TRD—K系列绝对值编码器在堆取料上的应用

现代工业对大型机械设备的自动化水平要求越来越高，而自动化的实现要求检测元件性能绝对可靠，回转、俯仰角度及走行位置的检测是堆取料机实现自动的主要检测部分。通过近两年的现场使用，发现ＴＲＤ－Ｋ系列绝对值编码器正能满足我们的要求。     

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。     

基于激光雷达的飞机外形检测路径规划研究

飞机外形的控制是建立在精确测量的基础上。国内目前飞机外形检测主要依靠卡板等工艺装备,在测量准确度和效率上都无法满足现代飞机测量要求。采用一种利用激光雷达,在CATIA中进行测量路径规划和检测结果仿真,与激光雷达通信完成测量的方法,实现了飞机外形现场自动化测量。为了在保证测量精度的前提下,能够以最短的路径安全而又高效地遍历待测对象的检测区域,研究了自由曲面的测点规划布置的算法原理,在此基础上提出了矩形合并测量路径规划方法,可以有效地指导飞机外形现场数字化测量。运用提出的矩形合并测量路径规划方法,对中机翼段模型进行仿真分析取得了良好的效果,为飞机外形数字化检测提供了有效方法。     

基于激光雷达的道路可通行区域检测

随着城市化进程的发展,城市人口密度日益增高,随之而来的城市交通拥堵问题也日渐显著,而无人驾驶车辆作为改善这一问题的一个可能手段,也得到了越来越多的关注。无人驾驶车辆的安全性无疑是其研发过程中十分重要的一环。该文提出了一种使用3个激光雷达进行的道路可通行区域检测方法,该方法包括道路边界检测与障碍物检测两部分。道路边界检测将道路剖面的弧度考虑在内,使用了二次函数进行拟合,提高了模型的准确性,并将最终结果表示于1个以圆弧为基础的栅格地图内。该表示方法能更好地贴合车辆实际运动模型。     

车载激光雷达镜头模组自动耦合焊接技术

车载激光雷达作为自动驾驶系统中不可或缺的高精度传感器,其市场规模将在短时间内保持高速增长。目前,车载激光雷达镜头模组的耦合固定多采用半自动耦合及UVH双固化工艺,很难达到车规级产品的标准。为此,提出将中继镜系统和激光焊接技术应用于车载激光雷达镜头模组生产制造工艺,并搭建车载激光雷达镜头模组自动耦合焊接测试平台。借助成像监测系统实时监控Sensor的成像效果,并将调整量反馈到伺服控制系统完成自动耦合;采用激光焊接工艺完成自动焊接,实现自动耦合焊接过程的数字化监控。针对测试平台生产的车载激光雷达镜头模组样品,进行光学性能、结构强度和环境可靠性能的测试和分析。结果表明：自动耦合焊接技术更适用于车载激光雷达产品。     

基于激光雷达的无人驾驶系统三维车辆检测

针对无人驾驶系统环境感知中的三维车辆检测精度低的问题,提出了一种基于激光雷达的三维车辆检测算法.通过统计滤波与随机抽样一致算法(Random Sample Consensus,RANSAC)实现地面点云分割,剔除激光雷达数据冗余点及离群点;改进3DSSD深度神经网络,利用融合采样提取点云中车辆语义信息与距离信息;根据特...     

堆取料系统配料胶带输送机的改进

分析了 MDQ16 0 5 0型门式堆取料机配料胶带输送机在使用过程中出现的问题。提出了解决电磁滚筒冷却不良和主动车轮处传动轴受力状况差等问题的改进措施 ,并在生产实际中得到了应用 ,取得了很好的效果     

基于激光雷达传感器的小麦收获导航线实时检测

针对传统的相机提取小麦导航线受光照强度影响较大及二维激光雷达提取点云数据很难反映出实际小麦待收获边界线数据的问题,提出了一种基于三五激光雷达的小麦代收获区域导航线提取方法.首先通过三维激光雷达获取收获机前方小麦点云数据,通过点云变换、半径滤波对点云进行预处理,并提出一种基于感兴趣区域(Region of Interes...     

封闭式矩形储煤场堆取料工艺设计

堆取料工艺是储煤场的关键,影响着储煤场的自动化程度和原煤周转效率,甚至会影响矿井的正常生产。根据国内某矩形储煤场工程实际案例,对堆取料方式进行了分析比较,确定了较为适合的堆取料工艺。     

基于激光雷达的无人机路径规划研究

针对无人机路径规划问题,根据激光雷达的激光探测和测距原理,结合3D技术和无人机路径规划算法,提出了一种基于激光雷达的无人机飞行规划研究技术。将激光雷达作为无人机路径生成的传感器,通过激光雷达获得监测数据,进而对无人机的路线进行控制,有效提高了电力巡检的自动化和智能化,最后通过样品测试证明了该方法的有效性。     

基于米散射激光雷达的大气气溶胶检测系统设计

设计了一种基于米散射激光雷达的大气气溶胶检测系统。依据米散射激光雷达的原理,研究了激光光束与大气气溶胶的相互作用,设计并搭建了米散射激光雷达大气气溶胶检测实验平台,利用Zemax设计了一套具有滤波聚焦功能的光学望远系统。通过对光束进行扩束并利用可调谐式固定装置来增强回波信号强度。实验结果表明,设计的系统具有高的回波信号...     

