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。

基于微分平坦的平行泊车路径规划

为提高泊车成功率,降低泊车路径规划耗时,提出基于微分平坦理论的平行泊车路径规划方法。泊车路径满足三类约束:为保证行驶安全,综合考虑可能碰撞情况,建立避障约束函数;为满足停放要求,建立了终点状态的约束函数;为保证路径可跟踪,建立了方向盘角度,转角速度和车速的约束函数。利用Matlab非线性约束优化函数求得路径参数。仿真结果表明:该方法鲁棒性强,对车辆初始位置和方位角要求不高,解决了必须从特定位姿开始泊车的问题,增加灵活性和成功率;对于一般泊车环境该方法能得到曲率和车速缓慢变化的轨迹,有效解决了中途停车转向的问题;规划的轨迹满足避撞约束、车辆自身的约束、泊车停放要求、方向盘转角和转角速度约束;基于微分平坦的路径规划方法,降低了计算复杂度,缩短了规划时间,提高了泊车成功率。