基于边缘分割的车载单目远红外行人检测方法

基于机器学习的车载单目远红外行人检测方法存在实时性较差和检测精度较低的问题.为此,文中提出了基于边缘分割的头部-方向梯度直方图-支持向量机(Head-HOGSVM)行人检测方法,引入加权Sobel算子强化行人的垂直边缘以分割行人候选区域;根据不同距离行人的外观模式选择行人检测方法:使用头部特征检测中、近距离行人以改善系统的实时性,使用头部识别级联基于方向梯度直方图特征的支持向量机(HOG-SVM)分类器检测成像模糊的远距离行人.在多个郊区场景视频数据集上的实验结果表明,与基于双阈值分割的HOG-SVM分类方法相比,文中方法的检测精度和检测速度分别提高了约33%和200%.     

基于行人轨迹预测的无人驾驶汽车主动避撞算法

针对传统轨迹预测算法无法深入挖掘行人行走意图信息,不能提前对行人轨迹做出提前预判,导致无人驾驶汽车主动避撞算法存在缺陷等问题,通过车载传感器获取道路行人图像信息和位置信息,并基于卷积神经网络对道路行人动作特征进行识别,分析其行走意图.利用卡尔曼滤波算法获取状态估计的预测值,结合行人主观意图进行修正,输出符合行人主观意图...     

巡检机器人中二维条码的设计与应用

提出了一种巡检机器人中应用二维条码的视觉定位与任务给定及辅助导航的方法.通过在机器人巡检路线中的关键点设置二维条码标记,将巡检机器人大范围的绝对定位问题转化为小区域的相对定位,消除了里程计的累积误差.通过传递导航与命令信息,使巡检机器人的可操作性与可维护性大大提高.详细分析了二维条码图的设计方法,通过图像预处理、图像的矢量中值滤波、条码数据区定位等步骤得到了二维条码的读取算法.分步调试与在变电站设备巡检机器人系统中的应用表明,该算法实现简便,处理速度快.     

可穿戴型下肢助力机器人控制分析

对可穿戴型助力机器人控制策略进行分析.根据研究目的及人体结构和功能的特殊性和复杂性,通过将人体下肢作适当简化及必要的假设,提出基于骨-肌肉功能模型的下肢助力机器人控制方法,该方法通过对骨-肌肉模型中的弹性系数和阻尼系数的调节能为人体下肢运动提供助力支持.同时,通过人-机间交互力信息实现人体下肢的运动预判.     

一种基于激光雷达和视觉的行人检测方法

针对一般城市环境的道路交通安全问题,提出了一种联合激光雷达和视觉的行人检测方法.利用激光雷达和摄像头坐标之间的透视变换关系,将环境的深度信息映射到图像中,并使用航位角推算方法同步激光雷达和摄像头,然后提取兴趣区域.在激光雷达聚类过程中,提出了一种基于行人宽度信息的目标分割方法,能有效分割并排行人.在基于视觉的行人检测中,首先根据行人边缘对称性的特点,预处理兴趣区域,然后采用基于Hausdorff距离的模板匹配方法,根据激光雷达的深度信息匹配行人上半身模板.实验结果表明,该方法可以取得较理想的效果.     

基于接触力信息的可穿戴型下肢助力机器人传感系统研究

为了从人机系统的交互运动信息获取人体下肢的运动意图,从而实现为操作者提供助力的目的,对可穿戴型下肢助力机器人感知系统进行了理论分析和技术实现.在分析整个机器人系统控制所需要的交互信息的基础上,设计了一套基于接触力信息和关节角度信息的多传感器感知系统.该系统主要包括获取腿部接触力传感器、地面反力传感器以及用于获取外骨骼机器人关节运动信息的电机编码器等.相关实验结果表明,所设计的多传感器感知系统性能稳定、实时性好,为可穿戴型下肢助力机器人目标的实现提供了保障.     

基于双目视觉的部分遮挡行人检测算法

针对行人被障碍物部分遮挡导致的检测准确率降低问题,本文提出了基于多特征融合的树形路径半全局立体匹配的部分遮挡行人检测算法。本方法使用SLIC算法进行超像素分割,提升行人的轮廓信息,并使用多特征融合的树形路径半全局立体匹配算法生成深度图;对行人信息和背景信息及障碍物信息使用自适应分割算法进行分离,获取感兴趣区域;将感兴趣区域放置在行人特征明显且稳定的头肩部,进行感兴趣区域的约束;使用降维HOG进行特征提取并生成样本集,训练SVM分类器,最终实现部分遮挡的行人检测。实验表明,本文算法与其它行人检测算法相比,在行人部分遮挡场景下,有着更高的行人检测准确率,证明本文算法的有效性。     

基于尺度不变特征和位置先验的行人检测算法

基于相邻和非相邻特征(NNNF)行人检测算法,提出了一种方法来解决行人特征对尺度变化敏感的问题以及窗口误检的问题.首先,在NNNF基础上,设计了一种尺度不变的特征.由韦伯定理启发,该特征表示为两个相邻或非相邻区域的差分值与这两个区域特征和的比值.这种新的特征具有很强的尺度不变性.此外,还提出了基于行人位置先验的上下文信息,作为一种简单有效的后处理方法.在行人场景中,行人的高度与位置存在一定的映射关系.利用SVM(support vector machine)训练了行人高度关于行人位置的回归模型.该模型能有效地滤除那些行人高度与位置信息不符合回归模型的检测窗口.实验表明,相比于NNNF-L2和NNNF-L4,本文提出的方法在Caltech数据库的检测性能分别提高了2.90%,和2.28%,.同时,本文提出的方法也在所有基于非深度网络的行人检测方法中具有最好的检测性能,平均漏检率为14.56%,.     

基于双目视觉的聚合积分通道行人检测优化算法

针对单目视觉下复杂室外场景及人体非刚性变化多样时行人检测效率及准确率较低的问题,提出了一种基于双目立体视觉的行人检测方法.首先采用非局部视差聚合匹配方获取稠密视差图;然后以粗细两阶段分割策略获取感兴趣区域,使用最小面积阈值获取潜在行人最小尺度;结合行人最小尺度自适应地减少检测所需数据量,最后基于聚合积分通道模型完成数据建模与行人检测.实验结果表明,该方法能有效利用双目视觉信息解决单目视觉下虚假干扰问题,在实现较高检测精度的同时有效提高检测速度.     

基于分层代价地图的光伏电站清扫机器人导航方法

为更好地解决光伏电站清扫机器人工作时因缺少有效边界检测导致的跌落问题,并满足全覆盖清扫工作的需求,提出一种基于分层代价地图的导航方法.在传统分层代价地图的图层上,根据对光伏电站清扫机器人工作环境的分析,增加光伏阵列边界图层,建立清扫区域,使机器人工作空间约束在光伏阵列内;采用弓字形清扫路径和多点巡航清扫策略相结合的导航...