基于激光雷达梯度滤波的道路边界检测

自动驾驶和驾驶员辅助需要对道路边界有准确可靠的感知,是车辆基于道路区域或边界信息自动导航的首要问题,也是自动驾驶汽车的重要组成部分。针对结构化、半结构化道路下无人驾驶汽车道路边缘检测存在不连续、被遮挡及易受路内障碍物干扰情况下的识别问题,通过对比分析针对道路边界所提出的激光雷达检测方法的特点与不足,选用基于梯度滤波器检测道路左右边界。其主要思路是：首先读取激光雷达3D点云数据,选取自动驾驶车辆前方感兴趣区域;之后对感兴趣区域内每一层激光雷达激光点线束通过梯度滤波器检测出道路边界点;最后使用最小二乘法对道路边界点进行拟合,最终实现道路边界的检测。并选择合适的评价标准对实验结果进行定量评价。结果表明：基于梯度滤波器的检测方法具有较好的准确性,平均准确率达到98.877%,高于其他检测方法。     

融合激光雷达与激光测距传感器的接触网状态检测系统研究

接触网是电气化铁路牵引供电系统的关键部件之一,其工作状态与电气化铁路的运行安全息息相关。鉴于此,设计了一种融合激光雷达与激光测距传感器的城市轨道交通接触网状态检测系统。首先介绍了系统构成,然后详细阐述了系统工作的原理,最后对系统进行现场测试。通过现场测试结果可知,所设计的系统可以有效测量接触网的参数,实现对接触网状态的检测。     

基于激光雷达的机房可视化预警系统研究

变电站机房目前使用的视频监控装置缺少自动识别、主动监测的功能,导致工作人员在机房内作业时误入屏位误操作的事件时有发生,严重影响通信网络的稳定性。鉴于此,搭建了基于激光雷达的机房可视化预警系统,实现对机房内人员作业位置的自动感知,同时能实时分析移动轨迹,对误操作快速进行预警,防范机房设备安全风险。     

基于APDL的堆取料机取料梁的有限元分析

应用APDL对堆取料机取料梁进行参数化建模,并对取料梁结构进行静力学分析,通过参数的优化设计,给出了符合设计要求的参数值。     

基于激光雷达的路灯识别及定位系统研究

为给路灯清洗提供准确的灯罩位置信息,采用激光雷达进行路灯的识别与定位,分析了灯杆、灯罩的空间位置特点,划定识别的感兴趣区域(region of interest,ROI),通过对ROI区域内点云数据进行聚类、拟合处理,结合灯杆的几何特征,识别并确定灯杆的位置,再结合清洗平台及灯杆的高度,通过其几何关系,确定了灯罩的空间...     

基于GM-APD激光雷达数据融合的小目标检测

GM-APD激光雷达具有单光子探测灵敏度,大幅降低了系统体积和功耗,但受像元数限制,难以获得远距离小目标清晰轮廓,目标检测率不高。针对该问题,提出了基于强度像和距离像多级处理的小目标深度学习检测算法,充分挖掘强度图像和点云特征信息及相互关联性,提高小目标检测概率。通过改进特征金字塔网络,将感受野模块和注意力机制模块与特征提取网络相结合,增强强度像初筛目标准确性,在候选区域内将强度像与距离像融合成带有强度信息的四维点云。然后,使用动态图卷积网络对候选区内目标进行二次检测,利用点云信息进一步筛选候选框内的目标。经GM-APD激光雷达远距离车辆数据集测试,网络的检测准确率达到98.8%,对于车辆结构不完整,车辆回波弱,背景存在强反射光斑等复杂场景有很好的鲁棒性。相较于SSD,YOLOv5等较为先进的目标检测网络,检测准确率分别提升了3.1%与2.5%,该算法为激光雷达弱小目标检测识别提供了一种可行性解决方案。     

基于激光雷达车检器的车型识别研究

实时准确地了解和掌握公路交通基础信息对于公路交通智能化管理非常重要,为了弥补目前交通检测技术的不足,实现快速且准确地获取公路交通基础信息,提出了一套实时、多车道、连续采集的激光雷达车型识别系统.重点阐述了该系统的检测原理与设备结构,并通过激光雷达及其辅助设备对车辆轮廓进行扫描与重建,再从重建后的车辆轮廓数据中提取出用于...     

激光雷达与深度相机融合的SLAM技术研究

针对移动机器人在复杂环境中使用单一传感器进行同时定位与建图存在的精度不足、扫描范围有限等问题,提出一种将激光雷达与Kinect深度相机两种传感器数据融合的方法。首先对Kinect深度数据进行降维处理,然后使用卡尔曼滤波对激光数据与Kinect深度数据进行融合,在建图阶段使用贝叶斯估计将激光雷达与Kinect各自生成的二维局部栅格地图进行融合。通过实验表明,该方法获得的地图包含更加丰富的环境信息,有助于后续的导航避障工作。