基于连续自适应均值漂移和立体视觉的无人机目标跟踪方法

为设计一种可自动跟踪、避障的无人机视觉导航技术,将无人机同时搭载双目和单目摄像头:单目摄像头采集无人机相对于被跟踪物体的图像,并采用经Kalman预测器优化的连续自适应均值漂移算法对目标进行有效跟踪;双目摄像头实时采集无人机前进方向上的图像信息,并利用SGM算法计算深度图以分割出无人机前进方向上的障碍物信息。无人机在跟踪目标物体的同时,可自主避开行进方向上的障碍物。实验结果表明,该方法可以有效引导无人机持续、精确地对目标物体进行跟踪,并在跟踪过程中及时躲避前进方向上的障碍物。     

基于改进人工势场模型的无人机局部避障方法

针对无人机在追踪目标的过程中实时避障的问题,利用激光传感器获得的障碍物在无人机所处高度的二维位置信息,提出了一种改进人工势场局部实时避障方法.由于无人机始终对视野中的目标进行追踪,因此不存在唯一且固定的目标点,通过结合激光雷达数据,重新构造人工势场模型并对障碍物产生排斥矢量,引导无人机在快速追踪目标的同时躲避空中障碍物,并通过构造动态排斥因子和切换函数对障碍物的威胁进行估计,实现实时局部避障算法.对上述方法进行数值模拟,进一步验证了所提方案的有效性.     

四旋翼无人机单目视觉自主着陆系统研究

以基于计算机视觉技术实现四旋翼无人机自主着陆为目标,采用Pixhawk开源飞控和mavros技术,设计黑白相间的正方形分级嵌套地标,然后通过单目摄像头采集图像数据输入机载图像处理上位机NVIDIA TX2中进行图像处理,并结合OpenCV函数库功能完成地标检测识别,最终实现四旋翼无人机位姿解算与自主着陆.     

单目视觉引导下的无人艇局部避障方法

针对无人艇（unmanned surface vehicle,USV）在作业过程中,需要及时躲避未被标注在地图上的漂浮障碍,并及时返回规划航道的问题,提出一种基于单目视觉的无人艇局部避障方法。避障方法使用YOLO网络识别图像中的障碍物,结合针孔成像原理和水体自由断面特点,解决单目视觉尺度不确定问题,从图像中恢复出障碍物的宽度及深度信息;针对无人艇惯性大,机动性差的特点,引入虚拟水道宽度等信息素,提出了改进的向量场直方图算法（vector field histogram plus,VFH+）;算法参考当前障碍疏密,动态调整不同信息素对最佳航向角计算的影响,引导无人艇在兼顾全局导航信息情况下,应对未知漂浮障碍物快速自动局部避障。基于水动力模型和Gazebo仿真引擎搭建无人艇避障的仿真实验平台。在仿真中快速迭代研究算法的参数范围及控制效果,实现了无人艇在舱内空间和能量均有限的工况下,仅使用单目视觉传感器,兼顾全局路径规划和局部障碍信息,自动化高效躲避漂浮障碍,并在脱离障碍后回归原有规划路径的功能。     

室内动态环境下的移动机器人自主避障策略

针对室内未知动态环境移动机器人自主避障问题,提出一种融合动态障碍物方向判断策略及子目标点更新策略的自适应模糊神经网络优化避障算法,并依据该算法设计移动机器人避障控制系统。首先,分析移动机器人的运动模型,获取机器人的目标角度;然后由超声波传感器获取障碍物距离信息,由障碍物距离信息判断动态障碍物运动方向并更新子目标点;最后利用自适应模糊神经推理系统实时输出机器人的转向角与速度,实现对机器人转向角的控制,使机器人能够无碰撞地到达目标点。研究结果表明:本文提出的算法能够使移动机器人在未知动态环境下识别障碍物、判断动态障碍物的运动方向以实现自主避障;相对于无子目标点更新策略,移动机器人平均移动速度提高11.75%,验证了所提算法的有效性。     

