基于3D激光雷达的实时道路边界检测算法

针对室外自然环境下无人自主地面智能车辆的道路检测问题,提出了一种基于3D激光雷达的道路边界检测算法.算法的原理是:根据道路区域与非路区域之间存在的高度跳变的特性,首先提取道路的可通行区域,然后把得到的障碍网格图利用线性鉴别分析(LDA)的分类的思想划分出最佳的左右非路区域,进而拟合得到道路的边界信息.试验结果表明,该边...     

基于目标检测的激光雷达道路边缘检测算法

道路边缘检测是自动驾驶车辆环境感知的重要组成部分,有效地从点云数据中提取道路边缘信息,有利于进行目标检测以及可行驶区域检测。针对点云道路边缘检测问题,提出了一种考虑车辆等道路参与者对道路边缘检测带来干扰的解决方案。首先,采用地面点云分割算法,将原始点云分割成地面点云和非地面点云;其次,根据车辆等道路参与者的固有特性,采用点云聚类算法对点云进行聚类,并将符合车辆等道路参与者特性的非地面点云进行滤除;再次,根据道路边缘点云在二维平面内,能够有效地遮挡激光发射中心点与非道路边缘点之间的连线,从而提取道路边缘点云;最后,采用随机抽样一致性(random sample consensus, RANSAC)算法对道路边缘点云进行多项式拟合,并使用扩展卡尔曼滤波器对道路边缘进行跟踪。实验结果表明,所提点云道路边缘检测算法能够消除车辆等道路参与则对点云道路边缘检测的影响,且算法满足实车实时性和鲁棒性要求。     

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。     

基于改进Otsu的室外道路实时检测与跟踪算法

室外道路检测与跟踪是移动机器人完成室外环境探索和自主导航的基础和前提.针对室外机器人工作环境复杂、光照多变等特点,提出了一种适用于室外道路实时检测与跟踪的算法.首先将CCD摄像头获得的画面通过预处理,提取视频画面的感兴趣区域(ROI)并转化为HSV颜色空间下的图像,然后通过改进的自适应阈值分割法(Otsu)获得道路图像的边缘信息,采用抗干扰能力较强的霍夫(Hough)变换得出画面中的可通行区域,最后采用加权马氏距离判别法跟踪可通行区域.实验表明,该算法在室外环境下具有较好的道路识别跟踪能力和实时性.     

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。     

一种智能汽车的实时道路边缘检测算法

以无人驾驶汽车为平台,针对结构化、半结构化道路下无人驾驶汽车道路边缘检测问题,提出了一种智能汽车的实时道路边缘检测算法。该算法首先对获取的激光雷达数据点云进行标定、分层与中值滤波,然后提取各层的左右边界点,而后利用随机抽样一致性算法(简称Ransac)对左右边界点集进行直线拟合,最后用卡尔曼滤波算法进行跟踪,从而实现实时的道路边缘检测。经实验验证,该算法准确率高,可靠性强,能够准确完成道路边缘检测,可以满足实时系统的要求,并已经成功应用于2014年的"智能汽车未来挑战赛",而且取得了第三名的好成绩。     

基于可变窗的镜头边界检测算法

为了解决传统镜头边界检测算法的漏检和误检问题,对判决方法进行研究,提出了可变窗概念.当一个镜头中画面变化激烈时,减少窗口跨度;在平缓画面的镜头通过渐变过渡到另一个镜头时,增加窗口跨度.该算法统计各帧的分块直方图作为特征,结合可变窗判别机制,对非压缩域中的视频帧进行镜头边界检测.实验证明,该算法提高了整体镜头查全率,同时也降低了由于镜头画面激烈而发生的误检率.     

