融合毫米波与激光雷达的障碍物检测与跟踪方法

在园区环境中,无人车装载单一毫米波雷达或激光雷达传感器进行障碍物检测跟踪时存在探测范围有限、准确率低及稳定性差等问题。为此,提出一种基于毫米波雷达与激光雷达融合的多障碍物检测跟踪方法。利用改进欧氏聚类算法对道路内激光点云目标进行提取,基于信息筛选策略获得毫米波雷达数据中的有效目标;基于目标检测交并比与可靠性分析,对2种目标进行自适应融合,并利用跟踪门与联合概率数据关联(JPDA)算法完成前后帧数据匹配;应用多运动模型交互与无迹卡尔曼滤波实现障碍物跟踪。实车实验表明:相比单一毫米波雷达与激光雷达障碍物检测跟踪,所提方法有更好的准确性与稳定性。

考虑跨越行为和障碍物类型的人员疏散模型

为研究区分障碍物类型的跨越行为对疏散的影响,基于元胞自动机建立跨越行为模型,采用Dijkstra算法改进障碍物场景下的静态场值,根据跨越障碍物时的难易程度将可跨越障碍物划分为可轻松跨越型(Ⅰ类)和不易跨越型(Ⅱ类),提出体力值的概念,用体力值的大小来区分行人是否具有跨越能力,提出障碍物占有率的概念,通过改变其取值来表示疏散空间中Ⅰ类障碍物数量的不同;分析跨越比例、障碍物占有率、障碍物类型等因素对疏散的影响。研究结果表明:区分障碍物类型的跨越行为更能提高疏散效率,同时也更符合实际;不同跨越比例下跨越障碍物行为对疏散的促进效果不同;障碍物占有率不同时,按障碍物类型跨越行为并不总能使疏散时间降至最低。研究结果可为提高行人疏散效率、制定疏散策略提供参考。

障碍物数量对含尘瓦斯爆炸特性影响的试验和数值模拟研究

为探究含尘瓦斯爆炸条件下不同数量障碍物的激励效应,运用中尺度激波管道和激光纹影系统,对比不同数量障碍物影响下含尘瓦斯爆炸的火焰传播和压力变化,分析爆炸流场结构的变化。通过数值模拟软件Fluent模拟含尘瓦斯爆炸,对试验结论进行补充说明。结果表明,障碍物对爆炸火焰的加速作用在单一瓦斯参与下更加强烈。煤尘的加入使得流场湍流度增大,混合爆炸释放更多能量,激波强度增大,爆炸压力提升。障碍物对火焰的影响仅在其附近有效,障碍物下游最大超压明显提升。随障碍物数量的增加,激波反复振荡、叠加,使得压力升高,湍流度增加,火焰形成射流并加速燃烧。火焰传播速度和最大超压与障碍物数量呈正相关关系。

V型Transformer的遥感影像障碍物提取方法

遥感影像中的障碍物是地震采集观测系统变观的重要依据之一。传统的人工提取障碍物方法效率低,且易受人为因素影响,难以保证结果的一致性,不适用于复杂地表环境及数量庞大的障碍物。当前通用的卷积神经网络自动提取障碍物方法,由于卷积核的尺寸受限,无法直接进行远距离的语义交互,也不能准确提取具有较大跨度且部分被遮蔽的障碍物(乡间道路、河流等)。为此,提出了基于V型全自注意力网络(MTNet)提取遥感影像障碍物的方法。首先,MTNet采用端到端的V型编码器—解码器结构,通过跳跃连接实现信息交互;其次,用具有远距离建模能力的Mix-Transformer模块取代传统卷积层,提取和重建更准确的障碍物多尺度特征;最后,用轻量的块扩展层取代转置卷积,实现上采样和图像分割,重建障碍物信息。实验结果表明,该网络分割障碍物的精度和速度显著优于现有方法,尤其在道路识别方面,优势更明显。

基于改进欧氏聚类算法的障碍物检测跟踪

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.

