基于车载32线激光雷达点云的车辆目标识别算法

针对结构化道路环境中智能车识别周围360°范围内的车辆目标问题,由车载3D激光雷达采集的道路环境中车辆目标点云数据投影特征,提出识别车辆目标新算法。算法首先识别结构化道路边界,进而排除道路边界两旁障碍物的干扰和减少点云数据量;其次按雷达点云数据扫描和分布特征,利用改进K-means算法对道路区域内点云数据聚类。最后提取聚类目标内部特征点,并通过计算特征点构成向量的夹角或模的长度准确识别车辆目标。实验验证表明,该算法有效抑制了道路边界两旁障碍物的干扰,可以准确识别结构化道路区域内的车辆目标。     

基于3D激光雷达点云的车辆目标识别算法

针对结构化道路环境中智能车识别周围360°范围内的车辆目标问题,基于车载3D激光雷达采集的道路环境中车辆目标点云数据投影特征,提出识别车辆目标新算法。算法首先识别结构化道路边界,进而排除道路边界两旁障碍物的干扰和减少点云数据量;其次基于雷达点云数据扫描和分布特征,利用改进K-means算法对道路区域内点云数据聚类。最后提取聚类目标内部特征点,并通过计算特征点构成向量的夹角或模的长度准确识别车辆目标。实验验证表明,该算法有效抑制了道路边界两旁障碍物的干扰,可以准确识别结构化道路区域内的车辆目标。     

车载雷达点云的结构化道路边界提取方法

为了提高结构化道路边界检测的准确性与鲁棒性,结合非参数变点统计方法,提出了一种基于32线激光雷达三维点云的道路边界提取算法。基于结构化道路区域和非道路区域存在一定高程跳变特征,该算法利用非参数变点统计,对激光雷达扫描的道路环境三维点云数据中突变的z坐标值进行标记,并提取对应的候选道路边界点(x,y)。利用道路边界方向的最大期望(EM)聚类算法,对候选道路边界点进行聚类去噪。利用最小二乘法拟合道路边界,在不同光照条件下的校园结构化直、弯道路环境进行实车实验,统计直道1 030帧数据和弯道650帧数据。仿真结果表明:算法识别准确性较高且检测距离达18 m,耗时约28 ms,可满足智能车实时性要求。     

基于3D激光雷达点云的道路边界识别算法

针对结构化道路环境中道路边界存在不连续、被遮挡及易受路内障碍物干扰情况下的识别问题,利用车载激光雷达获取的结构化道路环境三维点云数据的高程信息,结合局部均值变点统计方法,提出了一种用于激光雷达帧数据的道路边界识别算法。该算法首先利用局部均值变点统计对结构化道路环境三维点数据中突变的z坐标值进行标记并提取其对应的(x,y)数据点,即道路边界点数据粗提取;然后基于分段双阈值对粗提取的道路边界点数据滤波处理;最后利用最小二乘法拟合道路边界点数据。基于实车实验分别采集的不同道路环境条件下结构化直道1 450帧、弯道935帧数据,算法识别准确率均高于80%,且识别道路宽度误差小于0.14 m。实验结果表明,该算法不仅能够自动识别结构化道路边界,而且有效抑制了路面障碍物的干扰,验证了算法的有效性。     

基于类Haar纹理的非结构化道路消失点检测

在非结构化道路识别算法的研究中,因其在复杂道路环境下表现出较强的鲁棒性,基于纹理特征的道路消失点检测成为了学术研究的重点。因此,为了能够准确的检测出非结构化道路中的消失点,提出一种基于类Haar纹理的非结构化道路图像消失点的检测方法,即首先设计多尺度多方向的类Haar纹理的实部与虚部模板,利用积分图技术以及垂直投影法快速计算出图像像素的纹理主方向,再采用改进的局部软投票法选出分数最大的点作为初始消失点,最后通过现有两种不同的消失点检测方法与提出的算法进行对比实验。实验结果表明提出的算法可以显著提高非结构化道路消失点的检测性能。由此得出该方法具有良好的实时性、准确性和鲁棒性。     

