半结构化环境稀疏点云可通行区域检测方法

传统的激光雷达可通行区域检测算法实时性好,但算法通常对点云数据的高度特征依赖较强,半结构化环境中斜坡等区域高度特征不稳定,易降低算法的性能。基于半结构化环境下三维稀疏点云数据,提出了一种基于直线特征的可通行区域实时检测算法,预处理原始点云数据,并从中速提取直线特征;对直线聚类和筛选,从而提取有效的直线特征;使用直线特征检测结构化障碍物和非结构化障碍物;标记出可通行区域,并构建环境地图。实验结果表明,在校园半结构化环境中,该算法可以较稳定地检测可通行区域,在检测路缘石等高度较低的障碍物时表现出良好的性能,并且适应斜坡、颠簸、负障碍等地面。     

一种适用于移动机器人的障碍物快速检测算法及其实现

针对传统的用于机器人检测障碍物的算法存在的不足,提出了一种基于视觉传感器与超声波传感器信息融合的快速障碍物检测算法.该算法通过位十机器人头部的超声波传感器获取机器人到障碍物(本算法采用矩形障碍物)的距离信息,通过改进型快速直线检测方法和约束条件确定障碍物在视觉传感器所采集的图像中的直线边缘,根据成像过程中-三角形相似的...     

基于双目立体视觉的障碍物检测方法

基于双目立体视觉的障碍物检测方法,是一种基于双目视觉的V视差图检测障碍物的算法。利用生成的视差图之后再生成V-视差图,进而提取V-视差图当中的直线的信息,利用这些提取的直线的信息,就可以大致确定障碍物存在的区域,以此进行障碍物的检测。这样是一种对于光照和阴影等的干扰不是十分敏感,可以检测具备面特征的障碍物,可以用于复杂的背景之下的障碍物的检测。     

基于直线段匹配的移动机器人的障碍物检测

阐述了基于机器视觉的前方障碍物的检测问题。提出一种基于直线段提取和匹配并最终确定障碍物的轮廓的方法。试验表明该方法运算速度快,结果可靠。     

一种新的车辆辅助驾驶动态障碍物检测与分类方法

车前动态障碍物的检测与识别在智能车辆辅助驾驶中具有重要意义。为了解决道路视频中的运动障碍物检测和分类准确率低的问题,提出了一种基于卡尔曼滤波和朴素贝叶斯网络结合的检测与分类方法。首先采用卡尔曼滤波算法检测视频中的障碍物,并将检测到的障碍物进行特征提取。采用障碍物对称性与边缘直线水平度等特征,建立朴素贝叶斯网络对车辆前方的障碍物进行分类。实验结果表明,障碍物检测的准确率达到95％,对摩托车或自行车、汽车正面、汽车侧面和行人等障碍物识别准确率达到98.75%。     

基于直线检测算法的卫星图片中建筑物轮廓提取

提出一种方法,可以从卫星图像中自动检测建筑物.介绍了直线提取和直线合并的算法,分别讨论算法的实现结果和对结果的评价.建筑物检测的结果为矢量的二维候选数据,缩短了原始图像数据和最后对图像理解之间的差距.     

基于视觉显著性的无人车图像检测及分割方法

障碍物检测与分割是地面无人车辆环境感知领域中一项重要的任务。针对传统障碍物检测与分割算法的计算量大、分割精度较差等问题,提出了一种基于显著性分析的障碍物检测、分割优化算法。首先,利用基于频率调谐的方法生成场景图像的显著图;然后,通过单目摄像机与激光雷达的联合标定将雷达反射点映射到显著图上;最后,结合单目摄像机和激光雷达两种传感器信息,通过改进的图像区域分割算法,实现障碍物的检测与分割。为了验证所提出算法有效性,采集多幅包含障碍物的典型越野场景图像,对该算法进行实验与仿真验证,结果证明了该算法的有效性。     