基于四叉树扇形层值聚类的无人船障碍物检测

为了实现无人船自主导航过程中对障碍物的精确检测,提出了一种基于四叉树扇形层值聚类的无人船障碍物检测方法。首先基于四叉树扇形划分进行障碍物点云数据的检索,并剔除扇形象限内不可信数据;然后利用所获得的四叉树层值来求取全局密度距离,进而获得层值阈值,以此来对不规则多线形障碍物特征进行检测;最后通过建立数据点之间的空间拓扑关系来求取参考距离,并以参考距离为基准对障碍物点云数据进行聚类判定,提高聚类分割准确性。多线形障碍物特征识别性能测试及水面无人船障碍物检测实验结果表明,相较于其他密度聚类算法,在正检率、误检率和漏检率性能指标方面,多线形障碍物特征识别性能测试中,所提算法分别平均下降了9.86%、5.04%、3.10%,水面无人船障碍物检测中,所提算法分别平均下降了10.50%、6.97%、2.95%。

基于改进YOLOv8的露天矿区行车障碍物检测

露天矿区场景复杂,行车障碍物检测受扬尘和颗粒物等粉尘噪声干扰严重,难以准确识别障碍物,尤其是光线较差的夜间,不利于做出正确决策,从而影响无人作业的安全性和整体效率。针对以上问题,提出了一种基于YOLOv8n模型的露天矿区行车障碍物检测算法YOLOv8n-Enhanced。该算法主要从3个方面进行了改进,具体包括:首先,针对受粉尘噪声干扰严重和夜间光线不足的问题,提出了C2fCA模块结构,提高了模型特征提取能力;其次,使用轻量级卷积技术GSConv和VoV-GSCSP模块,减轻模型复杂性,实现检测器更高的计算成本效益;最后,使用WIOU损失函数,提高了模型泛化能力。试验结果表明:改进算法在保持实时性的前提下,可将YOLOv8n的平均精度(mean Average Precision,mAP)分别提高1.8%和2.6%,实现白天与夜间场景下不同尺度的障碍物识别。

机器视觉在汽车自动驾驶障碍物检测与避障中的应用

本文详述了机器视觉技术在自动驾驶系统中的运用,依据其技术特性及其在自动驾驶中的优势,分析了基于机器视觉的障碍物识别与规避方法,并探讨了硬件系统及算法模型的优化策略。

障碍物对轴流泵空化内部流场的影响

空化会影响泵的正常工作和稳定运行,为了探索能够有效抑制轴流泵内发生空化的策略,提出了将矩形流向障碍物布置在轴流泵叶片背面的方法.以比转数700的轴流泵作为研究对象,采用全流道非定常数值模拟,分析障碍物对轴流泵外特性空化性能的影响.结果表明:在设计工况下布置障碍物的改进模型在空化各阶段均能有效减少空泡体积,尤其当空泡发展至障碍物位置时效果最好,空泡体积减少了72.5%;布置障碍物能够提高叶片背面出口压力,限制低压区向出口方向扩张,减小逆压梯度,阻挡轮毂侧发生偏流,梳理空化发展的流线,优化流场结构,抑制空化的发展,并将断裂扬程提升了10.19%.

隧道内障碍物对爆破冲击波传播特性影响研究

隧道掌子面开挖爆破产生的冲击波对施工安全构成极大威胁,为研究隧道内障碍物对掌子面开挖爆破产生的冲击波传播特性影响,依托宁攀高速公路胜利隧道,采用动力分析软件ANSYS/LS-DYNA模拟爆破冲击波在隧道内障碍物段的传播,并采用现场测试方法对数值模拟结果进行验证。研究表明:正常衰减的冲击波传播至障碍物面上方2 m处超压迅速增长4.1%,通过障碍物后由于绕流作用超压增长2.2%,障碍物上方冲击波总体呈现增强-衰减-再增强-再减小的特性;障碍物中心轴线前5 m处反射冲击波超压开始高于初始冲击波,反射冲击波传播至障碍物面时超压峰值增长至初始冲击波的2.4倍;障碍物对正后方0.5 m范围内超压峰值有一定的降低作用,0.5~2 m范围内冲击波超压有所增长,随后恢复为正常超压衰减。现场测试结果表明,障碍物前2.5 m处形成2个超压峰值,经障碍物表面反射第2个冲击波超压峰值为初始峰值的2.95倍。

