一种基于激光雷达的路面提取算法

为使机器人自主导航系统能够快速有效地提取前方路面,提出了一种可应用于结构化和半结构化环境的路面提取算法.该算法首先使用基于最大熵原理的模糊聚类方法,在单帧激光雷达数据中将具有连续趋势的点聚类;然后由聚类点拟合直线,再根据直线段的位置和角度的不同提取路面;最后通过比较连续几帧雷达数据来确定正常路面的参考水平面,以进一步提取路面上的障碍,为局部路径规划提供参考依据.在光照不均、纹理复杂、路边与路面高度差不确定、路边几何形状不规则的道路环境中的实验表明,该算法不仅能在结构化环境下提取路面,而且还可以在路边形状不规则的半结构环境下提取路面.     

一种激光路面平整度仪系统的设计

为了克服现有路面平整度仪的不足,提出了一种新型的路面平整度仪系统。采用CCD器件和激光非接触测量方法,利用上位机(笔记本电脑)和下位机(激光路面平整度仪)相结合的方式,实现了对路程、车速、国际平整度指数(IRI)等的采样、计算和分析处理。实际运行证明该系统具有精度高、误差小、成本低等优点。     

基于路面平整度模拟的汽车行驶振动感应研究

由于当前应用较为广泛的智能车辆所需扭矩均较大,换挡后加速过程,车身前后振动明显,尤其在高速行驶时易出现方向盘抖动或跳动、发动机支撑不稳的问题。为此,提出考虑路面平整度的智能汽车行驶振动感应方法。构建路面平整度函数模拟,计算有效道路空间振动频率分量,计算汽车行驶过程中受到路面空间振动激励和响应。在路面激励模型中加入截至频率,构建车路间耦合性振动感应模型,计算车辆系统和道路系统间各种情况下振动。利用路面振动响应函数的速度谱和加速度谱函数,计算路面对车辆振动的激励和响应间关联度,结合相对坐标的函数推导,实现对智能汽车行驶振动的感应。实验结果显示,研究方法能准确计算出汽车行驶中的振动频率,且对振动的感应误差小,说明上述方法的应用具有准确性高,鲁棒性好的性能优势。     

基于激光雷达的复杂背景多人检测跟踪方法

针对复杂背景中的虚警点问题,提出一种前景点相关背景滤除方法。采用速度、角度等多信息协同的最大似然估计法及自适应滑动窗口法,完成多目标同时运动及交叉运动的精确检测与跟踪,能使激光雷达适用于室内、室外复杂背景下的人员跟踪检测。数据测试结果表明,该方法能有效地抑制背景虚警点的产生,可应对多目标复杂情况,鲁棒性高。     

激光雷达点云数据的滤波算法述评

机载激光雷达是一种快速获取高精度三维地理数据的新技术,对它所获取的点云数据的滤波过程就是将LIDAR点云数据中的地面点和非地面点分离的过程。主要对数学形态学的滤波算法、基于坡度的滤波法、基于TIN的LIDAR点云过滤算法、基于伪扫描线的滤波算法、基于多分辨率方向预测的LIDAR点云滤波方法等几种较为重要且实用的激光雷达点云数据滤波算法进行介绍和讨论,评价对比了各自算法的优势和不足,初步探讨了每种算法缺陷及其改进方向。     

基于激光雷达与单目相机融合的人体多目标室内定位系统

针对室内场景下无源人体目标无法准确定位的问题,提出了一种基于激光雷达与单目相机融合的人体多目标室内定位系统。使用多个低成本固态激光雷达在不同位置采集点云,拼接出整个场景的点云;结合视觉传感器捕获人脸目标,通过预先标定的内外参数将点云和图像实现映射,计算出人体的空间坐标。在室内场景(5.4 m×1.5 m)和室外场景(5.0 m×5.0 m)下进行验证实验,结果表明基于激光雷达与单目相机融合的室内定位系统能实时定位多个人体目标,平均定位误差约1.0 cm。     

