基于光栅投射与立体视觉融合的障碍物检测技术

为实现智能车辆前方障碍物的快速准确检测,将光栅投射引入到双目立体视觉系统中,建立激光和视觉传感器融合的障碍物检测系统,将两种传感器的优势结合起来并填补单一传感器检测的不足。用双目立体视觉系统捕捉障碍物的轮廓信息,同时利用光栅投射技术对障碍物的局部信息进行调制,利用光栅投射出来的固定相位图像,可以快速实现立体视觉匹配中同名点的识别,能够较好解决立体视觉中图像配准的难题。     

多传感器信息融合的前方车辆检测

为提升辅助驾驶系统对于道路环境中车辆的感知能力,通过机器视觉与毫米波雷达信息融合技术对前方车辆进行了检测。融合系统中对摄像头和毫米波雷达进行了联合标定,借助三坐标测量仪确定两者的数据转换的关系,优化了深度学习算法SSD的候选框,提高了车辆的检测速度,选用长焦和短焦两种摄像头进行前方图像采集,并将两者重合图像进行融合,提升了前方小目标图像的清晰度,同时对毫米波雷达数据进行了处理,借助雷达模拟器确定合适阈值参数实现对车辆目标的有效提取,根据雷达有效目标数据对摄像头采集的图像进行选择与建立感兴趣区域,通过改进的SSD车辆识别算法对区域中的车辆进行检测,经过测试,车辆的检测准确率最高达到95.3%,单帧图像平均处理总时间为32 ms,该算法提升系统前方车辆检测的实时性和环境适应性。     

不断发展的低价雷达和360°激光探测器

除摄像头外,其它传感器也着实取得了较大的进步。低价格毫米波雷达、以及代替毫米波雷达的红外线激光器相继问世。德国博世公司正在开发目标价格为3万日元(约合2040元人民币)的77GHz毫米波雷达模块LRR3(见图B-1)。该模块中安装有用于计算汽车与前方障碍物之间距离及     

反舰导弹毫米波主被动复合制导导引头设计探讨

介绍了毫米波主被动复合制导的主要性能和主被动复合的三种方式,分析了毫米波主被动复合制导既可以充分发挥毫米波主动雷达的反隐身能力,又可以发挥毫米波被动雷达探测距离相对较远的优点,在此基础上提出了一种新的毫米波主被动复合制导导引头设计方案,该设计方案通过毫米波主被动雷达信息融合处理技术,提高了抗干扰能力和目标识别能力,可以实现对目标的精确打击.     

无人机定点降落中识别定点方法的研究

无人机进行植保作业后,要实现自主降落,传统的无人机一般借助于自身的GPS系统进行辅助,但该系统在小型无人机上进行精确定位时会存在较大误差.针对这一问题,利用机器视觉系统对无人机定点识别方法展开了研究:设定特定的地标,通过色值提取滤去该定点以外的其他颜色干扰信息,展开形状分析排除掉除该定点形状以外的元素,进行Canny边缘检测识别出地标的轮廓,建立平面坐标系,结合边缘检测获得的像素信息测算地标点的具体方位,并通过试验验证了利用视觉系统可以较好地辅助无人机实现定点降落.     

基于双目视觉的移动机器人避障研究

为了实现Pioneer3-AT轮式移动机器人避障的目的,设计了一种移动机器人避障的系统方案。该方案采用一种快速融合图像分割和立体视觉的障碍物定位方法,即利用经典图像处理把障碍物从背景中分割出来,同时提取其轮廓信息进行立体匹配,之后结合摄像头标定结果,实现空间点的三维重建。采用双目视觉和声纳传感器相配合来获得周围障碍物的信息,最终根据模糊控制原理设计了避障规则和避障控制器。通过实际的躲避障碍物实验,实现了移动机器人成功躲避障碍物的功能。实验结果证实了该系统的可行性和有效性。     

基于机器视觉的智能导盲系统的开发与设计

系统利用机器视觉、数字图像处理与识别、深度学习、计算机网络等前沿技术,实现了对使用者前方障碍物的类别、方位、距离的综合探测,同时实现卫星定位、语音播报、3G网络通信和短信联系家人等功能。系统采用本地-服务器递进识别方案,在前端与云服务器端分别利用模板匹配与深度学习完成对常见障碍物以及非常见障碍物的识别。     