不同形状障碍物对综合管廊燃气舱燃气爆炸影响研究

为深入了解城市地下综合管廊燃气舱内障碍物对燃气爆炸的影响规律,利用FLACS模拟软件,研究了不同形状障碍物对燃气爆炸超压变化的影响。结果表明:燃气管廊发生爆炸后,在管廊分区前段,三种形状障碍物对燃气爆炸的影响结果相差较小;在管廊分区中段,圆柱体障碍物所在位置超压峰值最大,最大超压峰值达到1234.716 kPa;在管廊分区末段,球体障碍物所在位置超压峰值最大,最大超压峰值达到2673.528 kPa。根据研究结论,在城市地下综合管廊燃气舱设计时通过改变燃气管廊分区前段、中段和末段的障碍物形状,降低障碍物对爆炸的影响,可以更准确地评估燃气入廊风险,完善燃气舱安全防护措施,降低燃气爆炸事故造成的影响。

利用瞬态面波运动学特征探测地下障碍物的研究与实践

城市工程物探中的面波勘探主要以多道瞬态面波的速度探测为主,在实际应用中常遇到地表条件复杂、作业时效要求高的情况,限制了该方法适用性。本文通过对瞬态面波传播机理的深入分析,全面总结了瞬态面波在运动学方面的特征,对如何运用这些特征开展地下障碍物快速探测提出了新的认识。在工程实践中,改进优化的探测技术与作业流程取得了显著的工程效果,切实提高了瞬态面波在城市地下障碍物探测的运用范围和时效。

基于改进SegNet网络的障碍物检测算法研究

为了提高自动驾驶车辆的多类障碍物检测的精度,提出一种改进的SegNet神经网络算法。该算法在SegNet网络的基础上结合残差网络和多尺度融合算法,提高分类的准确性。对网络训练策略进行改进,采用自设置对比度归一化算法、学习率调整算法和类平衡算法提高网络的鲁棒性和收敛速度。通过在不同场景下进行实验,结果表明,相较于SegNet神经网络,改进后的SegNet神经网络的像素平均精度(PPA)从85%提高至97%;平均交并比(MIOU)从76%提升至90%。

基于改进YOLOv5的无人机障碍物检测算法

无人机被广泛应用于救援、物流、巡检等场景,在飞行过程中及时检测障碍物是安全完成任务的前提保障。为了满足无人机飞行中对障碍物检测的要求,以YOLOv5算法为基础提出一种改进算法。使用卷积模块代替Focus模块并在原有网络结构中增加一个检测头,以提高检测性能;在特征提取网络中融合CA(coordinate attention)注意力机制以加强模型特征提取能力,降低背景干扰。实验结果表明,改进的算法相比原YOLOv5模型精确率提升了13.8%,召回率提升了12%,mAP@0.5提升了15.4%,mAP@0.5:0.95提升了10.2%,证明了改进算法的优越性。

基本ILS面在净空障碍物安全评估方法中的应用

为了应对我国机场净空破坏现象频发的问题,本文基于机场净空和城市发展的突出矛盾,提出了一种新的净空障碍物管理方法。传统的净空障碍物评估方法主要依靠障碍物限制面对机场超高建筑物和构筑物进行高度限制和处理。但实际运用中存在安全成本高昂但效益有限的问题。针对此问题,本文采用基本ILS面和障碍物限制面OLS相结合的方法,通过精密进近程序中飞机进近所需通过的最低安全曲线,全面评估障碍物的安全性。采用该方法可以具体了解障碍物的超高情况及其对当前飞行程序下运行安全的影响,避免了单纯依靠障碍物限制面的管理方法所带来的安全成本过高的问题,并为净空障碍物的进一步处理提供思路和参考。

