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。     

基于车道线直线模型的道路曲率估计方法

在车道偏离预警、防止及车道保持等基于机器视觉的驾驶安全辅助系统中,为解决单一直线模型无法预估道路曲率,而曲线拟合方法计算量大等问题,应用车道线直线模型,提出了一种基于远端直线拟合的弯道曲率估计方法,其特征在于车道线仍使用全局直线描述,估计曲率时对远端候选点进行直线拟合.由于保证了较多的候选点数量且使用Hough变换检测直线,以及利用跟踪、滤波等方法,算法在保证车道线检测鲁棒性的同时,基于远端直线拟合方法实现了对弯道曲率的相对定量估计.采用装有全球定位系统(GPS)的实车试验进行验证,结果表明:所提方法在增加候选点数量以提高曲率估计精度的同时,保障了算法的实时性.     

自主车辆视觉系统的摄像机动态自标定算法

为了解决自主车辆视觉传感器在姿态变化后摄像机旋转外参数的在线自标定问题,提出了一种利用道路图像消失点相对不变量的摄像机旋转外参数的动态自标定算法.它首先从汽车采集到的道路视频序列中实时分析道路消失点,然后依据中心极限定理并使用相应的统计量,动态地估计主消失点与消失线参数,最后利用小孔成像模型下的消失线与消失点方程,解析地求得对应于当前统计特征的摄像机外部参数动态解.实验结果表明,在摄像机进行姿态调整后,实验系统使用本算法可在不超过90帧有效图像样本的基础上,能对摄像机旋转外参数进行精确标定,使旋转外参数的绝对误差值收敛于0.001 rad的误差带之内.     

基于可见光源与独立成分分析法的实时人眼检测系统

提出一种基于特征与外貌混合检测确定人眼区域的实时人眼检测方法. 首先,依据可见光源在人眼角膜上反射形成耀点特性,通过图像处理算法提取潜在耀点位置,利用人眼几何特征的确定可能人眼候补区域;然后,提取人眼数据库中具有不同外貌特征的200幅人眼图像,采用FastICA算法估计出提取人眼图像的有效成分分析(ICA)基向量;最后,通过计算人眼候选区域在基向量上投影角度判断出左、右人眼区域准确位置. 实验结果表明,在人脸面部旋转、佩戴眼镜、大范围头部运动和不同光照强度下,实时人眼检测具有较高的检测正确率和较好的鲁棒性.      

基于倒谱分析的运动模糊参数估计

运动模糊是导致图像降质的最常见因素之一,估计运动模糊的点扩散函数是运动模糊复原的前提和关键.分析运动模糊图像频谱和倒谱的特征,提出在倒谱域估计点扩散函数的方法,利用倒谱中2个负峰值点坐标估算模糊尺度,对倒谱取绝对值后用Radon变换检测模糊方向,对运动模糊图像的参数进行估计.实验表明该方法是有效的.     

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。     

基于视觉的火星探测器着陆运动参数估计

火星探测是我国深空探测的重要目标之一,精确估计火星探测器自主着陆时的运动参数是实现自主着陆的前提.在探测器所携带相机内参数已知的情况下,研究2幅图片中特征点之间的对应关系,得出火星探测器空间三维运动信息,以实现其运动参数估计.首先进行特征点检测,然后进行特征点匹配,根据匹配结果估计出基础矩阵F;然后进行本质矩阵的计算、姿态解算和幅值恢复,对所得运动参数进行非线性优化;最后通过仿真实验验证了上述方法的有效性.     

KAZE算法在巡线机器人障碍物检测中的应用

巡线机器人障碍物检测技术是计算机视觉与自主巡检系统的研究热点之一,对保证输电系统安全可靠运行具有重要意义.传统的检测算法鲁棒性低,不能适应复杂环境下障碍物的检测要求.针对以上问题,提出一种基于KAZE算法的巡线机器人障碍物检测方法,该算法在非线性尺度空间中进行特征点提取,利用最近邻匹配准则和RANSC算法对由M-SURF算法生成的特征向量进行检测.实验结果表明,基于KAZE算法的巡线机器人障碍物检测效果较好,具有良好的的鲁棒性.     

