矿用无人驾驶车辆行人检测技术研究

矿用无人驾驶车辆的工作环境光照条件复杂,行人检测经常出现漏检现象,导致矿用无人驾驶车辆可靠性及安全性不足。针对巷道光照条件复杂的问题,提出了一种弱光图像增强算法:将弱光图像由RGB图像空间分解为HSV图像空间,通过Logarithm函数对亮度分量先进行光照,再通过双边滤波器去除噪声;采用形态学对饱和度分量进行闭操作,再通过高斯滤波器滤除噪声;将图像转换回RGB图像空间,通过半隐式ROF去噪模型对图像再次进行去噪,得到增强图像。针对行人检测存在漏检、精度低的问题,提出了一种基于改进YOLOv3的矿用无人驾驶车辆行人检测算法:采用密集连接块取代YOLOv3中的Residual连接,提高特征图利用率;采用Slim-neck结构优化YOLOv3的特征融合结构,使得特征图之间能够进行高效的信息融合,进一步提高对小目标行人的检测精度,并利用其内部特殊的轻量化卷积结构,提高检测速度;加入轻量级的卷积注意力模块(CBAM)增强算法对目标类别和位置的注意程度,提高行人检测精度。实验结果表明:(1)提出的弱光图像增强算法能够有效提高图像可见度,图像中行人的纹理更加清晰,并具有更好的噪声抑制效果。(2)基于增强后图像的矿用无人驾驶车辆行人检测算法的平均精度达95.68%,相较于基于改进YOLOv7和ByteTrack的煤矿关键岗位人员不安全行为识别算法、YOLOv5、YOLOv3算法分别提高了2.53%,6.42%,11.77%,且运行时间为29.31 ms。(3)基于增强后图像,YOLOv3和基于改进YOLOv7和ByteTrack的煤矿关键岗位人员不安全行为识别算法出现了漏检和误检的问题,而矿用无人驾驶车辆行人检测算法有效改善了该问题。

等顶隙收缩齿弧齿锥齿轮的参数化建模

通过对弧齿锥齿轮造型方法的分析,选取球坐标系下的球面渐开线方程和齿面曲线方程,在Pro/E环境下对等顶隙收缩齿弧齿锥齿轮进行了参数化建模。在建模过程中详细描述了相关变量的确定及空间曲线的建立,为模型的二次开发提供了依据。

动物-机器混合社群融合技术:进展述评

人们正在研发机器人,将其融入动物群,参与和协调动物群体自组织行为和决策过程,以达到控制动物群体的目的.这种由动物与机器人组成的混合社群,因其潜在应用前景而备受关注.但要成功地将机器人融入动物群面临诸多挑战,其中一个主要挑战是如何使机器人被动物群体接受并与之合作.围绕这个问题,本文从仿生机器人研发和引入动物群方式两个方面,综合评述了动物-机器混合社群的研发现状和发展趋势,指出因动物亲属识别能力,机器人外形的仿生设计很难使其被动物接受,提出未来应重视利用动物群个体间互动规则构建动物-机器混合社群,包括基于动物局部互动规则的自适应机器人研发和基于动物印记学习机制的机器人融入方式创新,以及为此需要努力解决的若干关键问题.