基于多波束前视声呐的水下障碍物检测及避障算法

近年来,人们开始不断地开发海洋资源和空间,如在海底铺设大量的天然气管道以便于运输,因此,利用自主式水下航行器去探测海底天然气管道是否泄漏的技术,就具有重大的战略意义。基于自主式水下航行器搭载的多波束前视声呐采集的数据,进行声呐图像中的障碍物检测,提出了一种基于类间方差及小区域抑制的障碍物检测算法。然后,利用声呐图像的障碍物检测结果,设计了基于障碍物轮廓的避障算法,来估计合理的避障角度,传送给水下航行器的主控来控制航行器避开障碍物。     

基于激光雷达的移动机器人动态障碍跟踪

动态环境下运动物体跟踪是移动机器人研究的难点之一;文章提出了一种基于激光雷达的自主动态障碍检测与跟踪方法;该方法首先利用最近邻聚类法将环境数据聚类为不同的障碍物;然后利用最近邻特征匹配算法关联相邻两帧的障碍物;最后提出一种新的基于障碍物时空关联性分析的的障碍物动静态识别算法,并采用α-β滤波算法对动态障碍的位置和速度进行了估计;利用机器人平台对该方法进行验证,实验结果表明了其有效性。     

一种新颖的基于立体视觉的障碍物检测

本文针对车载双目视觉中的路面模型估计的难题提出了一种新颖而实用的算法,并将其应用于车前障碍物检测。首先,这里选取半全局视差匹配算法(SGM)获得稠密准确的视差图,并且在传统的v-视差算法的基础上引入加权Hough变换检测v-d平面中路面侧向投影的线性关系。然后,结合时序上的局部相关性和在v-d平面提取的多条直线拟合路面的投影特征曲线。最后根据该拟合曲线和视差图对当前帧进行自由空间和障碍物的分割和检测。     

基于三帧间的移动障碍物背景目标提取算法

为了减少交通事故的发生及降低因其而带来的危害,针对障碍物检测过程中出现的各种问题。受原有的两帧间差分法的启发,提出了一种基于三帧间快速匹配检测障碍物的方法,该算法利用移动障碍物这一特性进行障碍物的检测。其基本思想是利用相邻三帧图像两两差分,再将两个差分结果再次进行差分操作从而最终确定运动目标在图像中的位置,实现了对移动障碍物轮廓的检测。     

一种基于红外成像障碍物检测的改进Flood Filling算法

在对图像特征进行有效分割的基础上,提出了一种基于红外成像障碍物检测的改进Flood Filling算法,并首次将该算法应用到障碍物检测领域中.通过对模拟以及真实红外图像中目标的快速成功提取,不仅验证了该方法的有效性,同时实验结果也表明了其较之原始算法对时效性的提高.     

基于改进栅格图的道路和障碍物检测算法研究

多线激光雷达(LIDAR)是无人驾驶汽车在环境感知过程中的核心传感器,运用多线激光雷达中提取的点云数据进行道路和障碍物检测是环境感知过程中重要的任务.目前常见的栅格化算法无法实现高效的障碍物和道路检测,论文针对这些问题提出一种新颖改进栅格化方法,通过统计栅格内点云高度分布的方法进行障碍物分类,有效避免噪声点和悬浮障碍对结果的影响,并运用自适应半圆弧道边点搜索和改进RANSAC(Random Sample Consensus)算法结合进行道边检测.最终,在实验中验证了算法的精度和实时性.     