基于非同质性特征和样条模型的道路识别算法

为了解决道路图像中光照变化、阴影遮挡、噪声、道路边界或标志线不连续等因素导致道路识别方法鲁棒性较差的问题,提出基于图像非同质性特征和几何模型的道路识别算法.该方法将计算得到的图像局部方差与不连续性特征进行融合获得图像的非同质性特征,并利用比例直方图法得到的阈值自适应地对上述结果二值化,然后用鲁棒M估计器估计样条拟合的最优控制点,进而用3点Catmull Rom样条拟合道路边界.仿真实验表明,所提算法具有较好的鲁棒性和自适应性.实地测试结果表明:在存在有少量局部阴影和道路标志线断续的情况下,正确识别率可达到95%以上.     

与文本无关的单训练样本说话人识别

针对现有的说话人识别方法对环境噪声较为敏感的问题,提出了一种与文本无关的单训练样本说话人识别方法。该方法能够提取语音时频谱的局部特征,此特征不仅对白噪声、高斯噪声、粉红噪声有很强的鲁棒性,而且能够充分反映说话人的基本发声特性。针对该局部特征的基本特点,给出了适合该局部特征的贝叶斯决策方法。对英文与汉语语音数据库的仿真实验表明,该识别方法可以实现单训练样本下的说话人识别,识别精度明显高于现有的Mel频率倒谱系数(MFCC)与线性预测编码(LPCC)语音特征,而且对白噪声等各类环境噪声有较高的鲁棒性。     

多层感知器自监督在线学习非结构化道路识别

针对智能车辆非结构化道路识别中存在的环境自适应性和在线学习算法实时性问题,提出了一种结合多线程技术和多层感知器自监督在线学习技术的道路识别算法. 通过识别结果在线自动更新训练集,并利用评估函数判断是否触发重训分类器,确保当前分类器对行驶道路环境的有效识别. 同时,算法中道路图像采集、分类器训练、训练集更新、分类器识别等计算操作分别在各自线程中实现,利用信号量对数据流进行同步互斥,优化计算资源,充分利用了多层感知器分类计算快的特点,并克服其训练耗时问题. 实际道路检测实验结果表明,算法具有较好的自适应性及实时性,能够满足智能车辆非结构化道路导航需求.      

基于边缘特征和霍夫变换的斑马线识别方法

现有斑马线识别方法普遍存在实时性差或准确率低等问题,对此提出基于边缘特征和霍夫变换的斑马线识别方法。首先利用逆透视变换(inverse perspective mapping,IPM)原理将单摄像机采集到的道路图像转换为俯视图像,然后采用Sobel_x边缘检测模板提取斑马线的边缘信息;基于此,采用霍夫(Hough)变换对斑马线在水平夹角、直线长度、间隔宽度、数量统计等约束条件下进行曲线拟合,最后实现斑马线的识别。试验研究中,选择600张在不同场景下采集到的道路图像对斑马线进行识别,算法在白天光线较好情况下准确率为97.56%,在夜晚情况下为88.67%,算法平均耗时约33 ms。结果表明该算法可以在多种环境下快速准确地识别出斑马线,满足实际工程应用的需求。     

基于改进区域生长和小波变换的非结构化道路检测

针对在复杂场景的非结构化道路中,由于众多的环境干扰因素从而不能准确检测车道线的问题,提出了一种基于改进区域生长法和小波变换相结合的非结构化道路检测算法。根据大多数情况下道路区域在车载摄像头的正下前方及道路区域与道路两旁背景灰度值的一定差异,来有效地选取区域生长的种子点及生长原则进行区域生长道路初分割。同时结合基于小波变换的边缘检测来修正由于初分割道路受复杂环境导致道路检测不准确的情况。实验结果表明,该算法能够较准确地检测出受光照等因素影响的道路区域,且具有较高的准确性。     

张量曲率边界识别方法在煤田火烧区磁异常中的应用

 为了准确识别煤田火烧区边界位置,对火烧区磁异常进行更加精细的解释,将张量曲率边界识别方法引入到煤田火烧区磁异常的解释中,探讨分析煤田火烧区磁异常的张量曲率特征.根据煤田火烧区磁异常的特点,利用张量曲率的较大特征值和较小特征值分别圈定煤田火烧区和正常区.模型试验中,通过与常用的Theta 图以及垂向导数等方法对比,体现了张量曲率分析方法在地质体边界识别中的优越性,验证了该方法在火烧区边界识别中的有效性.将该方法应用于乌达某煤田实测磁异常数据的解释,发现利用该方法圈定的火烧区范围和其他勘探结果以及已知地质资料相符,说明该方法可以准确有效地识别煤田火烧区和正常区边界范围,为煤田火烧区的磁异常解释提供很好的依据.     

