摘要：结合机器人的工作原理以及卷积神经网络(CNN)在图像分类中的应用,提出了一种基于卷积神经网络的壁面障碍物检测识别算法.首先,以壁面障碍物准确识别为目标,构建壁面障碍物图像库;然后,通过对VGG-16网络简化后进行优化,得到适合壁面障碍物准确识别的卷积神经网络模型.在此基础上,设计该网络由输入层、4层卷积层、2层池化层、1层全连接层以及输出层组成,进一步利用3×3卷积核对训练样本进行卷积操作,并将所获取的特征图以2×2领域进行池化操作.重复上述操作后,通过学习获取并确定网络模型参数,得到最佳网络模型.实验结果表明,障碍物的识别准确率可达99.0%,具有良好的识别能力.

摘要：由于除冰机器人工作在覆冰的电力线上,障碍物的识别存在着各类障碍物区分较难,准确率较低等不足。为提高机器人自主识别能力,设计一种自适应阀值的小波变换边缘提取算法来提取出障碍物的图像边缘,并针对电力线障碍物结构特点,在障碍物边缘提取过程中设计一种基于电力线位置约束的有效剔除部分干扰背景的方法;引入小波矩,通过提取边缘图像的小波矩作为障碍物的特征匹配数据;根据神经网络和粒子群算法的原理,设计一种粒子群优化的小波神经网络进行障碍物的识别分类,该方法用粒子群算法取代传统的梯度下降法,并改进惯性权重因子,优化小波网络的各个参数。试验结果表明所提出的方法对电力线上防震锤、悬垂线夹和耐张线夹等障碍物能够有效地识别,并具有比普通识别方法更高的识别精度。

摘要：针对智能车辆在城区交通场景中的前向障碍物识别,提出了一种基于集成学习改进的二叉树支持向量机(BT-SVM)的多类分类方法。根据城区交通场景中各类障碍物的出现概率、模式类别差异,设计了适用于智能车辆障碍物识别的BT-SVM树型结构;对每个节点分类器,采用AdaBoost集成学习方法进行改进,有效减少了差错积累误差,提高了分类精度和泛化能力。试验表明该方法能有效地对城区交通场景中6类常规障碍物模式进行实时在线识别。

摘要：提出一种基于Boosting集成学习的二叉树支持向量机(BBT-SVM)。根据城区交通环境中各类障碍物的出现概率、模式间的类间差异,设计适用于智能车辆障碍物识别的SVM树型结构。对每个节点SVM分类器采用Boosting集成学习方法进行改进,减少差错积累误差,提高分类精度和泛化能力。实验结果表明,该方法能有效地对城区交通场景中6类常规障碍物模式进行实时在线识别。

摘要：传统舰船障碍物识别系统的连接响应效率过低,且识别结果的准确性始终达不到预期标准。为解决上述问题,引入灰关联分析法则,设计新型舰船障碍自动识别系统。通过识别判断窗建立、障碍物图像分割模块设计两个步骤,完成新型系统的硬件运行环境搭建。在此基础上,通过自动识别准则确立、障碍物完整性判断、自动识别算子提取3个步骤,完成新型系统的软件运行环境搭建,结合软、硬件运行环境,实现基于灰关联分析舰船障碍自动识别系统的顺利运行。对比实验结果表明,与传统系统相比,新型舰船障碍自动识别系统的连接响应效率提升明显,识别结果准确度最大值接近90%。

摘要：研发基于激光雷达的建模技术,建立码头坐标系,并进行作业区划分、障碍物识别、路径规划。本文介绍了路径规划系统的设计思路、避障方法,通过算法计算出最短路径,提高作业效率。

摘要：【目的】探究视觉与激光雷达融合在棚内农业机器人中的应用,解决复杂环境下机器人自主导航的关键问题,提高机器人的感知能力和环境适应性。【方法】首先,采用高精度的视觉传感器捕捉棚内农业场景,通过图像处理技术提取关键特征,建立视觉地图以支持机器人的定位。同时,引入激光雷达传感器获取场景的三维点云数据,从而实现对环境深度和形状的准确感知。视觉与激光雷达信息的融合构建了综合感知系统,为机器人提供了更全面、可靠的定位信息。其次,针对棚内农业作业中常见的障碍物,设计了基于深度学习的障碍物检测算法。通过训练神经网络,机器人能够在实时环境中快速而准确地识别障碍物,并进行相应的避障决策。【结果】本研究提出的基于视觉与激光雷达融合的农业机器人定位和障碍物检测系统在不同棚内环境中表现出卓越的性能。【结论】机器人能够实现高精度的定位,并对障碍物做出及时准确的响应,为棚内农业的自动化精准作业奠定了坚实的技术基础。

摘要：目前,全景自动驾驶感知中的多任务学习取得了显著成果。其中对象检测和分割任务极其重要,可以帮助决策、提供路线规划和安全信息。然而,目标检测和分割仍有限制,需要大量数据和先验信息。为了使自动驾驶中的多任务学习更加高效准确,本文将嵌入式平台融入车道线检测的研究当中,融合了车道线检测和障碍物检测,可以有效提高计算效率和环境感知。同时,本文使用NVIDIA嵌入式平台对深度学习进行部署并能够保持先进性能。

摘要：根据系列化中国标准地铁障碍物检测系统的要求,结合传感器技术的发展趋势,设计了一套符合当前标准地铁列车运用需求的障碍物检测系统。该系统通过激光雷达、摄像头、辅助防护雷达、毫米波雷达等传感器采集车辆前方数据,高性能主机实时计算将数据融合处理,实现多类型数据的采集、轨道线判别、障碍物识别、列车间防碰撞预警。该系统通过车辆以太网通讯端口连接列车网络控制系统(TCMS),可以实现设备状态数据、障碍物信息的实时传输。该系统已成功应用到时速120 km/h A型地铁列车安全系统中。

摘要：阐述基于LiDAR技术的智能小车寻路研究。项目设计搭建了一辆智能小车,同时包含硬件设计组装、软件安装配置。探讨LiDAR技术对模拟复杂路况进行实时扫描,顺利完成地图建图,通过智能算法,很好地实现了智能小车的障碍物识别规避、自主寻路、路线导航、自动行驶等功能,此项目的设计和实践表明,实现了研究目标,为自动驾驶、无人驾驶技术的应用提供参考案例。