基于机器人运动模型的EKF-SLAM算法改进

针对两轮驱动机器人运动模型定向误差的累积问题,提出改进的三轮驱动机器人运动模型,对EKF-SLAM算法的一致性进行改进;该模型通过对机器人车轮线速度的解耦运算,将机器人运动过程中的旋转角速度提取出来并作为系统的控制输入之一,从而可以直接得到各个控制时间间隔内的机器人姿态角变化,很好地避免了机器人定向误差的累积;最后,基于归一化估计方差的检验标准进行实验,验证了三轮驱动机器人运动模型有效提高了EKF-SLAM算法的一致性。     

一种新的抗外部干扰EKF-SLAM算法

机器人在未知环境中探索时不仅存在传感器误差,而且经常受到外部干扰的影响。传统EKF-SLAM算法没有考虑外部干扰,会导致机器人定位的失败,为此,提出一种改进的EKF-SLAM算法。采用极坐标对比前后2次观测结果来检测是否存在外部干扰。当检测到存在外部干扰时,通过膨胀系统状态的方差扩大其不确定性,使系统状态迅速收敛到真值。仿真结果表明,该算法在移动机器人SLAM的估计精度和鲁棒性两方面均优于传统的EKF-SLAM算法。     

一种基于动态背景的运动车辆跟踪算法

将动态背景生成技术应用于运动车辆的检测与跟踪,构建了一个运动车辆跟踪算法。在引入特征匹配值矩阵的基础上,设计了一种简单实用的目标跟踪状态判决逻辑。实验结果表明,该算法能够完成对多个运动目标的跟踪,而且对视角、光线变化及目标运动状态的变化等不利因素有较好的适应性。     

一种基于蚁群算法的车辆导航系统模拟模型

本文提出一种基于蚁群算法的车辆导航系统模拟模型。通过对自然界生物行为的模拟,该系统能够在全局范围内动态确定车辆最优行驶路线,并迅速及时地向车辆提供动态的最优行车线路指引,提高交通系统的质量和效率。     

一种基于改进的GVF-Snake模型的车辆跟踪算法

提出一种基于改进的GVF-Snake模型(基于梯度矢量流的活动轮廓模型)的车辆跟踪算法.该算法利用帧差法自动获取车辆的初始轮廓,通过改进的GVF-Snake模型,从车辆视频流中准确提取出车辆的轮廓.为提高计算速度,改进的GVF-Snake模型采用贪心算法逐点迭代,并根据控制点的距离,自适应地增删控制点,以适应车辆目标大小变化.在此基础上,应用预测算法对车辆进行快速准确的跟踪.实验结果验证该算法的有效性.     

基于背景模型的运动车辆检测算法研究

本文给出一种改进的背景初始化和更新算法,动态调整参数学习率,缩短了建立背景模型的时间,提高了背景模型适应环境变化的能力。采用Otsu阈值化方法自动选取全局阈值,完成二值化处理。结合形态学方法,去除噪音点的影响。实验表明,本文的方法能更快、更准确地检测出运动车辆区域。     

一种基于码本模型的运动目标检测算法

提出一种基于背景码本模型的视频图像中运动目标的检测算法。该算法利用归一化的Mann-Whitney秩和统计量自适应调整判决阈值,使用Mean Shift进行码本中码字和方差的更新,实现在检测过程中同时更新码本模型适应图像背景的变化。不同背景条件下的实验结果表明该算法利用Mann-Whitney秩和统计量的分布无关性,提高了运动目标检测精度。 。     

基于线段特征匹配的EKF-SLAM算法

针对EKF-SLAM算法在机器人被“绑架”时失效的问题,提出一种新的基于线段特征匹配的EKF-SLAM算法——EKFLineSLAM算法.该算法在线段特征观测模型和改进的基于逐点搜索的线段提取算法的基础上,将线段特征匹配引入EKF-SLAM算法,并对线段长度和姿态角进行EKF更新,创建环境的线段特征地图.在未知室内结构化环境中,将该算法与弱匹配EKFLineSLAM算法进行比较,验证了EKFLineSLAM算法在结构化环境中克服机器人“绑架”问题的可行性和有效性.     

基于路标观测的改进EKF-SLAM算法

针对传统的基于扩展卡尔曼滤波的SLAM算法对环境干扰修复速度较慢的缺陷,提出一种EKF-SLAM的改进方法。通过比较EKF-SLAM算法的预测和观测两个过程所得数据,判断是否存在较大的环境干扰。若环境干扰较大,则加大先验估计误差协方差的调整,使状态在经过校正后更快速地接近真实值,提高算法的实时性和抗干扰性。最后使用Matlab对改进EKF-SLAM进行仿真实验,结果表明改进EKF-SLAM算法的有效性和估计精度都比传统EKF-SLAM高。     

一种基于视频的车辆检测算法

本文讨论了对传统帧差法的改进,并结合边缘检测法,提出一种环境自适应能力强、计算量小,适合于运动和静止车辆同时检测的车辆检测新方法,可正确判断有无车辆、完成车辆的计数,进而实现车流量计算、车速估计。在计数算法中采用预估校正、相关性修正等措施,提高了检测精度,大大改善了车辆检测效果,从而为交通监控系统提供实时有效的交通参数。     