基于激光雷达的移动机器人实时避障策略

以激光雷达为主要传感器, 对移动机器人设计一种实时避障算法. 该算法考虑到机器人的非完整约束, 利用基于圆弧轨迹的局部路径规划和控制使之能够以平滑的路径逼近目标位置. 采用增强学习的方法来优化机器人的避障行为, 利用激光雷达提供的报警信息形成刺激-反应式行为, 实现了动态环境下避障行为, 具有良好的实时反应能力. 该控制算法采用分布式软件设计方法, 各功能模块异步运行, 较好地实现了局部规划与全局导航目标的结合. 该策略针对移动机器人MORCS在未知环境下实现了实时、有效避障, 动作稳定流畅, 轨迹平滑, 具有良好的效果.     

基于激光雷达AGV的实时地图创建

自动导引车(Automated Guided Vehicle,简称AGV)作为一种自动化物流装备,越来越多地应用到物料搬运、装配等各种场合。针对未知环境下AGV定位和地图创建问题,提出了局部地图创建-定位-更新全局地图的方法和步骤。利用激光雷达数据,采用聚合-分割-聚合的方法并运用动态阈值获得精确的局部地图。通过匹配局部地图和全局地图的线段关系,实现了AGV的定位和位置的更新,减少了AGV的系统误差和环境误差,进而完成了全局地图的创建与更新。实验证明,此算法可以在实现AGV定位的同时获得精确的环境地图,配合基于ARM Cortex-A9高速处理器为核心的嵌入式主控平台,有效的缩短了地图生成时间,实现实时地图的创建。     

基于YOLOv4的暴力行为实时检测算法

针对当前深度学习行为识别技术无法满足监控系统实时性要求的问题,本文提出了一种监控视频暴力行为实时检测算法.该算法以YOLOv4模型作为基础,从提升检测准确性和实时性的角度对模型的主干网络和后处理方法做了改进.通过自建暴力行为数据集,分别对YOLOv4原模型和改进模型进行训练和测试.实验结果表明,在检测精度和速度的性能比...     

基于RGB-D 数据的实时人体检测算法

为实现体感控制器中的人体骨架识别功能, 提出了基于RGB鄄D 数据的实时人体检测算法, 并在人体检测中予以实现。首先对原始3D 点云数据进行简化, 对地平面进行移除, 然后对剩余的点云数据进行初步分类,得到人体点云数据簇, 对初步分类后的人体点云数据簇进行二次精细分类, 进而实现了地面上的多个人体的检测。该方法不仅能检测出静止的多个人体, 而且能检测行走中的多个人体。实验结果表明, 该方法实时性好, CPU 实时处理速率可达到25 帧/ s, 而且无论对于静止的人体还是行走中的人体, 该方法的人体检测准确度都能达到86%以上。     

基于朝向对比度的无监督边界检测算法

针对网络上大规模图像集,没有真实标定边界或者获取成本较大,提出了基于朝向对比度的无监督边界检测算法;在朝向对比度的计算上,考虑了多个方向的差异.特别地,该模型尤其适合于检测自然纹理环绕的对象的边界.在Rug标准数据库上的测试结果表明,提出的算法优于当前最好的无监督边界检测算法,验证了该模型的有效性.     

基于激光雷达与毫米波雷达融合的车辆目标检测算法

针对仅基于单一传感器的目标检测算法存在检测精度不足及基于图像与激光雷达的多传感器融合算法检测速度较慢等问题,提出一种基于激光雷达与毫米波雷达融合的车辆目标检测算法,该算法充分利用激光雷达点云的深度信息和毫米波雷达输出确定目标的优势,采用量纲一化方法对点云做预处理并利用处理后的点云生成特征图,融合毫米波雷达数据生成感兴趣...     

基于差分算法的ECG波形实时检测方法

采用一种简单、快速、准确的差分算法实现波形特征提取.相对于FFT或小波变换等方法,该方法所需要的计算量较小,适合在线实时心电监护.QRS波群的提取:使用差分法准确提取出R点的位置,在R点前后搜索区域内通过求最值再比较的方法确定Q点、S点位置.P波和T波的位置直接从Q点、S点设定搜索区域,寻找搜索区域中的最大值.实验结果显示,该方法对QRS波群的提取准确率达到99.3%,P波、T波的准确率达到92%.     