基于深度相机的小型无人机室内三维地图构建

为了解决小型无人机在室内光线不足情况下的避障以及路径规划问题,设计了一种基于深度相机的无人机室内地图构建系统。文中使用Pixhawk控制板和低成本嵌入式结构光深度相机硬件平台,为避障以及路径规划目标提供室内环境信息。采用反传感器模型算法,利用深度相机和位姿传感器提供的信息来筛选处理出有效的障碍物信息,并构建室内的三维地图,其中深度相机通过激光扫描的方式来获取障碍物点云的描述信息,利用位姿传感器获取无人机的高度信息。实验结果表明,使用该系统能够快速获取室内地图,对障碍物的判断准确率比较高,且不受光线影响,可以广泛应用于无人机的室内导航,实现不依赖外部光源的室内无人机地图构建系统。     

雷达红外复合目标识别技术研究

雷达与红外传感器所获取的信息能实现互补,可以改善对目标识别跟踪的效果。提出了雷达与红外成像双模目标识别的方法,利用两种独立传感器的信息互补性来构造联合特征向量,通过有序加权平均算子信息融合系统进行目标识别。仿真实验表明,采用这种方法能提高融合结果的稳定性、可靠性。     

基于双雷达微动特征融合的无人机分类识别

无人机的日益流行在带来便利的同时也造成了潜在的威胁,对无人机进行分类识别具有重要意义。雷达微多普勒信号能够区分不同类型的无人机。为了提高基于微多普勒的无人机分类的鲁棒性,该文提出了一种多角度雷达观测微动特征融合的无人机识别方法。首先利用多部雷达同时从不同角度观测目标;然后对采集的雷达数据分别进行短时傅里叶变换(Short-Time Fourier Transform, STFT),得到时频谱图;接着利用主成分分析(Principal Component Analysis, PCA)从时频谱图中提取特征,将两个不同角度雷达传感器得到的特征融合在一起;最后利用支持向量机(Support Vector Machine, SVM)进行训练与分类识别。基于实际雷达数据的实验结果表明:两个雷达传感器观测融合得到的分类精度优于单个雷达传感器的分类精度,最终识别准确率较仅利用X波段雷达传感器方法提升了5%以上。      

无人机用激光雷达跨阻电路改进设计

无入机采用激光雷达探测目标位置和障碍物,是一种新型的探测跟踪工具,但传统方法设计的跨阻放大器前端接收电路稳定性较差,导致无人机避障能力下降,因此,设计全新的无人机用激光雷达跨阻电路。此次设计根据得到的激光发射器脉冲飞行时间探测误差,设计外环与内环共同组成的控制回路,并根据跨阻放大器前段接收电路,重新设计一个自适应增益控制电路,约束跨阻放大器的识别行为,优化激光雷达跨阻电路的探测效果。将此次设计的电路,与两种传统方法设计的电路进行对比,通过实验验证发现,在简单的测试环境中,三组电路的避障控制效果都很不错;但在复杂的测试环境中,此次设计的跨阻电路,探测障碍物的能力更强,无人机的避障效果更好。     

一种双CPU主从式毫米波雷达系统

我国国土辽阔,地形复杂,丘陵及山区较多,气象条件复杂,为了实现安全、可靠的供电,迫切需求自动化、现代化的巡检技术手段。目前,国网公司正逐步采用无人机技术来提高架空输电线路的运行效率和质量,无人机已成为电网巡检的重要技术手段。分析目前架空输电线路巡检的紧迫形势,及现有无人机巡检技术的优点及机载避障技术的缺陷,提出了一种用于输电线路巡检无人机的毫米波避障雷达,该雷达系统采用双CPU主从搭配模式,可有效测量出障碍物距离,为无人机巡检保驾护航。     

紫外光通信协作无人机防撞编队的控制方法

为了研究强电磁干扰环境下无人机防撞编队的避障控制效果, 采用无人机编队间紫外光通信模型, 对传统人工势场法进行改进, 给出了具体无人机编队机间和无人机与障碍物的势场函数, 实现无人机编队在飞行的同时可以进行局部避障。结果表明, 在相同条件下, 改进后的人工势场法比传统人工势场法的避障时间减少了7.38%, 避障总路径减少了5.8%, 将改进后的避障算法应用到编队中可实现无人机编队的机间避障与外部障碍物的规避, 且编队间能够保持固定队形飞行至目标点。这一结果对强电磁干扰环境下无人机编队避障的研究有一定的应用价值。     

