基于算法集成分段自适应道路检测技术研究

视觉辅助导航系统要求具有很高的稳定性和实时性,而车辆行驶过程中道路场景会发生变化,目前常用的道路检测算法难以保证在各种道路环境下都有很好的检测性能,迫切需要研究能够跟踪道路场景变化的自适应道路检测技术;提出了基于算法集成分段自适应道路检测系统,给出了系统流程及结构;实验结果表明,该方法具有自适应性强、算法设计简便、实现成本低等优点,具有很高的实用意义.     

可重构硬件操作系统技术

为了充分发挥可重构计算的高性能和可编程能力,需要将可重构资源和硬件任务纳入到操作系统管理范畴.因此面向可重构计算的操作系统技术—可重构硬件操作系统技术成为一个新的研究热点.本文在简要介绍可重构计算系统体系结构的基础上,详细介绍了国内外的研究现状.最后,结合可重构计算系统的特点,阐述了可重构硬件操作系统的关键技术.     

基于不确定性知识的实时道路场景理解

由于室外机器人的工作环境非常复杂，因此机器人的视觉导航必须具有足够的智能和鲁棒性，为此，提出了一种基于不确定性知识的实时道路理解算法，该算法通过不确定性知识推理来融合多种信息和知识，以满足在复杂道路环境下的鲁棒性要求，它即使在有强烈阴影、水迹等干扰下也能给出比较好的结果；通过图象边缘信息的提取可以得到精确的道路边界，以满足视觉导航的精确性要求；同时在算法设计时，兼顾了实时性要求；使得算法得以实时实现，该算法已在实际的机器人上进行了测试，并得到了很好的结果。     

基于单目视觉的车道线和道路边界同步检测

针对智能车辆视觉导航中的车道保持问题,采用了单目视觉技术检测结构化道路上的车道线和道路边界.详细介绍了标线灰度特性与道路边缘信息的特征提取,并在此基础上结合公路几何线形进行道路模型匹配.算法整体采用初始检测和后继跟踪的循环处理流程,大大提高了实时性和抗噪性.通过CCD测试结果表明,方法能够快速、准确、同步地检测出车道线和道路边界.     

基于ARM和CPLD的可重构检测系统设计

文章提出了一种基于ARM＋CPLD结构的可重构检测系统的设计方法。并采用此方法开发了一款多用途声波检测设备。该系统充分利用了ARM芯片资源丰富、运行速度快、计算精度高、编程灵活的特点。也充分发挥了CPLD灵活的大规模高速逻辑运算处理能力和I／0资源丰富的特点，实现了控制算法的硬件化，满足了高性能、高可靠性和可重构的要求。     

基于匹配策略的安全协议重构分析

可重构安全协议对提高安全系统的灵活性和适应能力具有重要意义,它可根据具体上下文环境进行配置、移植,极大增强了系统的安全性,目前基于软件构件的协议重构方法无法满足安全协议对安全性和计算性的特殊要求.针对安全协议的安全性和高密度计算特性,提出了一种针对现有资源选择重构元的解决方法,给出协议可重构元匹配和基于QoS的重构元质量满意度的协议重构选择算法,使系统可以尽快按照重构协议需求选择满意的可重构元.通过实例说明该方法的执行过程,应用结果表明该方法能够有效提高重构效率和重构准确度.     

可重构技术研究现状与发展

可重构计算系统结合了微处理器的软件灵活性和专用ASIC的高效性,兼顾有软件和硬件实现两者的优点。本文从可重构技术的现状出发,介绍了可重构技术的发展、现状及趋势。     

可重构网络中自适应入侵检测修复算法研究

随着越来越多实时应用程序的出现,计算机网络也面临着诸多挑战,如何有效防御入侵者的攻击已成为亟待解决的问题之一。为此,文中提出了一种在可重构网络环境下进行入侵检测和修复的算法。该算法既能够主动实时检测由入侵者删除节点所造成的网络中断,又能够在路径中断后及时采用基于度数的自适应修复算法来进行修复,以保持网络的连通性。实验表明该算法不仅检测延迟低,而且节点度数的增加和信令开销较小,能够较好地满足可重构网络的实时性需求。     

基于单目视觉的结构化道路检测算法研究

为了全面了解基于单目视觉的结构化道路检测方法的现状,给出近些年来一些典型的道路检测算法,并进行分类,包括基于灰度特征和彩色特征的检测算法、基于模型的识别算法,最后对该领域的难点和趋势给出简要的论述。     

基于单目视觉的结构化道路检测算法研究

为了全面了解基于单目视觉的结构化道路检测方法的现状,给出近些年来一些典型的道路检测算法,并进行分类,包括基于灰度特征和彩色特征的检测算法、基于模型的识别算法,最后对该领域的难点和趋势给出简要的论述。     