基于运动微分约束的无人车辆纵横向协同规划算法的研究

为了满足在动态环境中快速行驶的要求,现有无人车辆普遍采用在传统规划系统的两层结构（路径规划-路径跟踪）之间增加局部规划的方法,通过在路径跟踪的同时进行避障来减少耗时的全局路径重规划. 本文针对这种三层结构规划系统存在的问题,提出基于运动微分约束的纵横向协同规划算法,在真实环境中实现速度不超过40km/h的无人驾驶. 根据车辆的实时运动状态,用高阶多项式模型在预瞄距离内对可行驶曲线进行建模,不仅使行驶过程中的转向平稳,而且在较高速时仍具有良好的路径跟踪能力. 由横向规划提供横向安全性的同时,在动力学约束的速度容许空间中进行纵向规划,实现平顺的加速与制动,并保证了纵向安全性和侧向稳定性. 该算法根据实时的局部环境自动决定纵横向期望运动参数,不需要人为设定行驶模式或调整参数. 采用该算法的无人驾驶平台在2011年和2012年智能车未来挑战赛的真实交通环境中,用统一的程序框架顺利完成全程的无人驾驶.     

一种基于改进码本模型的快速运动检测算法

从视频序列中分割出运动目标是计算机视觉应用领域中一个基础和关键的任务.针对现有码本模型(codebook model)在RGB颜色空间下不能很好地契合其计算特性,且无法兼顾抗扰动能力和分割质量的问题,提出一种基于改进码本模型的快速运动检测算法.首先将像素从RGB空间转换到YUV空间来建立码本模型;然后单独对每个码字中的亮度分量进行单高斯建模,使得整个码本具有高斯混合模型(Gaussian mixture model)的特性.典型测试序列和扰动检测率(perturbation detection rate)曲线的对比实验表明,该算法是高效和实用的.     

一种新的混合模型运动检测算法

设计了一种新的基于自动阈值分割的混合模型运动检测算法。将单高斯背景模型中求解门限阈值的思想引入,实现了混合模型门限的自适应调整和运动目标的分割。为提高运动检测的准确性,使用相邻三帧差法生成的时域运动前景掩模对检测结果进行修正。实验结果表明,混合模型算法不仅能够清晰准确地获得运动目标的完整信息,而且较好地消除了噪声的干扰。     

一种改进的微分进化算法

相对于其他优化算法来说,微分进化算法具有控制参数少、易于使用以及鲁棒性强等特点,但在搜索过程中存在着局部搜索能力弱的缺点。针对微分进化算法局部搜索能力弱的缺点,提出了一种基于局部变异的微分进化算法,该算法使个体具有良好快速收敛能力。使用典型优化函数对比较算法进行了测试,算法分析和仿真结果表明,改进以后的算法具有寻优能力...     

基于改进混合高斯模型的自适应运动车辆检测算法

道路视频监控中经常存在车辆缓慢运动或短暂停留的情况。针对传统混合高斯模型背景减除法对环境突变敏感和对缓慢运动目标丢失信息的问题,提出一种改进的自适应车辆检测方法。首先,在参数更新前对像素值分类并根据分类结果设置模型更新率,抑制缓慢运动前景被训练成背景;引入一个跟踪环境变化的度量因子,当环境突变时实现背景减除和帧差法的自适应切换,滤除环境变化的干扰;最后通过生态学滤波得到准确的运动目标。实验表明,该算法对白天实时路况视频中的运动车辆具有较好的检测效果。     

一种用于VRML虚拟环境调整车辆运动姿态的算法

在VRML虚拟环境中，运动对象在曲面上的姿态调整是提高虚拟现实水平必须克服的难题之一。文章提出了一种基于支撑平面计算车辆姿态参数，随三维地形的起伏自动调节其运动姿态，并进行三维显示的算法。描述了具体的算法设计，讨论了算法实现的关键技术，并应用于某履带式电传动车辆的虚拟现实仿真中。运行结果表明该算法实时性好、运行稳定可靠，逼真表现了运动车辆的动态行为过程。     

一种基于背景模型的运动目标检测与跟踪算法

本文提出了一种静止摄像机条件下的运动目标检测与跟踪算法．它以一种改进的自适应混合 高斯模型为背景更新方法，用连通区检测算法分割出前景目标，以Kalman滤波为运动模型实 现对运动目标的连续跟踪．在目标跟踪时，该算法针对目标遮挡引起的各种可能情况进行了 分析，引入了对运动目标的可靠性度量，增强了目标跟踪的稳定性和可靠性．在对多个室外 视频序列的实验中，该算法显示了良好的性能，说明它对于各种外部因素的影响，如光照变 化、阴影、目标遮挡等，具有很强的适应能力．     

一种基于跟踪微分器的智能车辆加速度闭环控制方法

为了满足智能车辆进行L3及以上级别智能驾驶的需求,文章开发了一种基于跟踪微分器的加速度闭环控制方法.该方法采用跟踪微分器对加速度进行辨识,并对加速度进行闭环控制.其上层控制器根据车辆的当前速度、目标速度以及加速或者减速的距离计算一个加速度指令,并通过CAN网络将该指令发送到加速度闭环控制器中,从而实现对智能车辆进行加速...     

一种基于形态学的运动车辆阴影消除方法

提出一种基于形态学的运动车辆阴影消除方法. 该方法不需要彩色、梯度、模型、空间和纹理信息, 只根据前景目标 (包含车辆及其阴影) 的几何形状, 不仅可以有效区分车辆和阴影, 而且可以有效区分相连的车辆. 实验结果表明, 基于形态学的阴影消除方法既具有较高的可靠性, 也具有较好的实时性.