基于单目视觉的无人机障碍探测算法研究

针对低空飞行无人机的避障问题,研究了一种基于单目视觉的障碍物深度提取算法。在无人机前视摄像机获取的图像中,通过Harris角点检测算法提取角点作为特征点,使用归一化互相关算法进行角点的匹配,根据图像序列中特征点间距离的变化和无人机的运动计算障碍物的深度。对用于单个障碍物深度计算方法进行了改进,使用RANSAC算法区分不同深度的障碍物。仿真表明,该算法可以有效发现并区分不同深度的障碍物。     

基于三维激光雷达技术的输电线路廊道障碍物检测研究

传统的输电线路人工巡检方式存在效率低、代价高等问题,文中基于三维激光雷达技术,利用无人机设计并开发了一套具有较高自动化程度的输电线路廊道障碍物检测方案。该方案能够借助点云数据的预处理、分类提取和测量距离的阈值比较,检测与判断输电线路及周边障碍物的安全距离。测试和分析结果表明,该方案能够较为准确地测量和判断障碍物与输电线路的距离,并能够减少传统人工巡检的损耗,为输电线路廊道障碍物的检测提供帮助。     

基于主惯导的小型陀螺组合仪研究

为了解决基于微机械陀螺的导航系统精度不高的问题,该文研究了基于机载主惯导的小型陀螺组合仪,其体积较小,成本较低。通过机载主惯导传递的导航信息进行传递对准。使用欧拉角法,利用主惯导传递的信息来估计陀螺的误差,提高了陀螺的精度。用于某型无人机雷达系统上,实现了雷达天线的稳定控制。     

基于脉冲位置调制的激光雷达距离速度测量方法北大核心CSCD

汽车激光雷达根据脉冲飞行时间测量道路环境中障碍物的距离,但受限于脉冲的宽度,不能利用多普勒测量障碍物的相对速度,且不具备抗干扰的性能。针对这些问题,文中开展汽车激光雷达发射波形调制与信号处理关键技术研究,提出了一种能够实现激光雷达同时测量障碍物距离和速度的脉冲位置调制方法,并评价该方法在城市道路环境中的抗干扰性能。综合考虑距离、速度测量精度要求以及空间解像度的要求,限定完成一次测量的脉冲序列长度,并在限定的时间范围内制定随机分配脉冲位置的规则,对比不同分配机制的优劣。在距离测量方面,设计针对脉冲位置调制波形的数据累加方法,提高障碍物的检测灵敏度;在速度测量方面,提出非等间隔采样数据的频谱分析方法,计算多普勒信号的频率;最后,以城市道路为背景,设计干扰波形,分析外部干扰对距离和速度测量性能的影响。     

复杂环境下基于多层激光雷达的障碍检测

为了完成复杂环境中无人自主导航车的障碍检测任务，应用四线激光雷达，提出了一种新的障碍检测算法，该算法利用检测区域的坡度信息进行障碍检测，包括候选障碍点的提取、干扰点的滤除及障碍点的聚类分割三个步骤。为了克服激光雷达检测盲区与抑止测量过程中干扰噪声的影响，运用了卡尔曼滤波算法对目标障碍进行了滤波处理。试验结果表明，障碍检测算法稳定可靠。     

基于双通道GoogLeNet网络的旋翼无人机分类

针对利用雷达微多普勒效应的旋翼无人机识别问题,提出了一种基于双通道GoogLeNet网络的分类识别方法。首先对旋翼无人机的回波信号进行短时傅里叶变换（Short-Time Fourier Transform,STFT）从而获得信号时频谱,对时频谱沿时间轴进行傅里叶变换得到节奏速度图（Cadence-Velocity Diagram,CVD）。然后将时频图和CVD作为双通道GoogLeNet网络的输入进行特征提取用以获得回波信号的时频域和节奏速度域的特征,最后将所获得的特征输入到Softmax分类器中进而实现旋翼无人机的分类识别。基于实际雷达数据的实验结果表明,所提旋翼无人机分类方法准确率可达到98.9%。