一种基于双目视觉的无人机自主导航系统

针对无人机实时自主导航问题,本文设计并实现了一种能自主感知未知室外环境,实时自动规划路径的旋翼无人机系统.首先利用双目视觉,使用经光束法平差(BA)优化的经典SLAM系统,ORB SLAM2算法获取无人机位姿信息;再以"推扫式"感知方法和改进的绝对误差和(SAD)算法获取环境信息和障碍物点.其次,结合无人机位姿信息与环境障碍物点生成局部障碍物地图,同时使用并行计算框架,提高系统性能.针对无人机系统实时性问题,设计的SAD算法只关注固定视差大小的像素块的稀疏匹配.最后,根据生成的当前局部环境障碍物地图与本地轨迹库,自主选择运动轨迹,有效自主规避障碍物,达到实时局部路径规划的效果.以上功能全部在无人机搭载的嵌入式处理器Nvidia Jetson TX2中完成处理.仿真与实际飞行实验表明:设计的系统基本实现无人机在未知室外场景下的实时自主感知与路径规划,在采集视频分辨率为1 280×720时,处理速度能达到60帧/s,为完善低成本无人机的避障与导航功能提供一种参考.     

一种基于模糊识别的移动机器人避障算法

设计了一种基于障碍物模糊识别的移动机器人避障方案.移动机器人的视觉导航,具有信息量大的特点,在避障中相对其他传感系统,有一定优势.视觉图像处理计算量大复杂度高,避障中采用模糊控制的思想,减少图像矩阵精确变化和处理,选取障碍物图像中部分边缘点作为特征坐标点,据此设计模糊控制算法识别出障碍物其大致的姿态信息.根据障碍物图像大致姿态信息和其在视觉探测图像区域的方位信息,设定一组虚拟目标点序列,合理规划移动机器人的安全避障路径.最后,仿真试验演示方案良好的避障效果,证明在简单视觉环境中可行性和有效性.     

基于序列图像的火星软着陆自主导航避障方法

针对未知地形和障碍下火星软着陆精确避障问题,本文提出一种利用未知陆标序列图像测量的火星软着陆自主导航避障方法.该方法仅利用单目相机和惯性测量敏感器,以初始时刻星下点天南东系为着陆参考坐标系,利用火星表面未知陆标在连续两幅下降图像中的单位视线矢量测量及探测器状态估计建立未知陆标的隐式测量模型,通过EKF利用所建立的未知陆标隐式测量模型和基于IMU测量建立的运动学模型对探测器的运动状态进行估计,进而根据估计的探测器相对目标着陆点的位置和速度利用改进的四次多项式制导律完成避障制导控制.数学仿真表明,提出的方法可有效估计探测器相对于目标着陆点的位置和速度,并实现精度优于0.5 m的水平方向避障,从而满足火星软着陆安全避障的要求.     

基于障碍物可达区域预测的机器人实时避障算法

针对复杂环境下的机器人路径规划与自主避障问题,提出了基于动态障碍物可达区域预测的实时避障算法.对静态障碍物进行描述和建模,建立动态障碍物状态更新预测方程,实现对动态障碍物质心可达区域的预测.分别面向动态、静态障碍物提出基于可达区域预测的多步椭圆包络势场和基于新型Sigmoid函数的势场,修正目标的对数Lyapunov引力场,给出多类型障碍物空间下的机器人实时避障算法.数值仿真和实验结果表明,与传统方法相比实时避障算法可使机器人避障过程中的路径长度更短、安全性更高及最大行驶角变化幅值更小.     

多模型融合的输电线路绝缘子自爆故障检测

针对输电线路巡检图像中绝缘子自爆区域小、背景复杂与故障绝缘子类型复杂多样的特点,提出一种多模型融合计算的绝缘子自爆故障检测方法.通过分析现有绝缘子自爆故障检测算法差异性,选取检测性能差异较为明显的三个目标检测算法(Mask rcnn、 Retinanet、 Yolov3),计算得到巡检图像中绝缘子自爆区域坐标及置信度.再利用多模型融合计算,融合各模型检测结果.最后实现架空输电线路无人机巡检图像中绝缘子自爆故障检测,得到绝缘子自爆故障检测综合评价值为94.81%.所提方法在平均准确率、召回率、准确率方面均高于单一模型检测结果.实验结果表明,本方法能有效实现架空输电线路无人机巡检图像中绝缘子自爆故障检测,对输电线路智能化巡检故障诊断具有一定参考价值.     

