基于方向引导优化的视觉导航方法

为解决主动视觉导航在复杂路况条件下精度较差的问题,提出了一种基于方向引导优化的主动视觉导航参量计算方法。首先,建立了车辆物理坐标系与视觉图像坐标系的变换方程,通过Canny算子对视频图像进行初步的车道边缘线和道路标志线检测;接着,基于方向引导优化有效降低了阴影、积水等杂波对检测性能的干扰,并通过阈值优化的广义Hough变换实现车道线的内外边缘及道路标志线的精确检测;最后,基于检测结果计算出用于导航的中心引导线、偏离角度、距离等参量。实验结果表明,该方法能够有效且精确地获取主动导航系统的偏移参量。     

基于多传感融合的车道线检测与跟踪方法的研究

车道线的有效检测与跟踪是智能车正确识别道路的前提。针对现有车道线检测与跟踪算法的效率不高的难题,提出一种基于视觉传感器和车道级高精度地图相融合的车道线检测与跟踪方法。该方法首先用改进的Hough变换提取边缘线段,其次基于滤波预测与更新车道线模型状态参数,最后结合高精度地图中车道线先验模型参数,跟踪车道线轨迹。现场实测结果表明,算法的实时性和鲁棒性满足算法性能评价体系的各项指标,较符合智能车对车道线检测的要求。     

典型交通场景下智能车的定位与协作

提出并设计了基于多智能体的多智能车协作系统平台,包括基于嵌入式多车协作系统的硬件、软件及通信协议,该系统可作为多车协作算法的仿真实验平台。针对典型城市交通场景,提出了基于拓扑结构的两层地图模型,并采用视觉与里程结合的方法实现智能车在地图中的准确定位。在此基础上,设计了基于冲突表的路口协调算法、车队跟随算法,并完成路口、车队、超车等协作任务,通过实验结果证明了多车协作系统定位与协作的可行性和可靠性。     

移动机器人导航系统中的车道线检测方法及实现

针对室外移动机器人GPS与惯性导航不足之处,在GPS与惯性导航基础上,提出了采用视觉检测方法实时识别路面的车道线信息,对移动机器人进行辅助定位。在传统的Canny边缘检测算子基础上,提出了使用改进型小波阀值算法与Canny边缘检测算子进行融合处理,其基本原理是先使用改进型小波阀值算法,代替传统的高斯滤波器进行平滑和降噪处理,然后再使用Canny边缘检测算子提取边缘特征。最后使用matlab软件对采集到的路面视频信息进行处理,计算出移动机器人相对于路面车道线的偏转角度和偏离距离。实验发现12000帧图像中有仅有892帧图像检测失败,成功率达到92.6%,取得较好效果。为移动机器人的室外自主移动提供有力支撑。     

基于九轴传感器的行人室内定位方法

针对由步数、步长精度和航向角偏移带来的定位误差,提出一种基于九轴传感器的行人室内定位方法.利用一种改进的波峰检测法实现精准计步,利用传感器姿态的变化情况识别出原地踏步;在启发式随机漂移消除法(HDE)算法的基础上,提出一种基于主方向的航向修正方法对航向角进行修正;利用一种非线性步长估计模型对行走时的步长进行估算.实验结...     

机器人视觉定位中的路口场景识别方法研究

针对室外巡逻机器人的视觉定位问题,提出了一种基于尺度不变特性变换(scale invariant feature transform,SIFT)和颜色特征的路口场景识别方法.该方法首先提取路口场景图像的SIFT和颜色特征,并计算其在HSI颜色空间中的颜色直方图;然后采用K-D树和Bhattacharyya距离进行特征匹配;最终用决策公式对路口场景进行识别.为了提高SIFT算法进行场景匹配时的速度,还对场景地图库采用基于阈值分割的聚类方法进行了预处理.实验结果表明,该方法对环境光照变化、动态干扰和自身旋转有较强的鲁棒性,并能很好地识别出路1:3,以实现定位.     

基于LSD检测的无人机视觉着陆定位算法

针对复杂电磁干扰和拒止环境下固定翼无人机自主着陆的应用场景,提出了一种基于LSD的无人机视觉着陆定位算法,通过检测跑道的左右边线以及起始线对无人机进行定位;根据机场跑道的形态学特征,构建机场跑道数据模型,并对实验所用相机进行标定,采用灰度化和高斯滤波对采集到的图像进行预处理,采用LSD直线检测算法以提取跑道的直线特征,设计几何滤波策略从直线特征中提取出跑道的三条边线,采用蒙版技术以提高检测算法的抗干扰能力;根据相机成像原理推导出基于线检测的PNP定位算法,通过检测得到的机场跑道线在像素坐标系下的位置信息求出无人机相对于跑道的三维位置;分别在视景仿真环境和真实机场环境进行检测和定位解算,结果满足无人机着陆定位实时性和准确性的要求,从而验证了视觉着陆定位算法的有效性。     

基于视觉的缩微智能车自主换道

基于简单视觉的缩微智能车自主驾驶行为,提出一种完全基于视觉的超车换道策略及超车开关模糊控制算法.根据检测车道线拟合出的行驶轨迹,获得车辆中心轴与行驶轨迹之间的偏移距离E及其变化率Ec,针对直道行驶和超车换道行驶采用不同的模糊转向控制算法.此外,本文通过实验研究像素点距与实际距离关系、安全超车距离与速度的关系;并通过实验验证视觉换道策略的有效性及车辆切换模糊控制算法的高效性和稳定性.     

增强现实浏览器的密集热点定位与显示

当增强现实浏览器运行于热点密集区域时,存在数据加载缓慢、图标相互遮挡、热点无法准确定位等问题。针对以上问题,首先提出了加入距离因子的全球定位系统（GPS）坐标映射计算方法,并改进了基于角度投影的坐标计算方式,实现了遮挡图标在手机姿态变化后的偏移区分;其次,为提高用户体验,提出了更符合人类视觉习惯的热点标签焦点化显示方法。同时,针对GPS定位精度低的问题,采用分布式海量场景的视觉识别技术实现场景的高精度定位。     

面向复杂城市交通场景的一种实时车道线检测方法

车道线检测是智能交通监控及自动驾驶的基础步骤,为提高其鲁棒性和实时性,针对复杂城市交通场景中自动驾驶需要检测车道线的需求,提出了一种实时车道线检测算法,首先运用改进灰度化变换突显车道线的特征,并通过改进的Gabor滤波算法增强车道线的边缘信息;最后采用多约束霍夫变换筛选得到平行车道线从而实现实时车道线检测。实验表明,该方法在三种不同真实的交通道路场景下,提高了车道线检测精度及处理速度,可应用于实时车道线检测系统。