基于激光雷达的移动机器人三维建图与定位

针对室外环境建图与定位缺乏有效的回环检测导致累计漂移误差以及点云地图形式不够紧凑,提出基于Livox(览沃)激光雷达采集数据模块,使用三维点云片段匹配方法消除室外建图出现的误差。首先,对激光雷达采集的三维点云数据进行采样和体素滤波完成数据预处理?然后,使loam(lidarodometryandmappinginreal-time)算法作为前端,采用ICP算法实现快速有效的帧间匹配?最后,结合三维点云片段匹配与GSTAM优化位姿累计误差获得全局一致的的轨迹,并将点云地图优化成为立体占用地图输出。通过将点云片段匹配方法作为回环检测在实际室外环境进行三维激光建图实验证明,该方法能够解决实际室外环境建图中存在的建图不精准的问题。     

融合激光雷达和RGB-D相机建图

针对智能小车在未知环境的条件下,利用单一传感器同时定位与地图创建不能准确构建复杂环境地图的问题,提出采用一种RTABMAP算法,用于融合激光雷达和RGB-D相机建图,该算法采集了激光雷达、RGB-D相机和里程计的数据,将其存储在内存管理机制的节点中,提取这些节点的特征。通过匹配节点间的视觉词汇次数更新节点的权重,采用离散贝叶斯滤波估计进行回环检测,优化局部地图,最终构建全局地图。在安装有开源机器人操作系统(ROS)的智能小车上实验。结果表明,本研究方法在障碍物检测率方面与激光建图和RGB-D相机建图方法相比,提高了30.75%和18.63%;地图尺寸误差分别减少了0.013和0.150 m;角度误差分别减少了3°和1°。     

基于卷积神经网络的RGB-D SLAM回环检测研究

回环检测是视觉SLAM中不可或缺的一部分,正确检测出回环能有效减小移动机器人在定位和建图过程中产生的累计位置漂移问题。SLAM回环检测目前主要有词袋模型方法,具有良好的实时性,但人工特征具有对光照变化非常敏感等问题。针对这些问题,提出了深度学习和回环检测结合的方法,将卷积神经网络模型应用于SLAM回环检测中,并且通过模型对RGB-D图像进行特征提取,提出了两种图像融合方法,通过对比判断最佳措施;进而通过特征匹配来判断回环。与现有方法相比,本研究提出的方法达到了具有更高精确性和实时性的效果。     

基于视觉SLAM的多机器人协作地图构建

针对多机器人协作建图算法复杂度高、实时性差和稀疏点云地图信息量少的问题,提出一种基于视觉SLAM的多机器人协作地图构建算法.该算法选择一个机器人开始建图,其他参与协作的机器人共用被选机器人的图像帧进行初始化,并建立统一世界坐标系.在被选机器人建图过程中,激活与其存在共视关系的机器人,借助关键帧跟踪模型得到被激活机器人所...     

一种激光三维点云动态障碍剔除算法框架

基于激光点云地图的动态障碍剔除是同步定位与建图（simultaneous localization and mapping, SLAM）研究领域的难题之一。动态障碍的移动轨迹不仅会遮挡真实的静态环境信息,也会对移动机器人的定位和路径规划造成阻碍。针对激光点云地图中的动态障碍识别问题,该文提出一种基于卡尔曼滤波的运动障碍跟踪方法。首先,对原始点云预处理,使用欧式聚类算法,实现离散点云聚类。其次设计了基于卡尔曼滤波的运动障碍状态预估方程,并预测出动态障碍点云目标在下一时刻的位置。然后,使用匈牙利算法将预测位置与下一时刻真实位置进行匹配,实现对每一时刻动态障碍体的识别。最后,剔除后进行点云配准建图。在室内外环境下对提出的动态障碍剔除算法进行验证,并将剔除动态障碍后的点云地图可视化输出。实验结果表明该算法在室内外环境下对激光点云地图中动态障碍均能较好地识别与剔除。     

基于可见光通信的高精度室内停车场定位系统设计与实现

针对室内停车场的高精度定位问题,提出一种基于可见光通信的高精度室内停车场定位系统.首先,对该定位系统的发射端与接收端电路进行设计,并对发射信号进行编码,接收端通过解码操作获取发射端的唯一识别码以及相应的电压测量值;其次,通过经典的加权K最近邻算法验证了所提定位系统的有效性.实验结果表明,在1.2 m×1.2 m的定位空间中,所提定位系统的平均定位误差仅为1.89 cm,可以很好应用于室内停车场的车辆与人员定位.     