融合图像识别和VFH+的无人艇局部路径规划方法

针对水面无人艇在复杂海况下的局部避障问题,文中引入深度学习方法来处理视觉信息,提出了结合VFH+算法的水面无人艇的局部路径规划方法.首先利用对称的编码器-解码器结构的图像语义分割模型和Faster RCNN网络模型进行水面边界线检测及水面障碍物识别,构建水面无人艇环境模型;然后采用基于VFH+的局部路径规划方法,通过逐步构建主直方图、二元直方图和掩模直方图压缩环境数据,引入合理的代价函数来获取实现水面无人艇的有效避障方向规划.在MODD图像数据集上的仿真实验以及实船避障实验结果表明,该方法能有效地提取水面图像信息,并得到合理的局部路径规划策略,在10 kn航速下的避障轨迹平滑,可满足水面无人艇的自主避障需求.     

一种子目标和水平集方法融合的AUV动态航路规划新算法

针对当前水下避障航路规划算法中障碍物模型偏理想化,易导致不能安全避障,且算法规划速度偏慢的难题,提出了一种基于子目标法和水平集方法的自主实时航路规划算法.算法基于AUV的前视声呐探测的障碍物部分轮廓信息,预估障碍物尺寸和中心位置,据此得出安全可靠的子目标点,再通过滚动的子目标法实现完全避障,通过水平集方法提升规划速度.仿真结果表明,提出的算法均能做到100%的避障,且避障后的航路性能质量比预先规划的全局最优航路的性能质量下降得很小:航路长度和航行时间的平均增加量均不超过5%.      

基于视觉伺服的小型四旋翼无人机自主飞行控制研究进展

 在GPS信号较弱甚至失效的环境下,视觉伺服能够通过视觉信息控制自主飞行,因此近年来视觉伺服在自主飞行控制领域受到广泛关注。根据获取的图像信息不同,可将视觉伺服分为基于位置的视觉伺服和基于图像的视觉伺服。与基于图像的视觉伺服相比,基于位置的视觉伺服位姿估计稳定,可直观地在直角坐标空间定义机器人运动,符合机器人工作方式,且控制器设计简单,但控制精度受摄像机和机器人标定精度的影响,且计算量较大。对于小型四旋翼无人机自主飞行控制的应用研究中,视觉伺服的实时性、精确性和鲁棒性尚待提高,且小型四旋翼无人机的智能化不高,在室内室外模式转换及室内协同控制方面还有广阔的发展空间。     

激光数据聚类和Morphin算法下的机器人避障研究

为了解决移动机器人在未知环境下的避障问题,提出了一种从障碍物检测、预测到避撞的避障方法。设定圆形窗口作为机器人有效扫描区域,利用激光传感器采集到的数据结合聚类、匹配和分类算法确定障碍物类型和动态障碍物运动信息,绘制窗口内的动态局部地图来预测动态障碍物与机器人的碰撞关系,结合Morphin算法实现有效的避障。仿真实验表明,在该算法下移动机器人能够有效地检测出障碍物,进行碰撞预测,并做出合理地避障措施。     

融合边缘语义信息的单目深度估计

单目深度估计研究是许多视觉任务的基础,从图像中得到边缘清晰,细节丰富的深度图对于后续任务具有重要的作用。针对当前单目深度估计模型中不能深度融合图像语义信息以及不能较好地利用图像对象的边缘信息问题,首先构建了超像素拓扑关系图,使用图神经网络提取局部边缘信息之间的相互关系,得到以超像素为节点的拓扑关系图,其次构建了基于编解码结构的深度估计与语义分割的联合模型,通过优化联合目标函数,使模型能够融合边缘语义信息,从而提高模型提取局部结构信息的能力。通过在NYU-Depth V2 数据集中进行实验验证,结果表明模型能够构建细节丰富边缘清晰的深度图,提高了单目深度视觉估计的质量,与其他模型相比,该模型具有一定的优越性。     