基于激光雷达数据的行人检测

在自动驾驶领域涉及的众多任务中,行人识别是必不可少的技术之一。针对基于图像数据的行人检测算法无法获得行人深度的问题,提出了基于激光雷达数据的行人检测算法。该算法结合传统基于激光雷达数据的运动目标识别算法和基于深度学习的点云识别算法,可以在不依赖图像数据的条件下感知和检测行人,进而获取行人的准确三维位置,辅助自动驾驶控制系统作出合理决策。该算法在KITTI三维目标检测任务数据集上进行性能测试,中等难度测试达到33.37%的平均准确度,其表现领先于其他基于激光雷达的算法,充分证明了该方法的有效性。     

基于深度学习的桥梁裂缝检测算法研究

传统的图像处理算法不能很好地对桥梁裂缝进行检测,而经典的深度学习模型直接用于桥梁裂缝的检测,效果不甚理想.针对这些问题,本文提出了一种基于深度学习的桥梁裂缝检测算法.首先,利用滑动窗口算法将桥梁裂缝图像切分为较小的桥梁裂缝面元图像和桥梁背景面元图像,并根据对面元图像的分析,提出一种基于卷积神经网络（Convolutional neural networks,CNN）的DBCC（Deep bridge crack classify）分类模型,用于桥梁背景面元和桥梁裂缝面元的识别.然后,基于DBCC分类模型结合改进的窗口滑动算法对桥梁裂缝进行检测.最后,采用图像金字塔和感兴趣区域（Region of interest,ROI）结合的搜索策略对算法进行加速.实验结果表明：与传统算法相比,本文算法具有更好的识别效果和更强的泛化能力.     

基于激光雷达的移动机器人障碍测距研究

障碍距离检测是移动机器人导航的关键问题之一。为了实现精确实时的障碍检测,针对某二维TOF激光雷达,对其数据标定、物体表面的属性、混合像素等因素进行试验,评估了其测距性能。同时,通过移动机器人运行过程中激光雷达的测距数据分析,设计了动态自适应滤波器以消除障碍检测中的测距噪声干扰。运行过程中的障碍检测试验表明:该方法可以实现可靠的障碍检测,并为移动机器人导航中环境建模、自定位及路径规划提供支持。     

基于PLA时间序列重现的在线车辆检测算法

文章提出了一种新的用于磁敏传感器的车辆检测算法。算法首先将磁敏数据时间序列经过变长滑动窗口滤波预处理,由PLA抽取平滑后的时间序列特征,用于车辆检测,从而获得相关的交通信息。仿真实验表明,算法有效地减少了慢速行驶的大型车辆对检测结果的影响,保持了较高的准确率。     

模拟激光雷达点云在路侧感知算法中的应用

路侧感知算法融合车载感知算法实现了超视距感知, 基于深度学习的感知算法性能取决于激光雷达点云标签标注的质量, 而点云标签相对于二维图像更难标注, 需要大量时间人力成本进行标注, 且现行感知算法都是针对于车载激光雷达. 针对这些问题, 本文提出了一种基于路侧激光雷达栅格特征聚类的感知算法, 该算法首先对路侧激光雷达点云栅...     

基于激光雷达机器人的目标人跟踪方法研究

针对机器人的目标人跟踪问题,提出一种利用目标人腿部信息自适应跟踪的方法。该方法利用激光雷达作为环境感知传感器,实时获取环境的二维激光扫描数据;然后采用设计的激光相邻点聚类算法对激光扫描数据进行分割和聚类;再利用人腿圆弧状特征设计的类圆弧人腿形状识别算法从分割的数据中识别腿部数据,获得目标人腿部相对于机器人的位置信息;最后利用Kalman滤波算法对目标人的位置和速度进行跟踪,使机器人能够平稳地跟踪目标人运动。该算法在iRobot机器人平台上进行实验,实验结果验证了算法的有效性。     

多种形状窗口下的快速中值滤波算法

针对各类形状的窗口的对称特性,巧妙设定滤波窗口移动顺序,同时利用两个方向相邻窗口的已有信息将每个新窗口查找中值的比较次数降到很低。对七种常用形状的窗口分别设计了算法,实验证明这一组算法比传统快速排序算法和已有的一些改进算法在速度上均有不同程度的提高。     