基于语义分割的复杂驾驶场景障碍物检测

目前经典的语义分割方法无法准确的检测出交通场景中是否存在障碍物的情况,为了克服自动驾驶系统中对障碍物检测的难点,提出了一个用于像素级障碍物检测的框架。提出的算法流程如下：首先使用分割网络对输入图像进行分割,得到一个语义分割结果图和两个不确定性图;其次使用合成网络对预测的语义图进行处理,利用不确定性图来改进再合成方法,生成较为逼真的图像;最后通过比较输入图像和生成图像的特征来计算感知差异,将输入图像和重合成图像输入到相异模块进行障碍物预测。实验结果表明,文中算法在Cityscapes数据集上对所提出的像素级障碍物检测框架进行了测试和评估,与其它经典方法相比,取得了更好的障碍物检测效果。     

无线传感器网络中基于空间关联性的聚类异常检测算法

针对无线传感器网络节点定位场景中的环境变化、障碍物及传感器节点失效等异常问题, 提出了一种基于空间关联性的聚类异常检测算法（ODCASC算法）。该算法通过聚类技术完成节点的异常数据判断, 同时还利用邻居节点间感知数据的空间关联性过滤噪声数据, 提取异常事件信息, 辅助系统决策。室内实测结果显示, ODCASC算法弥补了时空关联检测算法的不足, 可以有效地检测并区分网络中的环境噪声及异常事件。     

装配机器人系统快速碰撞检测算法

提出一种面向操作手段装配系统的快速碰撞检测算法。该算法以机器人运动学和空间解析几何为基础,将判断机械手手臂与障碍物是否发生碰撞问题转化为直线段与有界平面是否存在公共点的简单解析几何问题,并以PUMA560操作手为例对算法加以说明,该算法不仅适用于静态的障碍物已知的环境,而且适用于障碍物运动规律已知的动态环境,减少了碰撞检测占用的时间,提高了路径规划的效率。     

基于视觉传感器的障碍物检测

针对移动机器人双目视觉障碍物检测的实时性和准确性两大难题,提出了一种适用于室内复杂背景的障碍物检测方法。通过Retinex图像增强操作消除环境光照不均匀的影响;运用扫描线种子填充算法分割图像中的路面、背景和障碍物;通过二值化处理、边缘检测提取障碍物的轮廓信息和位置信息。在AS-RE轮式机器人平台上进行实验,实验结果表明,机器人能够在室内环境中稳定地实现自主避障功能,验证了提出的双目视觉障碍物检测算法的可行性。     

基于激光和单目相机信息融合的智能轮椅避障策略研究

针对智能轮椅使用环境复杂多变,障碍物形状各异,单一传感器无法获得完整的环境信息的问题,提出一种基于激光传感器和单目视觉传感器信息融合的障碍物检测方法。通过单目相机和激光雷达传感器感知智能轮椅周围环境,得到障碍物的形状、距离分布状况等信息;在此基础上提出两种传感器信息的融合策略,建立局部障碍物地图,进一步采用模糊神经网络完成整体避障算法,实现智能轮椅安全、快速避障等功能。实验结果验证了文中所提避障算法的可行性及有效性。     

一种融合密度聚类与区域生长算法的快速障碍物检测方法

针对智能车在城市环境下采集的3维激光雷达点云中相邻障碍物难以区分、远距离检测易分裂以及小障碍物易漏检的问题，将密度聚类算法与区域生长算法融合，提出了一种鲁棒的障碍物快速检测方法．该方法首先利用区域生长算法对点云栅格完成第1次聚类并标记出可能含有更小障碍物的栅格，然后利用参数自适应的DBSCAN（density-based spatial clustering of applications with noise）对体积较大、可能包含多目标的障碍物检测结果进行细化，最后对已标记的栅格进行第2次区域生长聚类，完成小障碍物的检测．实验结果表明，本方法在城市环境下能够准确区分和检测出障碍物，检测准确率平均可达97%，平均耗时为13 ms．     

基于多传感器的移动机器人路径规划

提出一种基于多传感器的移动机器人路径规划策略。利用声纳传感器和CCD摄像机对环境进行探测,得到关于障碍物的信息,通过一种简单、快速的数据融合算法计算出障碍物相对于机器人的位置坐标。采用切线法进行路径规划,实现了移动机器人在不确定环境下的路径规划,使机器人可以很好地避开障碍物,并以局部最优或次最优路径到达指定位置。实验结果验证了该路径规划算法的良好性能。