基于DSP的运动目标实时检测自适应算法

嵌入式系统中运动目标检测存在噪声影响大、实时性差的问题。采用TI系列的TMS320DM642设计了一种运动目标自适应检测系统。首先计算相邻帧图像差值的熵值,通过三帧差法自适应地提取目标。最后,将该算法移植到了DSP平台。实验结果表明,该算法能有效解决三帧差法中噪声干扰问题,而且实时性好。     

基于HSV空间的视频实时水位检测算法

提出一种新的基于视频水位检测算法,能对设立于水中的标尺刻度进行自动和实时的测算.针对水面图像特有的属性,在将视频转换到HSV颜色空间的基础上,利用色调分量基本不受光照条件影响等特性,以一种基于能量函数的统计模型和可变区域的策略,解决了图像模糊、背景复杂且有倒影干扰等不利条件下,传统边缘检测算子无法准确测算的问题.     

基于径向对称变换的实时指尖检测算法

对于很多基于视觉的徒手人机交互系统,指尖的检测是其中的关键环节.为此提出了一种新颖简单但高效的方法来实现不同背景下的指尖检测,该算法不需要进行任何前景分割来辅助定位.针对指尖自身的形状所具有的径向对称性质,采用改进的径向对称变换算法先检测出指尖的候选点,然后通过肤色判别操作来帮助实现指尖的准确定位.实验结果表明,本文算法在不同的实际背景下都具有很好的检测效果,对光照的鲁棒性也较高,并且能够达到实时.     

基于深度学习的偏光片缺陷实时检测算法

针对现有的基于深度学习检测缺陷的方法虽然可以保证分类的准确率,但其检测速度慢,模型占用内存大,难以满足在线检测系统的实时性要求等问题,提出了一种基于深度学习的偏光片缺陷实时检测算法。首先,设计了一个新的并行模块用于构建偏光片缺陷检测网络,模块将不同尺寸大小的卷积核相混合,与传统的卷积层相比,可以融合不同尺度的特征并能提取到更丰富的缺陷特征;用深度可分离卷积替代模块中的标准卷积,这可以大大减少网络的参数量和乘法累计运算量(MACCs).其次,用非对称卷积代替并行模块中的深度可分离卷积得到并行非对称卷积模块,可以进一步减少网络的参数量。最后,使用全局均值池化层代替全连接层,大大减少了网络的参数量。实验结果表明,偏光片缺陷分类模型平均每张图片的测试时间为108 ms,模型在测试集上的准确率达到99.4%,同时模型占用内存为0.583 MB,能够满足工业中偏光片缺陷检测的实时性要求。     

基于相机响应曲线拟合的道路能见度检测算法

在分析各种能见度检测算法优缺点的基础上,为了进一步提高能见度检测的精度,本文设计了一种新的基于相机响应曲线拟合的能见度算法:通过对高速路上的监控相机设定严格的参数,用固定光圈,不同曝光时间,拍摄稳定均匀光源照明的均匀白色漫反射表面,选取拍摄图像的中间部分计算图像平均灰度值,拟合图像的平均灰度值与曝光时间的双对数曲线,得到视亮度与固有亮度之间相互转换的重要参数值。本算法利用高速监控设备,采用路面作为标志物,解决了在高速路上不易寻找目标物的问题,计算误差小,成本低,不需额外增加检测设备,非常适用于高速路上雾天能见度监测。     

一种利用多参数进行实时语音边界检测与音节分割算法

在对语音信号5种特征参数:短时能量、平均过零率、相对能频比、相对能频积、短时自相关函数语音分段效果详细对比的基础上,提出了利用多参数结合进行语音边界检测与音节分割.同时较之当前主流一帧20 ms的处理方式,提出以2.5 ms为一帧处理,确保在20 ms内检测到信号边界,缩小了搜索时间,提高了实时性.