Full-parameter vision navigation based on scene matching for aircrafts

Vision navigation based on scene matching between real-time images and a reference image has many advantages over the commonly used inertial navigation system （INS）, such as no cumulative measurement errors for long-endurance flight. Recent developments in vision navigation are mainly used for partial navigation parameters measurements, such as the position and the relative velocity, which cannot meet the requirements of completely autonomous navigation. We present the concept, principle and method of full-parameter vision navigation （FPVN） based on scene matching. The proposed method can obtain the three-dimensional （3D） position and attitude angles of an aircraft by the scene matching for multiple feature points instead of a single point in existing vision navigations. Thus, FPVN can achieve the geodetic position coordinates and attitude angles of the aircraft and then the velocity vector, attitude angular velocity and acceleration can be derived by the time differentials, which provide a full set of navigation parameters for aircrafts and unmanned aerial vehicles （UAVs）. The method can be combined with the INS and the cumulative errors of the INS can be corrected using the measurements of FPVN rather than satellite navigation systems. The approach provides a completely autonomous and accurate navigation method for long-endurance flight without the help of satellites.     

一种基于视觉的道路检测算法

计算机视觉导航使移动机器人可以工作于复杂环境中,而道路检测是其中的关键环节。针对道路的多样性和环境因素的影响,提出了一种稳健的道路检测算法。依据道路特征把图像分为3组区域：路、非路和不确定区域,然后对难以判断的不确定区域使用假设检验的策略,依据道路的形状、路宽和面积信息综合判断,把不确定区域合并到路或者非路区域,从而快速准确地检测出道路。该算法已经在移动机器人-ATRV上测试和使用。     

一种基于区域特征的景象匹配算法研究

景象匹配技术是飞行器匹配定位辅助导航系统的核心,如何提高其正确匹配率一直是研究的热点与难点。提出一种基于区域特征的景象匹配算法。首先,提取基准景象和实时景象的稳定极值区域,并计算出区域的灰度、形状、纹理以及起伏程度特性作为相似性度量的主要因素构造相似性度量函数;然后,计算区域对的Hausdorff距离,决定是否是对应区域。大量的模拟实验表明,该算法的匹配时间能达到0.138 s,正确匹配率达到92.67%,不仅能满足景象匹配的要求,且大大提高了匹配的时间与正确率,对导航系统的定位具有实用价值。     

基于改进Hausdorff距离的分层景象匹配算法

为克服传统的相似性度量容易受到噪声、遮挡和成像机理等因素影响的缺点,结合人的认知过程,提出了一种分层的模板匹配算法.首先利用了统计指标来对候选匹配区域进行预标记,其次通过对Hausdorff相似性度量的改进来提高其对遮挡、异源图像匹配的鲁棒性.实验结果证明了该方法能够有效地减少搜索区域大小,提高了遮挡情况下的匹配精度,验证了算法的有效性.     

基于迁移学习和显著性检测的盲道识别

为了帮助对视觉障碍患者有效识别道路周围的场景,提出一种基于迁移学习和深度神经网络方法,实现实时盲道场景识别。首先提取盲道障碍物的瓶颈描述子和判别区域集成显著性特征描述子,并进行特征融合,然后训练新的盲道特征表示,用Softmax函数实现盲道场景识别。实验中,对成都不同区域盲道周围障碍物采样,分别采用基于Mobilenet模型不同参数训练和测试了提出的新模型,最后在实际应用场景,实现了盲道周边障碍物的实时分类和报警,实验证明提出的方法具有很高准确率和良好的运行性能。     

基于机器视觉的非结构化道路检测算法研究

提出了一种提高非结构化道路边缘检测实时性和准确性的算法。该算法中首先对原始道路图像进行中值滤波,抑制随机噪声,并选择基于双峰法的多阈值Otsu方法进行图像分割,使分割效果和分割时间得到优化。通过Canny算子进行初次边缘检测,然后,采用数学形态学修正,从而得到完整、清晰的道路边缘图像。仿真结果表明:该非结构化道路检测方法具有良好的实时性和准确性。     

基于多传感器图像融合技术的鲁棒景象匹配算法

将多个传感器获取的具有不同大小、不同分辨力和不同信噪比的实时图基于Kalm an滤波的方法进行融合,以提高实时图的性能;搜索融合后的实时图在基准图中的位置达到目标定位之目的,即进行景象匹配。在景象匹配过程中,选用归一化互相关系数作为相似性度量。多组实验与分析表明:所介绍的基于多传感器图像融合技术的景象匹配算法可以有效地解决实时图存在部分遮挡、灰度与对比度变化以及复杂噪声干扰等影响下的景象匹配问题。     

基于ROC分析的Canny算法在景象匹配中的应用

根据ROC分析方法能对分类识别算法进行多门限评估的特点,利用其改进Canny算法性能并应用于景象匹配。首先由不同参数组合的Canny算子计算图像的多个边缘提取图,并逐像素进行统计,得到边缘像素相关图;然后采用ROC曲线分析找到最佳的关联阈值,从而确定理论边缘图;最后将参考图与实时图所对应的理论边缘图进行景象匹配。实验结果表明,该方法在参考图和实时图存在一定几何畸变和灰度差异的情况下,能取得较高的平均匹配精度与正确匹配概率。此外,该方法克服了传统Canny算子采用固定参数的缺点,根据多参数自动进行筛选优化,有较强的工程实用性。