基于特征匹配的激光雷达和相机外参标定方法

智能驾驶系统的车载传感信息通常由激光雷达信息和相机信息融合而成,精确稳定的外参数标定是有效多源信息融合的基础。为提高感知系统鲁棒性,文章提出一种基于特征匹配的激光雷达和相机标定方法。首先,提出点云数据球心算法和图像数据椭圆算法提取特征点的点云三维坐标和像素二维坐标;接着,建立特征点在激光雷达坐标系和相机坐标系下的点对约束,构建非线性优化问题;最后,采用非线性优化算法优化激光雷达和相机的外参数。利用优化后的外参数将激光雷达点云投影至图像,结果显示,激光雷达和相机联合标定精度横向平均误差和纵向平均误差分别为3.06像素和1.19像素。文章提出的方法与livox＿camera＿lidar＿calibration方法相比,平均投影误差减少了40.8%,误差方差减少了56.4%,其精度和鲁棒性明显优于后者。     

激光雷达引导下的红外图像中行人检测

研究了一种利用激光雷达数据引导红外图像进行行人检测与识别的方法。首先针对激光雷达数据,提出了一种利用鲁棒主成分分析进行目标感兴趣区域检测的方法,进而设计了一种窗口滤波算法对前景矩阵进行滤波处理,得到目标感兴趣区域的位置信息。在此基础上,将该位置信息投影到红外图像中获取红外图像中的目标感兴趣区域,进而在红外图像感兴趣区域内利用稀疏编码金字塔算法和支持向量机完成行人识别。实验结果表明了该算法能够有效地完成行人识别。     

基于ROS的大棚除草机器人设计

为了解决人工除草效率低下的问题,设计了一种基于ROS(Robot Operating System)的大棚除草机器人系统。以英伟达Jetson Xavier NX和STM32分别作为主控制器和从控制器,将激光雷达、深度相机和三轴陀螺仪/加速度传感器分别安装在除草机器人的正前方、顶层中部和底层中部,获取机器人行进路线周围的信息和机器人的姿态信息,然后进行分析、处理、3D建图和导航。主控制器与从控制器通过串口通信方式交互命令和数据,协同工作。从控制器通过PID控制算法控制除草机器人运动和机械臂动作进行喷药除草。实验结果表明,在正常的光线环境下,除草机器人能够以0.3m/s的速度进行喷药除草,除草效果良好,系统运行稳定。     

高效均值滤波算法*

为了提高现有均值滤波算法的速度,减少冗余操作,提出了一种高效的均值滤波算法。首先建立一个辅助数组,结合滤波窗口在按行滑动时相邻窗口之间的递归关系和按列移动时相邻两行对应的辅助数组之间的递归关系,设计出更新辅助数组元素和新窗口中心点对应均值的递归式,根据这两个递归式,设计出了高效的均值滤波算法。理论分析表明该算法极大地减少了冗余操作,且算法效率不受窗口大小变化的影响。实验结果证明,在滤波效果一致的前提下,本算法比现有快速均值滤波算法更高效。     

基于数据融合技术的图像均值滤波算法

在分析传统图像均值滤波算法的特性基础上,提出了一种新的均值滤波方法--多窗口均值融合滤波算法.该算法以每一个像素点为中心选取多个不同尺寸的窗口,将各窗口的均值进行融合处理后作为中心点的滤波输出.实验结果表明,本算法对于低信噪比图像具有较好的滤波效果,优于传统的和一些改进的均值滤波算法.     

基于Cortex-A53平台的激光雷达SLAM实现

针对移动机器人实现同时定位与地图构建(SLAM)的高硬件成本问题,提出了在Cortex-A53处理器平台上实现激光雷达SLAM的方法。完成了Cortex-A53处理器平台上软件平台的构建,并结合激光雷达采集的数据实现了SLAM,对相关程序进行了优化使得处理器的性能满足程序的运算量。实践结果证明,在Cortex-A53处理器平台上可以构建较高精度的地图以及实现室内环境下的导航、避障,从而降低了移动机器人实现SLAM的硬件成本。