视觉导航中分道线的二维重建与障碍物检测

针对视觉导航对道路分道线重建以及障碍物检测的功能需求，在对道路几何形态特性分析的基础上，建立了车道成像模型，对当前车道以及多车道进行了投影图像的二维重建；同时根据信息熵，引入路面单位像素灰度等级数的概念，实现了目标车辆或障碍物的初定位，利用Robinson边缘检测算子实现了对目标车辆或障碍物的精确定位。经大量实验证明，所设计的算法具有较高的实时性、准确性，满足了视觉导航对道路或分道线检测、障碍物检测的功能需求。     

基于单眼视觉和超声波室内障碍物检测系统在智能车上的应用

提出一种基于单眼视觉和超声波测距的树莓派智能机器人车检测静态和动态障碍物的方法.采用改进的单眼视觉障碍物检测算法,对室内的静态和动态障碍物进行轮廓检测,并利用超声波传感器测量机器人车与障碍物之间的距离.针对静态障碍物检测,在图像预处理阶段引入图像增强,并通过HSV图像提取不同障碍物颜色特征,以提高障碍物轮廓标定的效率和准确率.针对动态障碍物检测,结合背景差分与3D图像显示技术实现动态目标捕捉,并设置距离决策模块记录障碍物位置信息.试验结果表明,该方法可有效减少障碍物检测的平均消耗时间以及障碍物位置信息的错误率,提高室内障碍物检测的效率和准确性.     

基于Matlab和VC++混合编程的障碍检测系统设计

本文主要研究移动机器人在环境未知情况下的障碍物检测问题,提出了一种图像分割和立体视觉相结合的方法进行检测,减小了检测算法的复杂度,并能快速可靠地检测出机器人行进前方障碍物的位置和距离信息;将VC++的可视化图形界面功能和MATLAB的强大图像处理功能有机的结合起来,采用混合编程开发方法实现障碍物检测系统软件。实验结果表明,该方法在障碍物检测系统的开发过程中大大提高了编程效率,缩短了软件的开发周期。     

Kinect与二维激光雷达结合的机器人障碍检测

在Kinect相机和二维激光雷达结合的基础上,提出了一种适用于移动机器人、低成本的障碍物三维感知方法。该方法首先通过Kinect相机和二维激光雷达联合标定建立深度图像点与激光雷达测距点的对应关系,然后,融合二者的检测数据得到环境障碍物位置。具体步骤为:1）Kinect相机与二维激光雷达分别从环境中获取深度图像和二维激光数据;2）将深度图像转换成虚拟二维激光数据;3）根据联合标定得到的对应关系融合虚拟激光数据与二维激光雷达数据,得到障碍物的位置。实物测试证明该方法正确有效,可用于移动机器人对环境障碍物的判断。     

移动机器人检测与跟踪系统的研究与设计

从智能控制与模式识别方法和传统控制理论相结合的思想出发，提出了一种自主移动机器人对运动目标检测和自动跟踪的识别与控制方法.建立了基于连续图像帧差分和二次帧差分的改进的图像HSI差分模型，给出了运动目标的特征分析和计算方法.通过特征匹配识别所需跟踪目标的区域，采用Kalman预报器对运动目标状态进行一步预测估计和两步增量式跟踪，可以快速平滑地实现移动机器人对运动目标的跟踪驱动控制.以移动机器人对汽车桩考的全过程进行监控为例，给出了移动机器人视觉检测识别和跟踪控制系统在汽车桩考中的应用.     

注意力机制的SAR图像车辆目标检测网络

在SAR图像车辆目标检测过程中,车辆轮廓定位不仅能够提供车辆位置信息,而且还能够为车辆状态分析提供依据,是SAR图像理解的关键步骤。但SAR图像中乘性斑点噪声会对轮廓定位造成干扰,增加车辆目标检测的难度。针对这一问题,提出了一种注意力机制的SAR图像像素级车辆目标检测网络。该网络由目标筛选、目标定位和轮廓细化三个模块构成。目标筛选在一个轻量级的特征提取网络中采用通道注意力和自注意力机制,在抑制噪声影响的同时对包含目标图像进行快速筛选,并提供稳定的定位热力图;目标定位利用掩码交叉注意力机制根据定位热力图优化粗尺度特征细化目标定位,并融入细尺度信息改善目标轮廓细节;轮廓细化通过轮廓点筛选消除上采样及噪声带来的轮廓不确定点获取准确的轮廓像素点置信度。对MSTAR数据集进行车辆像素级标注,建立SAR图像车辆数据集及大场景图像数据集用于网络测试。实验结果表明,该网络具有良好的像素级检测性能,可实现大场景SAR图像中车辆目标的快速精确检测。     