基于分区域特征提取的单张图像天气识别

针对单张图像的传统天气识别方法准确率较低,以及对天空区域不明显的图像具有识别局限性的问题,提出基于分区域特征提取的天气识别方法;在含有晴天、多云、阴天、雾天4种天气的数据集中,对图像进行天际线分割,并识别天空区域与地面区域;分别提取图像中天空区域、地面区域和图像整体的纹理特征、形状特征及颜色特征,并利用随机森林分类模型进行训练和测试。结果表明,该方法对于单张图像天气识别的准确率为92.6%,可以准确地识别图像天气,具有较强的实用性和普适性。     

基于直线特征提取的自主车辆可通行区域检测

为了使环境感知器在室外非结构化环境中为自主车辆的导航检测道路边界信息及可通行区域,利用车载激光雷达所采集的数据,在最小二乘法(LSM)和连续边缘跟踪法(SEF)的基础上,提出了一种改进的直线特征提取算法SEF-LSM-BM.该算法引入回退机制、逻辑推理和特征合并的方法,区分路边界和障碍物,并对自主车辆可通行区域进行检测...     

基于局部纹理方向的非结构化道路消失点检测

针对现有道路消失点检测方法存在的计算复杂度高、精确度低等问题,提出了一种新的非结构化道路消失点检测方法。首先采用Gabor滤波器计算每个像素点的局部纹理方向,然后根据纹理方向的置信区间筛选有效投票点,并通过一种基于距离加权的局部软投票方法进行道路消失点投票,最后选择获得最高票值的像素点作为非结构化道路的消失点。试验结果表明,本方法有效降低了计算的复杂度,提高了检测的精确度和速度,其精确度相对于经典的Kong等的算法和Moghadam等的算法分别提高了29%和10%。本算法可以在多种复杂环境下快速准确地检测出道路消失点的位置,因而对实际工程有一定的参考价值。     

一种自主研磨机器人搜索未知自由曲面模型技术研究

为解决正交双目立体视觉自主研磨机器人对未知自由曲面的加工问题,结合全区域搜索技术、待加工轮廓的选择算法和曲面边界识别方法,提出一种适用于未知曲面加工的自主搜索方法,实现了研磨机器人对非结构化环境中未知曲面的目标搜索任务.研磨机器人利用线激光和视觉传感器来感知未知待加工曲面,采用光轴正交的两个相机同时采集研磨曲面轮廓的图像,并利用模糊逻辑方法进行局部路径规划,在此基础上通过全区域搜索技术实现对未知待加工区域的遍历.同时采用图像处理技术,即动态边界识别方法辨识目标并确定其位置.该未知待加工曲面自主搜索方法可以从曲面任意位置开始加工,算法对于非结构化自由曲面具有良好的适应性.实验结果验证了算法的可行性.     

一种轻量化非结构化道路语义分割神经网络

非结构化道路由于没有明显车道线且道路特征多、地域差异大，现有的结构化道路分割方法无法满足非结构化道路分割在实际应用中的实时性与准确性要求．为了解决上述难点，本文基于DeepLabv3+网络提出一种G-lite-DeepLabv3+网络结构，使用Mobilenetv2网络替换解码器中的Xception特征提取网络，并通过在Mobilenetv2网络与空洞空间金字塔池化模块中使用分组卷积替换普通卷积，且有选择地取舍批规范层来减少参数量，在不影响精度的同时提升分割效率．同时针对非结构化道路在图像里分布位置相对较固定的特点，引入注意力机制对高级语义特征进行处理，提升网络对有用特征的敏感度与准确性．选用与我国非结构化道路路况相似的印度道路驾驶IDD进行训练，并与其他经典语义分割网络进行实验对比，结果表明，相比于其他网络，本文提出的G-lite-DeepLabv3+准确率与实时性均表现较好、误分割与边缘清晰度均好于对照网络；与经典算法进行对比，平均交并比mIoU提升1.3%，平均像素精度提升6.2%，帧率提升22.1%.     

