基于卫星图像匹配的巡检无人机地面三维目标自动定位方法

无人机降低飞行高度以节省时间或扩展航程,会导致航片相幅减小、预测与真实位置重叠不足。为此,文章研究了基于卫星图像匹配的巡检无人机地面三维目标自动定位方法。首先获取无人机相机姿态数据,为后续处理提供基础;然后转换三维目标信息,提取三维目标特征,深度分析无人机图像;最后利用卫星图像匹配特征实现定位,精准匹配无人机与卫星图像,实现自动定位。实验证明,该方法定位性能优于对比方法,具有较高的准确性和稳定性。

基于CNN和激光雷达融合的智能语音避障导盲眼镜的研究与设计

为了辅助视障人士的独立出行,本项目基于CNN(Convolutional Neural Networks)卷积神经网络,采用主控芯片K210、毫米波激光雷达、AI芯片ASRPRO、ATK-1218-BD北斗GPS双模高精度定位等模块与自主绘制的电路图,制作出智能语音避障导盲眼镜。产品能够有效识别出行过程中遇到的红绿灯、斑马线和道路障碍等路况信息,最终能够实现实时位置追踪、智能路径规划、人机语音交互导航,使得产品用户借助本产品提供的环境信息判断出行路线上是否有障碍物,提高用户出行的安全性与日常生活的成就感,使得导盲眼镜变得真正可需要化与人性化。

基于图像超分辨的巡检机器人运动路径自动追踪方法

复杂的场景可能使巡检机器人采集到的图像质量下降,导致机器人运动路径追踪时的精度下降。对此,提出基于图像超分辨的巡检机器人运动路径自动追踪方法。首先,通过图像超分辨技术提升运动图像质量,确保机器人在复杂环境下仍能清晰识别路径。然后,进行机器人运动路径配准,精确计算设备坐标系与基准坐标系间的平移和旋转关系。最后,利用模糊控制器进行机器人运动路径的动态追踪。结果表明,设计方法能够有效提升路径追踪精度,具有实用性。

基于卷积神经网络与ECG信息的多模态疲劳驾驶检测研究

为解决驾驶员疲劳驾驶引发的交通事故问题,本研究致力于设计一款高精度、及时预警的疲劳驾驶检测与预警装置。文章提出了一种基于卷积神经网络与ECG信息的多模态疲劳驾驶检测方法:首先,通过训练数据集获取模型文件,并将其与预设行为进行对比,得出预警结果;接着,结合ECG信号对驾驶员的驾驶状态进行进一步分析,输出最终结果并触发预警。实验结果表明,该方法能够准确识别驾驶员的疲劳状态并及时发出预警,最高检测正确率达到了99%,验证了方法的可行性。