基于改进欧氏聚类算法的障碍物检测跟踪

障碍物的检测与跟踪技术是移动机器人行驶过程中的一个重要技术, 有利于提高移动机器人的运动安全. 为了提高了障碍物检测的准确率, 针对欧氏聚类存在过分割和欠分割的情况, 做出了两点改进: 提出动态欧氏聚类搜索半径的方法来解决远处点云过于稀疏的问题; 提出将半径搜索改成深度方向上的拓展搜索的方法来解决点云数据在深度方向上检测不完全和拖尾等问题. 为了提高动态障碍物跟踪的准确率, 在进行两帧障碍物数据关联时, 设计了一种新的关联矩阵的计算方式, 加入了障碍物的六自由度信息和尺寸信息, 提高了动态匹配的成功率. 仿真实验表明, 经过改进后障碍物检测准确率达到了95.2%, 多目标跟踪精度达到了13.2 mm.     

基于RGBD摄像头的障碍物检测

检测障碍物是机器人自主移动的基础. 为了提高检测的障碍物效率和准确率, 提出一种基于RGBD摄像头的障碍物检测方法, 主要分为障碍物识别和检测长度, 宽度两部分. 在障碍物形状不规则的前提下, 通过摄像头实时采集图像传输到数据处理中心, 用改良的帧差法、最小矩形法匹配法和图像处理等方法来确定障碍物轮廓, 利用深度图像及其阈值得出障碍物距摄像头的相对位置, 同时, 用坐标转换法计算出障碍物的高度与宽度. 结果显示, 在不同位置检测同一物体的误差不超过9%. 因此, 改良的帧差法检测障碍物轮廓准确率高, 坐标转换法速度快, 可以证明基于RGBD摄像头的障碍物检测设计检测效果良好.     

基于卡尔曼滤波算法的无人机避障路线智能生成方法

为了提高无人机避障效果,提出基于卡尔曼滤波算法的无人机避障路线生成方法。在障碍物匹配和潜在障碍物检测的基础上,利用卡尔曼滤波算法提取障碍物位置信息,并求解无人机的最优飞行方向,通过控制线速度和角速度实现无人机自动生成避障路线。以避障效果、障碍物检测率、定位误差率为实验指标进行实验,实验结果表明所提方法避障效果好、障碍物的检测率高和定位障碍物的误差率低。     

一种高匹配性的多层代价地图生成算法

阐述目前代价地图中存在的相关问题,并针对代价地图存在匹配性差和实时性低等问题提出一种新的室内地图生成算法.首先,针对雷达对动态障碍物的处理方式,研究新的动态障碍物实时更新的方法,实现对障碍物的准确定位,改善代价地图与室内环境的匹配性;其次,通过预处理静态障碍物,实现对障碍物的分类以及分别处理,可大幅降低代价地图更新过程中的计算量,变相地提高代价地图的计算速度;再次,通过等距膨胀法构建完整的多层代价地图;最后,在实验室的自主机器人平台上进行实验,实验结果表明,所提出算法与经典代价地图算法相比在匹配性方面有明显提升,而在地图的更新速度方面平均提升77.6%.     

地铁站场景下的可行驶区域检测

在室内环境下的机器人视觉导航任务中,可行驶区域检测是不可或缺的一部分,这是保证自动驾驶任务实现的基础.目前较多的解决方法是对数据集中出现过的障碍物进行识别来检测可行驶区域,缺乏灵活性,因此本文提出了一种针对地铁站等室内平坦地面的可行驶区域检测方法,提高实用性.本文采用经典的MobileNetV3网络对采集到的前方图像进行分类,判断是否为地面区域.由于室内地面的地标、箭头等贴纸的影响,因此需要对非地面区域进一步判断,与常规的立体障碍物进行区分.本文利用连续帧之间的特征点匹配获得相机移动距离,并利用直线拟合计算斜率的方法达到区分立体障碍物与平面地标的目的.实验表明,本文提出的方法能较好地检测机器人前方可行驶区域,具有较高的实用价值.     