基于双目视觉的显著性区域检测

针对传统基于像素的显著性模型存在的边缘模糊、不适于低对比度环境等问题,提出一种基于双目视觉信息的显著性区域检测方法. 采用简单线性迭代聚类（SLIC）方法对图像进行超像素分割,将生成的超像素区域进行合并.通过计算各区域在左右视图的相对移动距离获取物体深度信息,以区域为单位分别计算颜色对比度及深度对比度,进行合成得到区域的显著性值.结果表明,生成的显著性图轮廓清晰,边缘锐利,同等条件下近处及深度变化显著的区域能够获得更高的显著性.该方法符合人类视觉感知特征,适用于移动机器人障碍物检测及场景识别.     

显著性的无人机远距离障碍物检测

针对旋翼无人机的避障问题,结合人眼视觉的显著性注意机制和HOG特征,提出一种实时的障碍物检测算法。该算法首先采用形态Haar小波分解的方法构建增强图像,然后根据增强图像的投影曲线提取出障碍物的候选区域。其后,对障碍物候选区域进行尺度归一化后提取HOG特征,并采用线性SVM分类器进行分类判别。该算法采用C++语言实现,在Celeron 2.3GHz处理器、2G内存的单板计算机上测试分辨率为640×480的VGA视频图像的处理速度约为14f/s。实验结果表明该算法满足无人机在低空环境下的障碍物的实时检测需求。     

基于双目视觉的机器人运动目标检测与定位

针对移动机器人自定位精度低的问题,提出了先由静止的工作机器人进行自定位,再对运动目标进行检测和定位的方法.基于HSV模型颜色特征,工作机器人分割出人工路标并进行自定位,利用帧间差分法将采集到的视频图像序列中相邻两帧作差分运算,提取出运动目标,并通过双目立体视觉视差原理计算出运动目标的绝对坐标,帮助运动目标完成定位.结果表明,该方法定位精度高于传统的移动机器人自定位的定位精度,且算法的实时性好,具有现实的研究意义.     

基于单CCD尺寸检测的摄像机标定方法

为提高机械零件尺寸检测的精度,针对Tsai两步标定法中初始参数不精确的问题,提出了基于直线投影约束的三步标定方法.该方法首先利用直线投影约束条件求解出图像中心点和畸变参数的初始值,然后结合径向排列约束条件求解超定方程组得出全部外部参数和余下内部参数值,最后对全局参数进行非线性优化.为验证提出方法的效果,通过建立基于图像模板的世界坐标系实现,即首先利用图像像素坐标求取摄像机坐标,再将摄像机坐标进行归一化,利用外参数矩阵就可以求解出图像点的世界坐标.结果表明,该方法可以有效提高摄像机标定的精度,像素误差可达0.126 5像素点,单目视觉尺寸检测中任意两点距离误差小于0.41%.     

基于旋转势场法的双足机器人避障路径规划方法

针对双足机器人在实际环境中运动时难以实时规避障碍物的问题,本文提出了基于旋转势场法的避障路径规划方法。该方法将足迹规划思想引入基于势场法的局部实时路径规划中,通过设计新的障碍物旋转势场来解决传统势场法的局部极小值问题,进而利用旋转势场和足迹规划间的映射关系实现双足机器人的实时避障运动。将该算法应用到一台双足机器人上进行实验验证,现场设定障碍物使路径更接近实际作业环境,机器人顺利完成了U型场地的避障,验证了该方法的有效性。     

基于光流的非结构化环境中移动机器人避障方法

为了解决在复杂非结构化环境中的避障问题,提出了一种基于光流的适用复杂非结构化环境的移动机器人避障方法.首先,引入梯度守恒假设和局部加权对光流算法进行改进,减少了光照变化不均和噪声对光流算法的影响,提高了算法的计算精度和鲁棒性.然后,使用光流散度来计算相碰撞时间(time-to-contact,TTC),并利用TTC构建障碍地图.设计的航向决策算法能在机器人与障碍物发生碰撞危险时,为机器人选择最优的前进方向.对提出的避障方法进行了仿真及物理实验,实验结果表明:利用该避障方法可以实现移动机器人在复杂非结构化环境中无碰撞地行走.     

