数计算出车辆周围的障碍物坐标及距离车辆最近的障碍物距离.并采用多个传感器的计算数据进行校对,从而可以计算出更加精确的、可靠的障碍物距离,形成了完整的...     

一种激光断面仪运动补偿用IMU/GPS/OD系统

针对车载激光路面断面仪性能受检测车垂直振动及姿态变化影响的问题,设计并实现了一种车载激光断面仪运动补偿用IMU/GPS/OD组合测量系统,采用低成本IMU结合捷联解算算法计算检测车的三维位置、速度和姿态,通过GPS和里程仪结合最优滤波技术抑制低成本IMU在捷联解算过程中形成的累积误差,并提出了一种基于IMU/GPS/OD组合测量系统的检测车垂直振动位移的计算方法。最后进行了室内实验验证,实验结果表明,该IMU/GPS/OD组合测量系统应用于车载激光断面仪是可行的。     

基于激光雷达的自动泊车系统

自动泊车的任务复杂且精度要求较高,为此设计了基于激光雷达的自动泊车系统,主要通过高精度的激光雷达进行车位检测和车辆定位。泊车过程为先通过车身姿态的预调整,来更精确地检测车位,再进行安全易控的路径规划,最后通过前馈反馈控制进行路径跟随。仿真结果证明该泊车方法精度高,系统稳定可行。     

基于期望横摆角速度的视觉导航智能车辆横向控制

针对采用传统位置偏差控制方法的车道保持系统横向控制精度不高以及鲁棒性差等问题,提出一种跟踪期望横摆角速度的车辆横向控制方法。在车辆当前行驶位置和道路预瞄点之间实时规划逼近目标路径的虚拟路径,同时分析当前时刻车辆以无偏差形式沿此虚拟路径行驶时决定车辆行驶位置的横摆角速度及速度之间的关系。结合车辆道路相对位置及车身状态信息,设计期望横摆角速度生成器。基于7自由度非线性车辆动力学模型,设计滑模控制器跟踪期望横摆角速度,使得车辆稳定地跟踪目标路径。根据车道线宽度和边缘点数量统计进行边缘检测,能有效识别模糊车道边缘和抑制噪声,并通过对消失点的检测来有效去除非车道线的干扰。仿真及试验结果表明,与传统的位置偏差控制方法相比,期望横摆角速度法不仅能提高车辆横向控制的精确性且跟随偏差随车辆速度及道路曲率的变化波动范围小,具有很好的鲁棒性和自适应性。     

非合作目标姿态测量的嵌入式算法

针对一系列含有圆和直线特征的航天器,提出了基于嵌入式算法来实现非合作目标的姿态测量。该算法在现场可编程门阵列(FPGA)中完成边缘点的检测和边缘图像的细化;在数字信号处理器(DSP)中通过基于弧段的快速椭圆检测方法检测目标上的椭圆特征;同时用快速高精度的二次Hough直线检测方法检测目标上的直线特征。最后,针对实际在轨任务进行了地面模拟实验,基于椭圆特征和直线特征计算了目标飞行器和一个CCD相机的相对姿态。结果显示:该嵌入式方法所需资源较少,更新率优于3Hz;其测量精度随着测量距离的变大而变差,同一距离3个方向的测量精度不同,近距离(小于4m)、深度方向的测量精度优于100mm,其他方向最高优于60mm,角度精度优于1°,满足嵌入式系统对资源、在轨更新率和精度的要求。     

基于改进Mask-RCNN算法的车位检测研究

车位检测是自动泊车至关重要的环节,在复杂情况下,为同时实现自动泊车视觉系统对车位识别和车位状态分类,提出一种基于改进掩模区域卷积神经网络(Mask Region Convolutional Neural Network,Mask-RCNN)算法的C-Mask-RCNN车位检测算法.C-Mask-RCNN车位检测算法通过...     

无人驾驶车辆路径跟踪控制预瞄距离自适应优化

基于道路信息,使用驾驶员预瞄模型产生执行器输入是无人驾驶车辆在路径跟踪中使用的主要方法之一,但对于车速较高与转弯半径小等工况,模型误差会导致较差的驾驶舒适性,车辆甚至失去稳定性。为提高无人驾驶车辆路径的跟踪精度,同时兼顾转向频度和车辆稳定性,提出基于粒子群多目标优化（Particle swarm optimization,PSO）算法的预瞄距离自适应驾驶员模型,并将之应用于路径跟踪控制。首先,基于单点预瞄偏差模型,采用滑模变结构设计转向控制器;其次,以路径跟踪精度、转向频度和车辆稳定性为综合性能指标,设计了PSO优化算法,实现了驾驶员模型预瞄距离的自适应寻优。最后,在搭建的CarSim-Simulink联合仿真平台与台架试验上,对所提出的预瞄距离自适应驾驶员预瞄模型进行了仿真和硬件在环试验验证。结果表明,经优化后的预瞄距离能够适应不同车速和道路曲率,驾驶员预瞄模型能兼顾路径跟踪精度、转向频度和车辆稳定性等需求。预瞄距离自适应驾驶员模型结合道路与车速信息,增大对路况与车况适应性,为无人驾驶车辆路径跟踪控制提供可靠的输入。