基于激光测距仪的障碍物检测的仿真研究

为了进行准确和有效的导航,提出了利用机器人的车载激光测距仪来检测环境中的障碍物.利用激光测距仪对机器人的局部环境建立栅格地图,在该模型下对障碍物进行检测.针对连续变化时刻(t-1)和(t)下的两帧“图像”,在极坐标系中进行障碍物分割,根据分割结果建立障碍物链Object_ List (t-1)和Object_ List (t),计算出各特征参数,并作进一步的匹配和分类分析.如果存在动态障碍物,估计出相应的运动参数,更新得到t时刻的动态障碍物集Dob (N).为了验证算法的有效性,利用visual C++进行仿真,仿真实验结果表明,该方法进行环境中的动静态障碍物的检测是可行的和有效的.     

基于视觉的移动机器人实时障碍检测研究

针对立体视觉障碍检测的两个难点:匹配精度以及匹配算法的实时性问题,文章提出了一种基于区域分割的障碍检测方法。通过区域分割,把图像对应点的匹配问题简化为区域边界点的匹配,提高了匹配的精度。分割后的区域作为一个独立的对象进行处理,障碍物三维信息计算转化为视差的判断,提高了匹配的速度。该算法能够实现在室内环境下的实时障碍检测,不需要利用环境的先验知识,具有较强的自适应性。实验结果表明了该方法的有效性。     

基于直线段匹配的移动机器人的障碍物检测

阐述了基于机器视觉的前方障碍物的检测问题。提出一种基于直线段提取和匹配并最终确定障碍物的轮廓的方法。试验表明该方法运算速度快,结果可靠。     

基于三帧间的移动障碍物背景目标提取算法

为了减少交通事故的发生及降低因其而带来的危害,针对障碍物检测过程中出现的各种问题。受原有的两帧间差分法的启发,提出了一种基于三帧间快速匹配检测障碍物的方法,该算法利用移动障碍物这一特性进行障碍物的检测。其基本思想是利用相邻三帧图像两两差分,再将两个差分结果再次进行差分操作从而最终确定运动目标在图像中的位置,实现了对移动障碍物轮廓的检测。     

基于内容图像检索的机器人障碍物检测方法

为研究搬运机器人的视觉识别系统,提出一种基于内容图像检索的方法识别障碍物.为检测固体障碍物,从不同位置拍摄多种障碍物,保证这些图像的数量和质量,利用拍摄的图像构建一个稳健的图像数据库;利用3种不同的特征提取方法,将图像纹理作为障碍物的特征信息,实时更新障碍物的信息;进行相似度距离计算,比较检索图像与数据库中的图像距离,将固体障碍物的所有实时信息和G PS数据传输到服务器.实验结果验证了所提方法的有效性,实验结果表明,EM D距离的精准度最高,性能比其它距离计算更好.     

基于三维成像声纳技术的AUV前视避障方法

针对自主式水下航行器（ AUV）在水下自主航行过程中的避障问题,提出了一种基于三维成像声纳技术的前视避障方法。该方法使用三维成像声纳探测目标,通过声纳目标图像处理提取目标,完成目标的运动状态分析和轨迹预测。通过设置碰撞区域,建立避障模型和设计避障规则,实现了AUV的智能化避障。借助于其他传感器,这些关联模块构成了一个集目标探测、目标提取、轨迹预测、避障与路线回归等功能于一体的闭环系统。     

基于深度学习的四旋翼无人机单目视觉避障方法

针对无人机避障问题，提出一种基于深度学习的四旋翼无人机单目视觉避障方法。首先通过目标检测框选出目标在图像中的位置，并通过计算目标选框上下边距的长度，以此来估量出障碍物到无人机之间的距离；然后通过协同计算机判断是否执行避障动作；最后使用基于Pixhawk搭建的飞行实验平台进行实验。实验结果表明，该方法可用于无人机低速飞行条件下避障。该方法所用到的传感器只有一块单目摄像头，而且相对于传统的主动式传感器避障方法，所占用无人机的体积大幅减小。该方法鲁棒性较好，能够准确识别不同姿态的人，实现对人避障。     