非结构化环境下基于视觉的障碍物实时检测

针对月面等非结构化环境下的实时障碍物检测问题,提出了一种基于角点的立体视觉障碍物检测方法.为提高角点提取与匹配的效率,采用基于Bresenham圆形模板和Moravec算法的两步角点检测与确认方法,并利用稀疏模板与极性约束进行角点匹配.考虑到单纯基于高度的障碍物的定义及其检测算法在月面等非结构化环境下不再有效,采用了一种基于角点空间关系的障碍物定义,并设计了相关的障碍物检测算法.该算法能实时运行于月面等非结构化环境,且不需要环境的先验知识.实验结果证明了算法的有效性.     

基于目标检测的室内动态场景SLAM

室内动态场景下的同步定位与地图构建(simultaneous localization and mapping, SLAM)系统容易受到运动障碍物的影响，从而导致其位姿估计精度和视觉里程计的稳定性降低。本文提出一种基于YOLOv4目标检测网络的视觉SLAM算法，获取语义信息，并利用LK光流法判断动态特征，在传统的ORB-SLAM2系统上将动态特征点剔除，只使用静态特征点来估计相机的位姿；建立稠密点云地图，并转化成节约内存空间的八叉树地图。在TUM公开数据集上对该方法进行测试和评估，实验结果表明：在动态环境下，该系统与ORB-SLAM2相比，相机位姿估计精度提高83%，且减少了生成的环境地图的存储空间，为后续实现机器人导航具有重要意义。     

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。     

越野环境下基于四线激光雷达的障碍检测

为了完成越野环境中无人自主导航车的障碍检测任务，应用四线激光雷达，提出了1种新的障碍检测算法，该算法利用检测区域的坡度信息进行障碍检测，包括坐标变换、候选障碍点提取、候选障碍点聚类及点簇高度求取4个步骤。为了克服激光雷达检测盲区与抑止测量过程中干扰噪声的影响，运用了卡尔曼滤波算法对目标障碍进行了滤波处理。试验结果表明，障碍检测算法稳定可靠。     

基于粒子群优化及多结构估计的ASIFT特征提取算法

提出一种基于粒子群优化及多结构估计的ASIFT特征提取算法.首先用粒子群优化算法对ASIFT的采样进行优化得到大量的特征匹配点对,在此基础上再使用Multi-GS多结构估计算法进行多结构提取并去除错误的匹配点对,最终得到大量而精确的特征匹配对.并用实例加以验证其有效性.     

基于Android平台的障碍物检测系统的设计与实现

为了提高视觉导盲仪障碍物检测系统的便携性,建立了基于Android平台的障碍物检测系统。对该系统所采用的Android平台采集双目图像、路面平面提取和障碍物检测等算法进行研究。首先,根据Android平台的USB HOST API介绍了Android平台以非ROOT的方式采集双目图像数据;然后,提取并匹配双目图像的特征点得到稀疏的三维点云,在三维点云中用随机抽样一致性算法(random sample consensus,RANSAC)来提取路面平面;最后,在利用双目图像路面平面单应性来区分路面与障碍物的基础上,说明了采用半全局块匹配(semi-global block matching,SGBM)进行障碍物检测的算法。实验结果表明:系统5 m以内的障碍物检测准确率达到90%;检测时间达到1 s/帧。完全满足视觉导盲仪障碍物检测系统的检测准确率高、实时性高、易便携等要求。     

基于三维激光雷达的路沿检测算法

为了在多种道路环境下准确提取智能汽车前方道路路沿,提出一种基于三维激光雷达的路沿检测算法。该算法采用随机采样一致性算法(random sample consensus, RANSAC)快速分割出道路区域,滤除了大部分非地面数据,提高后续步骤的处理速度;提出一种基于无向图邻域关系的多特征、宽阈值、多层次路沿特征提取算法,通过构造多种路沿几何特征设置较宽阈值以提高路沿检测精度;采用双向扫描线搜索算法获取路沿候选点,根据路沿特征点密度和全局连续性的特点进行聚类分析并去除噪声,用二次曲线拟合道路路沿。结果表明,该算法能够在车辆、行人和障碍物遮挡的情况下有效识别结构化直、弯道路路沿,算法准确率均高于86%,且检测道路宽度误差小于0.19m,验证了算法的鲁棒性和准确性。     