基于射线和障碍物轮廓的移动机器人全局规划

针对全局路径规划算法A*存在的拐点多,路径质量差,在大型地图中搜索效率低的问题,提出了一种基于射线模型以及障碍物轮廓的规划算法。首先将规划过程分为偏置扩展和沿障碍物轮廓扩展两部分;其次在偏置扩展阶段使用射线模型进行快速扩展,在沿障碍物轮廓扩展阶段提出一种融合了栅格方向信息基于A*的搜索方法;接着,为了确保算法的可行性和性能提出了一种新的close表设置方式;最后,在Pycharm设置的仿真环境里进行实验对比,验证了所提算法的可行性和有效性。上述算法相较于A*具有更佳的搜索效率,路径质量也更好。

立体障碍物对瓦斯火焰传播规律的影响研究

为研究立体障碍物对管道瓦斯燃烧特性影响,改变阻塞比(0%、30%、40%、50%、60%、70%、80%和90%),通过高速摄影和压力传感器记录管道瓦斯火焰传播过程和火焰峰面压力-时程曲线,探究不同阻塞比管道瓦斯火焰传播规律。研究结果表明,管道火焰传播速度和锋面超压整体上随着传播距离增加而增大;火焰传播速度和锋面压力均随着阻塞比增加先增大再减少。

煤矿井下无人驾驶轨道电机车障碍物识别

针对现有煤矿井下无人驾驶轨道电机车因巷道环境恶劣导致障碍物识别精度低的问题,提出用于无人驾驶电机车障碍物精准实时检测的PDM-YOLO模型.基于YOLOv5,将模型C3模块中的传统卷积替换为部分卷积,构建C3_P特征提取模块,有效减少模型的浮点运算量(FLOPs)与计算延迟.采用改进后的解耦头,对传统YOLOv5的预测头进行解耦,提高模型的收敛速度及对障碍物的识别精度.优化Mosaic数据增强方法,丰富训练图像的特征信息,提高模型的普适性和鲁棒性.实验结果表明,PDM-YOLO模型在自制数据集上的平均检测精度(mAP)达到96.3%,平均检测速度达到109.2帧/s,PDM-YOLO模型在PASCAL VOC公共数据集上的检测精度高于现有主流的YOLO系列模型.

自动扶梯障碍物和防护挡板的旋转对称分析

本文用旋转对称法分析了自动扶梯在上行时和下行时遇到障碍物时所具有的一些对称现象,并提出自动扶梯下行时遇到垂直障碍物和自动扶梯上行时遇到水平障碍物在安全风险上具有的等效性,以及两者具有的反演对称性,提出了在自动扶梯下行方向上遇到的垂直障碍物处也应配置安全防护挡板。

基于改进YOLOv5s的田间移动障碍物检测

为实现无人农机在行驶过程中对田间移动型障碍物的实时检测,提出一种基于YOLOv5s的目标检测模型,用于检测田间行人和其他协同作业的农机设备。该目标检测模型以YOLOv5s模型为基础框架,进行了以下三点改进:第一,为了减少模型的参数量和计算复杂度,提高推理速度,将YOLOv5s网络模型中的卷积模块和C3模块替换为Ghost卷积和C3Ghost模块;第二,为了弥补模型参数量减少所造成的精度下降的损失,提升对目标的检测能力,在主干网络输出的特征层中引入CBAM注意力机制;第三,采用BiFPN特征金字塔结构,实现多尺度特征加权融合。实验结果表明,YOLOv5s模型的参数量为7.02×106,计算复杂度为15.8GB,平均检测精度为94%,生成权重文件大小为13.7MB,单幅图像的检测速度为71.43 f/s;改进后的模型参数量为4.04×106,下降了42.45%,计算复杂度缩减为8.5 GB,平均检测精度达到了93.2%,仅仅下降了0.8%,权重文件大小为8.1 MB,单幅图像的检测速度为77.52 f/s。以上数据证明,改进后的模型能够满足对田间移动型障碍物的实时检测,且更加易于部署到移动端设备。