六边形六足机器人障碍自识别步态规划

六足机器人在控制灵活的同时,也存在步态规划策略制定困难等问题,尤其当其遇到不可逾越的障碍时,这一问题更为严重.针对此问题,提出了一种障碍自识别步态规划策略.此策略以正逆运动学解算为基础并建立D-H坐标系,进而对每条腿进行齐次坐标变换,并根据足末端力反馈来自动识别障碍做出旋转和越障步态规划.通过ADAMS的仿真结果分析,验证了该策略的正确性和普适性.     

高压输电线路自主巡检机器人的检障与定位

针对高压输电线路巡检机器人系统具有多种类多数量传感器的特点,介绍一种根据线路环境信息的差异、机器人运行速度的快慢而将检障行为进行分类规划再有机融合的检障与定位方法,并介绍机器人高、中、低速下各检障行为的算法.通过模拟线路的检障与定位实验,表明提出的基于多源传感器行为融合的检障定位方法的正确性和实用性.     

基于视觉信息的移动机器人动态避障方法

为了提高自主移动机器人的动态避障能力,提出了一种基于视觉信息的拟人动态避障方法,以视觉信息为决策依据,利用神经网络对障碍物的屏幕坐标和实际相对坐标进行非线性映射,在避障过程中只考虑障碍物相对于机器人的运动及可能的碰撞方式,无需考虑机器人和障碍物的运动速度和运动方向,仿真试验证明这种方法是可行而有效的．     

借助外力助推的双足机器人越障及避障方法研究

由于仿人机器人在跨越大尺度障碍时需要重心大幅度地偏移,从而导致机器人容易摔倒或是跨越的距离有限,而通过引入外力的方法能有效地改善机器人的跨越性能.本文主要研究双足机器人在额外外力的辅助下,无碰撞地跨越大尺度障碍物的问题.首先,通过树形数据结构、相对轴矢量和相对位置矢量,建立了双足机器人的仿真模型.然后,通过规划多次曲线跨越轨迹、引入整个跨越过程中的局部避障非线性约束和其他跨越约束的方法,建立起双足机器人越障及避障的多变量非线性优化模型.最终,求解出了平面6自由度的冗余机器人越障及避障的2维步态,通过仿真验证了其能够跨过高度为其腿长43%的障碍物.原理样机跨越15 cm高,为其腿长32%的障碍物,证明了本文所提越障及避障方法的有效性.     

多机器人系统队形保持方法研究

机器人队伍的运动被划分为正常运动、避障及恢复队形三个阶段,单个机器人的运动划分为避障和向目标运动两个状态.在避障阶段,引入虚拟机器人来使其它机器人保持队形,同时把所有机器人划分成不同等级的集合,避障机器人跟踪邻近高等级集合中的机器人以躲避障碍.仿真实验表明,该方法能有效地避开障碍,并快速恢复原队形.     

三维环境下基于反步法的多机器人编队控制

针对两轮式移动机器人在复杂环境下的编队控制问题,提出一种基于虚构领航法和反步法,并结合人工势场法策略的多机器人避障编队算法。首先,详细分析多机器人系统在三维空间下的编队模型,并利用空间投影方法将其映射到二维平面进行分析。其次,将运动学模型转化为链式形式,并通过正则坐标变换,将误差系统形式转换成串联非线性系统。然后运用Backstepping方法构造轮式机器人追踪系统的Lyapunov函数,设计出针对轮式机器人的轨迹跟踪控制器。再结合人工势场法避障策略,完成多机器人复杂环境下的编队任务。最后,通过多机器人轨迹跟踪的两组仿真实验,验证了所提出方法的有效性。     

基于双目视觉的机器人局部路径规划

目的提出移动机器人利用双目视觉在不确定的环境中实现自主避障和导航的一种新方法．方法以视觉信息为决策依据，利用神经网络对障碍物的屏幕坐标和实际相对坐标进行非线性映射，在避障过程中只考虑障碍物相对于机器人的运动及可能的碰撞方式，无需考虑机器人和障碍物的运动速度和运动方向．结果映射点偏离屏幕中心误差越大，障碍物距离机器人越远，确定避碰策略越困难；而当障碍物距离机器人较近时确定避碰策略较容易．该方法计算量少，运算时间短，提高了机器人的实时性．结论仿真试验表明此种方法能有效避开障碍物顺利到达目标点，并减少了计算规模，提高了实时性．