基于关键点的点对特征三维目标识别算法

针对复杂场景下的三维点云目标识别速度慢,准确率低的问题,提出了一种基于关键点的点对特征三维目标识别算法. 通过直接对关键点建立点对特征,避免了周围邻域局部曲面的特征计算,具有空间维度小和计算速度快的特点. 使用哈希表存储,加快了特征匹配的时间. 利用快速投票方案对模型点云和场景点云进行匹配识别,生成候选位姿,利用贪婪算法对候选位姿进行聚类与筛选,采用ICP算法对物体位姿进行优化,基于配准后的点云重叠情况完成目标识别. 对提出的算法在多个数据集以及真实场景下进行了实验,验证了所提出的识别方法具有可行性和有效性,且对噪声的鲁棒性较强,具有一定的实际工程应用价值.      

基于光谱图像空间的改进SIFT特征提取与匹配

原始SIFT算法采用不同参数的高斯核取差,是对图像空间性质的一种测量方法. 本文在光谱维度上取差,用光学系统在光谱维度上的差异作为图像空间性质的测量方法;传统SIFT方法及大量的改进方法只统计以特征点为中心的邻域范围内图像块的像素信息,文中将匹配过程分为2个步骤,首先利用邻域范围内的图像块像素信息进行粗匹配,然后选取排序后相似程度最高的4组匹配对作为基准匹配对,对特征点进行二次校验. 仿真结果表明文中的设计方式显著增加了检测到的特征点数量,有效剔除了错误匹配.      

无人飞行器双目视觉位姿估计算法改进与验证

针对无人飞行器(UAV)在未知复杂环境下的导航问题,提出一种基于双目视觉的UAV位置和姿态估计算法.利用基于非线性尺度空间的KAZE特征构建立体图像对的特征点检测与描述,用Knn算法进行特征点匹配,导出相机坐标系下特征点三维坐标,用随机抽样一致(RANSAC)算法与L-M迭代算法获得UAV姿态和位置估计值.实验验证结果表明,基于KAZE特征的UAV双目视觉位姿估计算法的准确性、实时性与可重复性好,能满足UAV实时导航要求.     

基于圆域梯度信息耦合角度相似法则的图像匹配算法

为了提高算法匹配正确度与抗仿射变换性,本文通过将图像的梯度信息引入图像匹配的过程,提出了基于圆域梯度信息耦合角度相似法则的图像匹配算法。首先,采用Forstner算子精准快速地对图像特征进行检测,获取纯度较高的特征点。然后,通过计算圆域的haar小波响应值确定主方向,并利用圆域的梯度信息获取特征向量,完成特征描述。最后,根据匹配特征的仿射不变性,利用主方向建立角度相似法则,以完成匹配。通过特征点的特征向量去除错误匹配点,获取最终的匹配结果。实验数据显示,所提算法具有较高的匹配正确率与鲁棒性,在多种几何变换下,其匹配结果中具有较多的正确匹配对,而错误匹配对数量较少。     

基于特征点局部特征值剔除误匹配特征点算法

为了解决经典的特征点匹配算法SIFT采用比率测试得到的匹配特征点集中存在大量误匹配,且对数量和准确度无法兼顾的情况,提出了基于特征点局部特征值剔除误匹配特征点算法。该算法以高阈值比率测试得到的结果为粗剔除匹配点集,基于三角形相似性原理,从该特征点集中筛选出3个匹配正确的特征点对,利用其分别在基准图像和实测图像中构建局部直角坐标系,根据匹配的特征点对在相似局部坐标系下局部特征值的相似度剔除误匹配特征点,实现精剔除。实验结果表明,本文算法可以有效的剔除SIFT算法匹配结果中的误匹配,同时,与低比率（0.6）测试匹配结果比较,准确度较高,降低了匹配正确的特征点被误剔除的概率。可见本文算法可有效的剔除误匹配特征点,获得准确度高的匹配点集。