摘要：为了解决巷道内运输车辆在行驶过程中对障碍物的检测易受到光照条件影响的问题,提出了一种基于图像增强的障碍物检测方法。该方法先利用VOC数据集格式制作井下车辆行驶过程中的障碍物数据集,然后利用MSR(Multi Scale Retinex)算法对井下采集到的低照度图像进行增强;通过改进CenterNet网络,设计了ResNetBN-18轻量级网络,再基于改进后的CenterNet目标检测算法训练数据集,最后实现对井下运输车辆车前障碍物的准确检测。实验结果表明,改进后的检测模型保持了原网络的高实时性,检测精度比原网络提高了10.1%,帧率提高了6.7%。

摘要：障碍物的检测与跟踪技术是移动机器人行驶过程中的一个重要技术,有利于提高移动机器人的运动安全.为了提高了障碍物检测的准确率,针对欧氏聚类存在过分割和欠分割的情况,做出了两点改进:提出动态欧氏聚类搜索半径的方法来解决远处点云过于稀疏的问题;提出将半径搜索改成深度方向上的拓展搜索的方法来解决点云数据在深度方向上检测不完全和拖尾等问题.为了提高动态障碍物跟踪的准确率,在进行两帧障碍物数据关联时,设计了一种新的关联矩阵的计算方式,加入了障碍物的六自由度信息和尺寸信息,提高了动态匹配的成功率.仿真实验表明,经过改进后障碍物检测准确率达到了95.2%,多目标跟踪精度达到了13.2 mm.

摘要：针对视障人士出行辅助中可通行区域地面障碍物实时检测问题,提出一种基于RGB-D和惯性传感器融合的地面障碍物检测技术.首先建立地面障碍物空间模型,并融合惯性传感器参数计算相机倾角以校正地面障碍物世界坐标;其次针对视障人士实际使用场景和需求,使用阈值分割算法将深度图像中距离较远的检测像素去除,并将深度图划分4个区域,通过融合惯性传感器数据实现ROI的动态划分;最后通过改进RANSAC算法设计了基于地面区域生长的障碍物检测算法,并采集真实数据进行实验验证.实验结果表明,所提技术的准确率和召回率分别达到90.87%和89.33%,并在执行时间效率上优于已有地面障碍物检测算法,满足了视障人士对算法的实时性要求.

摘要：随着轨道技术的高速发展,列车安全的主动防护技术在列车行驶的过程中极为重要,例如非接触式障碍物检测系统。然而在真实列车运行的铁路环境中难以采集到带有障碍物的场景,并存在采集实验数据效率低的问题,如图像和点云数据。本文设计了一种具有虚拟激光雷达的轨道列车障碍物检测仿真系统,为轨道列车非接触式障碍物检测的研究提供可靠的实验环境和点云采集传感器。为了精确识别列车前方轨道位置,提出一种基于体素分割和稀疏卷积算子构建点云语义分割网络识别轨道点云的方法。基于最小二乘法拟合离散的轨道点云获得连续的安全行车区域,并且基于平面分割和点云聚类确定了障碍物的三维位置。通过采集仿真环境中3种轨道场景的点云,制作数据集用于训练网络模型,并通过采集带有障碍物场景的点云测试所提出的障碍物检测方法。实验结果验证了仿真系统可行性以及障碍物检测算法的有效性。

摘要：针对传统激光雷达障碍物检测地面分割不充分和固定阈值聚类效果不佳等问题,提出了一种低速行驶状态下改进的结构化道路障碍物检测方法,包括点云数据预处理、点云分割、道路边界提取、点云聚类四个方面。首先获取雷达点云数据并进行预处理;接着将栅格图法和RANSAC算法相结合实现地面点云分割,改善分割效果;然后利用几何特征提取道路边界点,基于邻近栅格信息和边界连续性精细化提取结果;最后引入自适应阈值对DBSCAN聚类算法进行改进,提高聚类准确率。利用KITTI数据集验证算法可行性,实验结果表明所提算法能够实现对于结构化道路边界的准确提取,地面点云分割和道路障碍物检测的准确率均可达到80%以上,与固定阈值相比,效果得到改善。

摘要：针对三维激光点云障碍物检测存在地面分割效果差及聚类距离阈值局限性问题,提出一种基于多区域分割的障碍物检测方法。该方法主要利用多区域地面分割及分割聚类方法实现精准避障;前者根据周围环境设计合理的地面分割区域及相应坡度阈值,提高地面分割的准确性;后者设计合理聚类分割区域及自适应聚类参数,降低因距离带来的聚类误差,提高障碍物的识别精度。通过自研的三维激光雷达测试平台采集实际场景进行性能测试,结果表明该方法地面分割处理一帧数据耗时低于5 ms,满足实时性要求,且在实际场景中的地面分割精度及聚类鲁棒性较高,具有较高的工程应用价值。

摘要：针对盲人避障系统的实时性和鲁棒性要求,提出了基于单帧RGB-D图像的场景自适应分割和障碍物检测方法.针对室内场景存在较多的平面结构的特点,首先利用深度信息进行由粗到细的两阶段平面快速提取;然后提出了基于图论的RGB-D场景自适应分割算法,将基于深度信息的平面分割结果和基于RGB的图像分割进行自适应的权重融合;最后提出了多层次的障碍物检测识别策略,将场景区域识别为地面、桌面、墙面以及其他障碍物,并给出了场景分析结果的简化模型.实验结果表明,文中方法结合深度数据的优势以及场景的几何结构特点,有效地提高了场景分割和障碍物检测的实时性和鲁棒性,能够满足盲人室内避障应用需求.

摘要：针对智能车间中物料位置和运动状态的不确定性,提出一种基于双目视觉的自动导引车(AGV)障碍物检测与避障方法。在障碍物检测过程中,首先采用基于深度检测的障碍物判定算法判断障碍物是否存在;然后利用帧差法提出一种障碍物信息的获取算法,分别得出静、动态障碍物的方位与速度信息。为进一步提高障碍物检测的可靠性,分别对不同状态的障碍物进行检测实验,结果表明,该算法误差较小、结果可靠。针对不同障碍物设计避障策略,对比PID和模糊PID的方法控制AGV运动,通过分析AGV运动过程中的角度和距离偏差验证了避障策略的有效性。最后,开发了一个简单高效的上位机系统,进一步验证了所提算法的可行性和有效性。

摘要：针对智能车障碍物检测与自主导航任务中存在的识别准确率差、检出率低,以及自主导航路径规划器稳定性差等问题,设计一种基于ROS实验平台的障碍物检测与自主导航路径规划系统。系统以YOLOv5s作为障碍物检测算法框架,以A^(*)算法与TEB算法融合作为自主导航算法框架,改善了智能车障碍物检测精度低与路径规划不稳定的问题。实验结果表明,搭载该系统的智能车能够完成障碍物检测、自主导航的任务,路径规划平均成功率达到96.67%,障碍物检测准确率在92%以上,综合任务成功率在90%以上,具有障碍物检测准确率高,自主导航路径规划稳定性强的特性。

摘要：针对双目视觉障碍物检测技术中,双目匹配精度差、障碍物检测算法稳定性与鲁棒性差等问题,对利用卷积神经网络的双目视觉障碍物检测方法进行研究。设计孪生卷积神经网络计算立体图像对的视差图;提出道路直线自适应阈值提取算法,精确提取V视差图中道路直线;利用光栅扫描法逐点判断像素点是否为障碍点,生成障碍检测图。实验结果表明,该方法能够生成精确视差图,有效提取V视差图中道路直线并实现路面障碍物精确提取,提高检测召回率和精确率。