基于SegNet的非结构道路可行驶区域语义分割

为了增强自动驾驶车辆对非结构化道路中可行驶区域的场景理解能力,基于SegNet深度学习网络结构,提出了一种针对非结构道路的可行驶区域语义分割方法。在传统的卷积神经网络基础上,构建编码-解码深度卷积神经网络,用于自动习得图片中非结构化道路的特征,通过在数据集上进行训练和学习,得到图像语义分割模型,可直接用该模型预测非结构道路中的可行驶区域,实现自动驾驶车辆在非结构道路中行驶时的环境感知。实验结果表明,研究方法分割效果和精确度提升明显,Dice相似度和Jaccard相似系数均可达80%以上。     

家庭保健监测系统中环境声音事件的识别

用于音乐和语音的识别方法不适用于非结构化环境声音事件的识别。提出一种基于隐马尔可夫模型(HMM)和支持向量机(SVM)的二层分类策略,对家庭保健监测系统中的语音、警报声、电话铃声、笑声、尖叫声和咳嗽声等6种声音事件进行识别。首先,提取Mel频率倒谱系数(MFCCs)来分析环境声音信号。其次,以提取的MFCC特征为输入,依次采用HMM和SVM构造二级分类模型,通过识别和确认两个过程来对家庭保健监测系统中的环境声音事件进行识别。实验证明,该技术能提高家庭保健监测系统中易混淆环境声音的识别率。     

联合实体边界检测的命名实体识别方法

针对传统命名实体识别方法无法有效利用实体边界信息的问题,提出一种联合实体边界检测的命名实体识别方法,即将实体边界检测作为辅助任务,增强模型对实体边界的判断能力,进而提升模型对实体的识别效果。首先,利用Bert预训练语言模型对原始文本进行特征嵌入获取词向量,并引入自注意力机制增强词对上下文信息的利用;其次,在命名实体识别任务的基础上,添加实体边界检测辅助任务,增强模型对实体边界的识别能力;再次,对比联合实体边界检测的命名实体识别方法与基线方法的有效性,并对测试结果进行消融实验;最后,进行样例分析,分析损失权重β对实体边界检测的影响。实验结果表明,在英文社交媒体数据集Twitter-2015上,联合实体边界检测的命名实体识别方法相较于基线模型取得了更高的精准率、召回率和F1值,其中F1值达到了73.57%;并且,边界检测辅助任务提升了基线方法的检测效果。所提方法能有效利用实体边界信息,从而获得更好的实体识别效果,促进了人机交互系统的发展,对自然语言处理下游任务有重要意义。     

边界非完整约束悬臂裂纹梁的静力参数识别

建立了边界非完整约束悬臂裂纹梁边界支承柔度和裂纹损伤程度的静力参数识别方法.首先,将悬臂裂纹梁边界非完整约束等效为竖向和扭转弹簧,梁中开裂纹等效为内部扭转弹簧,得到了弹性支承边界悬臂Euler-Bernoulli裂纹梁静力弯曲的显式闭合通解;其次,根据弹性支承悬臂裂纹梁的损伤诱导挠度函数和裂纹诱导弦挠度函数是分段线性函数等性质,给出了边界弹性支承柔度和裂纹损伤程度的计算公式;最后,通过数值试验验证了该悬臂裂纹梁边界弹性支承柔度及裂纹损伤程度识别方法的适用性和可靠性,考察了挠度测量噪声和裂纹深度等对参数识别的影响.试验结果表明,随着挠度测量误差的增大,参数识别误差总体随之增大,但识别结果仍在可接受的范围内,因此该方法可用于实际工程中的边界非完整约束悬臂裂纹梁的参数识别.