基于深度相机的室内障碍物检测算法

常用的背景差分法、GrabCut等图像分割算法存在分割效率较低且易受环境噪声干扰等问题,导致室内移动机器人对障碍物的检测精度不高,为此本文提出一种融合深度信息的目标分割算法,并在此基础上实现较高精度的障碍物尺寸测量.首先通过SSD网络模型得到障碍物的检测框,将检测框中图像转换到H SI颜色空间,并根据得到的饱和度和亮度...     

无人机视觉导航着陆标识检测与分割方法

为实现基于视觉导航无人机自主着陆任务,提出一种无人机视觉导航着陆标识检测与分割方法。在Tiny-YOLO网络基础上融入自下而上的特征增强结构,得到Mark-YOLO网络。针对无人机硬件平台计算能力不足的问题,对网络模型进行裁剪,减少网络模型的参数量;对目标检测算法提取到的无人机着陆标识进行图像分割处理,获取降落标识的轮廓信息。实验结果表明:本文提出的Mark-YOLO算法具有更高的准确率;裁剪后的网络模型具有更少的参数量与更小的权重,且检测到的着陆标识通过图像分割方法处理后,可取得良好的分割效果。     

基于深度图像的室内机器人避障系统

为了增强室内移动机器人的障碍物检测能力和降低系统成本,提出了一种基于深度图像的单一Kinect传感器的室内移动机器人避障系统.该系统将Kinect传感器竖直放置,并对深度图像进行了几何变换,提供了更加适合探测地面和空中障碍物的视角.对深度图像进行中值滤波以消除图像噪声,并采用统计平均的背景减除法去除无障碍背景,提取障碍物的深度图像,然后对障碍物的大小、位置与数量进行检测,最后根据检测的结果,并利用人工视场与Kinect摄像头对位置环境局部最小值场景的检测相结合进行避障路径的选择.结果表明:局部最小值场景检测方法能够高效检测出环境中存在局部最小值的缺陷,沿墙行走模式也大大减少无效路径,解决了狭窄通道内震荡的问题,有效地实现了室内机器人在动态环境下的避障.     

基于毫米波雷达的汽车自动避障控制系统研究①

为了提高汽车避障能力,提出一种基于毫米波雷达探测的汽车自动避障控制系统。采用毫米波雷达脉冲回波检测技术构建汽车自动避障的毫米波雷达探测信号模型,结合多尺度连续时频特征分解进行毫米波雷达探测信号的特征分解,估计障碍物定位标记和距离,采用联合参量估计技术实现汽车自动避障过程中的车辆方位信息和障碍物距离参数估计,提高汽车自动避障的智能定位性能。在算法设计的基础上,采用联合总线控制技术进行汽车自动避障控制系统的硬件开发设计。实验结果表明,设计的汽车自动避障控制系统具有很好的智能性,对车辆障碍物和距离等参数的估计精度较高,汽车自动避性能较好。     

未知环境下移动机器人自主避障算法的研究

移动机器人是完成救援、运输等各种任务的重要工具,如何让机器人系统自主适应不同的复杂场景是目前的研究热点。本文针对具有静态和动态障碍物的复杂未知环境,对移动机器人进行运动学建模,提出了基于长短期记忆网络的近端策略优化避障算法。在无障碍物和有障碍物的仿真训练环境中,实现无先验地图信息情况下机器人在非结构化环境中的自主避障。仿真和实验结果表明,本文所提算法能够有效使机器人避开静态及动态障碍物,性能高于D3QN算法、PPO算法,解决了深度强化学习算法在训练机器人避障时收敛速度较慢的问题。