基于无人驾驶配送实验平台的封闭园区内动态环境视觉SLAM研究

针对动态环境下SLAM算法定位信息精度不足、建图偏移严重问题,本研究基于无人驾驶配送实验平台提出一种面向封闭园区内动态环境的视觉SLAM系统。该系统以ORB＿SLAM2为框架,添加了基于人体关键点提取的行为识别线程。在输入图像ORB特征点提取的同时,通过HRNet网络进行人体关键点的提取,通过30帧图像内容进行行为识别,判断图像中人体的行为状态是否为运动,并以此为依据筛选并剔除动态特征点,最后通过静态特征点进行位姿估计。实验结果表明,在TUM数据集动态子序列下,与ORB＿SLAM2、DS＿SLAM相比,本研究所提算法在系统精度与速度上达到平衡,有效提高了位姿估计的准确性。     

基于SWA-Gabor特征的步态识别

针对背包、外套等干扰因素致使步态识别率降低的问题,提出一种分割加权的步态识别方法。首先通过帧差法与阈值分割相结合的方法得到动态信息更加丰富的帧差阈值能量图(FTDEI),将该能量图分割为3部分,并对每部分添加相应权重,然后利用Gabor小波对分割加权后的FTDEI进行不同角度的特征提取,得到加权的滤波特征(SWA-Gabor),最后通过KNN分类器对SWA-Gabor特征进行分类和识别。基于分割加权的步态识别方法能够很好地避免背包等干扰因素的影响。为了验证该算法的识别效果,在中国科学院自动化研究所CASIA B步态数据库上进行实验,结果表明,在携带背包和外套的情况下,该算法的识别率较其它算法提高了约5%,取得了很好的识别效果。     

地铁车门与屏蔽门间缝隙异物自动检测与定位研究

地铁车站站台屏蔽门与车门之间存在一条狭长的缝隙且存在夹人夹物的安全隐患。为了有效解决该安全隐患,提升列车安全运营效率,提出一种基于双目视觉定位的地铁站台屏蔽门与车门间缝隙异物自动检测与定位方法。首先,针对双目视觉设计方案,在综合分析基础上确定单向双目视觉的设计方案;其次,在此方案基础上进行异物自动检测与定位算法设计;最后,通过在地铁站台真实环境中采集数据进行试验,其结果表明该方法具有较好的检测结果和定位精度。     

一种改进的融合前景点重采样的ViBe算法

针对视频第一帧中存在待检测的运动物体,利用视觉背景提取算法(ViBe)对该物体后续帧检测,会在第一帧的位置上持续出现鬼影现象,提出了一种改进的ViBe算法.该算法在视频中融合连续N帧图像作为前景点的基础上,采用重采样的方法来初始化背景模型以实现动态背景有效提取.实验结果表明,提出的改进算法能有效地检测出动态背景下移动物体,并能有效地解决图像获取的鬼影现象,从而提高了算法的误检率及鲁棒性,通过改进后的ViBe算法比原算法能够更有效地检测动态背景下的运动目标.     

基于KITTI数据集的无人车单目惯性SLAM算法评估

针对无人驾驶车辆在卫星信号缺失等特殊环境下的定位失败问题,通过分析视觉SLAM技术存在的问题及其在无人车领域的应用情况,以无人驾驶算法测试数据集KITTI作为数据源,进行了同步定位与建图(SLAM)算法评估.以主流视觉SLAM算法VINS-Fusion为测评对象,采用绝对位姿误差(APE)和运行时间作为评价指标,实现了...     

基于AdaBoost算法与改进帧差法的动态行人检测

针对传统基于HOG特征与AdaBoost算法分类器在目标检测中存在检测速度慢、误差率大的问题,提出一种基于改进帧差法与AdaBoost算法相结合的动态行人检测方法。帧差法是运动目标检测的一种算法,能够将运动中的区域很好地显示出来。改进的帧差法不再单一使用一个阈值,而是利用多个阈值,以更好地分割出检测行人,再通过分类器进行多尺度检测来确定目标。该方法减少了传统HOG特征的检测时间,能够更快地找出感兴趣区域,并提高检测速度和误差率。     

基于虚拟空间三维体素—语义地图的机械臂任务规划

任务规划算法是机械臂在未知环境下具备抓取能力的基础,为此提出一种基于三维体素—语义地图的机械臂虚拟空间任务规划方法。在获取完整点云场景的基础上,利用基于掩码区域的卷积神经网络实现目标检测与实例分割,构建由三维点云、语义信息、三维计算机辅助设计模型组成的体素-语义混合地图;优化A~*算法完成机械臂末端执行器最优路径规划,利用贝塞尔曲线完成轨迹优化;探究抓取不同几何体时的机械臂末端位姿,分解抓取、放置等复杂任务,形成基于语义驱动的空间任务规划。在虚拟空间通过仿真试验,表明了所提算法的有效性和快速性,同时该算法可支撑机械臂执行各种复杂的抓取任务,并提升机械臂的智能水平。     