基于视差平面分割的移动机器人障碍物地图构建方法

作为自主移动机器人地表障碍物探测（GPOD）技术的一部分,提出了一种利用双目摄像机的视差图像 获取信息来构建机器人前方障碍物栅格地图的方法. 该方法融合了3 维立体视觉技术以及2 维图像处理技术,前者 依据视差图的直方图信息对视差图像进行自适应平面分割,把每个平面看作是3 维场景中的实物切片进而提取障碍 物3 维信息,后者通过计算各平面上的障碍物信息曲线来提取障碍物信息,把立体视觉数据从视差图像空间变换到 2 维的障碍物地图空间. 给出了该方法构建障碍物地图的整体过程,试验结果证明了该算法的有效性和精确性.     

开放式机器人控制器中仿真组件的实现

文章将机器人三维图形仿真模块作为开放式机器人控制器中的一个通用组件来进行研究,分析了其建模和设计过程。为了保证组件的通用性,将连杆作为基本单位来设计机器人对象,并根据串联结构机器人的特点设计了通用的三维造型方法,使其可以适用于大多数串联结构的机器人。同时,为了满足机器人规划和避障的要求,在仿真组件中实现了基于距离计算的碰撞检测,并给出了仿真实验的结果。     

基于激光雷达的室外移动机器人避障与导航新方法

提出了一种应用于室外移动机器人避障与导航的新方法——角度势场法．此方法将当前视场极坐标系的二维障碍物信息转换到一维的角度域内,综合评估视场内的障碍物在角度域内产生的阻力效应,以及目标点在角度域内产生的引力效应,计算得出当前目标角度及通行函数,确定移动机器人驾驶角和速度的控制输出,做到兼顾移动机器人的安全与向目标点的行进．此方法已应用于室外移动机器人THMR V．     

Obstacle avoidance in a dynamic environment: a collision coneapproach

A novel collision cone approach is proposed as an aid to collision detection and avoidance between irregularly shaped moving objects with unknown trajectories. It is shown that the collision cone can be effectively used to determine whether collision between a robot and an obstacle (both moving in a dynamic environment) is imminent. No restrictions are placed on the shapes of either the robot or the obstacle, i.e., they can both be of any arbitrary shape. The collision cone concept is developed in a phased manner starting from existing analytical results that enable prediction of collision between two moving point objects. These results are extended to predict collision between a point and a circular object, between a point and an irregularly shaped object, between two circular objects, and finally between two irregularly shaped objects. Using the collision cone approach, several strategies that the robot can follow in order to avoid collision, are presented. A discussion on how the shapes of the robot and obstacles can be approximated in order to reduce computational burden is also presented. A number of examples are given to illustrate both collision prediction and avoidance strategies of the robot     

激光测距雷达距离图障碍物实时检测算法研究及误差分析

本文在首先阐述陆自 主车中利用激光测距成像雷达获得取的距离图实时检测障碍的坐标变换法的基础上，着重深入研究了雷达垂直扫描中心角的误差与自主车３个姿态角的误差及激光测距成像雷达多义性间距对障碍物检测结果的影响。     

基于立体视觉的月球探测器路径规划算法

以实现月球探测器的避障路径规划为目标,采用立体视觉技术感知车前环境,设计一套基于特征匹配的车前障碍物检测算法。构造极坐标直方图描述环境空间,提出一种基于视觉感知的直方图Bug路径规划算法。通过朝目标移动和沿障碍物边界滑动2种行为的切换来保证算法全局收敛。实景重构与仿真实验验证了算法的有效性。