基于机器视觉的车辆距离测量系统设计

为实现车距测量实时性与准确性的要求,机器视觉被引入到车距测量中,设计了具有实用性的单目视觉的车辆距离测量系统。该系统首先对采集到的图像利用小波变换进行去噪与增强,再通过Hough与模糊集论对车道线进行提取作为定位车辆的参考线以减少车辆定位的搜索时间,通过路面灰度值与基于窗口能量的方法准确定位车辆,最后根据针孔成像原理建立实际三维图像空间与摄像机二维图像的映射关系,计算出前面车辆的实际距离值。结果表明,当实际车辆距离小于70 m时,测距绝对误差小于2 m,相对误差不超过5%,测距时间小于0.25 s。     

基于机器视觉的车辆距离测量系统设计北大核心

为实现车距测量实时性与准确性的要求,机器视觉被引入到车距测量中,设计了具有实用性的单目视觉的车辆距离测量系统。该系统首先对采集到的图像利用小波变换进行去噪与增强,再通过Hough与模糊集论对车道线进行提取作为定位车辆的参考线以减少车辆定位的搜索时间,通过路面灰度值与基于窗口能量的方法准确定位车辆,最后根据针孔成像原理建立实际三维图像空间与摄像机二维图像的映射关系,计算出前面车辆的实际距离值。结果表明,当实际车辆距离小于70 m时,测距绝对误差小于2 m,相对误差不超过5%,测距时间小于0.25 s。     

时间图查询在实验设备管理中应用

合理有效地管理实验设备有利于提高设备的利用率,现将时间图查询用于实验设备的管理,可以丰富查询的语义,提高设备的查询效率.将设备的使用情况抽象成一个大的时间图,将用户的查询请求转换为一个查询图,利用图匹配技术查询出相关的结果.为实现查询图的匹配,提出了3种相关算法:朴素匹配算法(NM)、基于BFS的点匹配算法(BVM)和...     

一种面向大建筑物的移动视觉定位算法

针对目前智能手机难以拍摄大建筑物全貌以及基于移动视觉检索的户外定位系统匹配大建筑物失准的问题,提出一种面向大建筑物的移动视觉定位算法。基于尺度不变特征变换理论,该算法通过提取建筑物不同角度的特征建立一种建筑物多视角特征模型,并基于该模型建立建筑物特征库,同时通过在特征库中匹配用户提交的不同角度建筑物照片的特征点实现定位。实验结果表明,与基于GPS定位的算法相比,该算法能够通过建筑物图像匹配精确的进行定位,解决了GPS在高楼林立的市区定位不准的问题;并且该算法通过保留建筑物特征的空间位置信息,能较好地过滤错误匹配,与基于BOF(bag of feature)算法的移动视觉定位算法相比,提高了匹配精确度,具有较强的实用价值。     

视频语义信息提取的研究

由于视频信息信息量大,内容丰富,使得对其进行有效的管理和检索成为一个困难而又必须解决的课题.在对视频分割算法进行研究的同时,提出一种基于语义的视频镜头检测方法.主要是通过相邻帧之间的差异来判断是否存在镜头切换出现.实验验证该方法是可行的.     

管道巡检机器人视觉系统实验教学平台设计

为加强机器人专业实验教学,提高人才培养质量,设计了一套基于管道巡检机器人的视觉系统实验教学平台。该实验平台由目标物的检测识别和目标物的定位测距两部分组成,涉及视觉系统的相机标定技术、深度学习技术、YOLO检测算法、单目定位测距技术等。实验结果表明,该视觉系统具有较强的淤积物检测识别能力和较高的淤积物检测精度。学生通过该平台不仅学习了管道机器人视觉系统的设计思路和方法,而且创新实践能力大大提高。     

基于最大局部变化的安全带检测算法

传统的边缘检测算法的效果很大程度上取决于阈值的选取,针对这个问题,提出了基于局部最大变化和二维OTSU的边缘检测方法,该方法利用图像局部区域的所有像素灰度值与中心像素灰度值的最大差值来描述图像边缘分布信息,从而得到图像边缘分布信息图,然后利用二维OTSU方法对该边缘分布信息图进行二值化处理得到边缘二值图。利用该边缘二值图,结合车辆的一些先验信息,提出车窗定位算法,并进一步确定驾驶员区域,最后通过在驾驶员区域内检测是否存在满足安全带先验特征的直线来判断驾驶员是否佩戴安全带。实验结果表明,该方法能够准确定位车窗边缘和驾驶员区域,可以应用于安全带的检测,具有一定的实用价值。