基于改进DeepLabv3+的光伏电站道路识别方法

针对移动清洁机器人在光伏电站作业时需要精确快速识别道路的问题,提出一种改进的DeepLabv3+目标识别模型对光伏电站道路进行识别.首先,将原DeepLabv3+模型的主干网络替换为优化的MobileNetv2网络以降低模型复杂度;其次,采用异感受野融合和空洞深度可分离卷积结合的策略改进空洞空间金字塔池化(ASPP)结构,提高ASPP的信息利用率和模型训练效率;最后,引入注意力机制,提升模型识别精度.结果表明,改进后模型的平均像素准确率为98.06%,平均交并比为95.92%,相比于DeepLabv3+基础模型分别提高了1.79个百分点、2.44个百分点,且高于SegNet、UNet模型.同时,改进后的模型参数量小,实时性好,能够更好地实现光伏电站移动清洁机器人的道路识别.

考虑道路识别的四驱电动汽车再生制动策略

为了充分利用路面附着条件分配再生制动力,提高制动能量回收率,根据双电动机四驱结构电动汽车复合制动系统的特点,对其制动能量回收控制策略进行了研究.分析了驱动轮与地面附着特性,设计了道路识别器来计算每个轮胎与当前路面之间的峰值附着系数,并使用模糊控制策略确定每个车轮与8种道路的滑移率和附着利用率的相似输入.根据双电动机外部特性的制动力分配关系,提出了使更多制动能量回馈给电池的策略.结果表明:制动强度为0.3时,能量回收率为65.55%,具有较高的回收效率.

基于改进DeepLabv3+与SE注意力机制融合的非结构化道路识别方法

针对露天矿非结构化道路信息无法有效提取或提取精度不高的问题,提出一种基于改进DeepLabv3+网络融合SE注意力机制的露天矿道路识别方法,使用不同采样率的空洞卷积并行采样获取目标图像的高级特征。引入SE注意力模块对采样获取的高级特征和骨干网络提取的低级特征进行特征权衡,以区分不同特征的重要性,提高融合后特征信息的准确性。试验证明,该网络在矿山道路识别中优于其他算法,各项道路识别评价指标均得到提高,可有效识别非结构化的露天矿山道路。

基于ResNet网络层数的露天矿道路识别效果研究

为实现深度学习图像处理技术快速获取露天矿山路网信息,搭建了Deeplabv3+与PSPNet 2种典型网络模型框架,选取不同层数的ResNet为骨干网络构建起露天矿道路信息提取模型,通过框架模型横向对比和同框架下不同层数的ResNet纵向对比,研究了模型识别精度和速度与ResNet层数间的最优分配问题。结果表明:综合考虑模型训练时长与识别效果的前提下,Deeplabv3+网络框架对于图像边缘区域的识别存在道路信息丢失、无法识别或误差较大的问题,不宜应用于露天矿山道路信息的图像处理;PSPNet网络框架能够准确识别复杂矿区环境中的多类不同特征的道路,且骨干网络ResNet的层数保持在50层即可满足识别精度的同时保证识别速度与效率。

遥感影像技术应用于农村道路识别的方法比较研究

随着摄影测量与遥感技术快速发展,高分辨率遥感影像已经成为一种获取基础地理信息数据的重要手段,在农村道路识别中展现出巨大的潜力。文章运用高分辨率遥感影像技术,结合语义分割方法,有效实现了在复杂地表环境中的农村道路精准识别,并在此基础上深入比较了FCN-8s与U-Net两种模型的性能。通过Google地图获取的广泛地貌农村道路遥感影像,经Labelme精细标注与预处理,构建了专用数据集。采用8∶2的训练验证比例,对两种模型进行迭代训练与即时验证,依据农村道路与背景地物的空间关系,采用交叉熵损失值及均交并比mIo U作为核心评价指标。结果显示,U-Net模型展现出显著优势,mIo U高达92.90%,较FCN(90.37%)提升2.53个百分点,表明U-Net以其卓越的稳定性与识别精度,在农村道路遥感影像识别任务中表现更佳。

基于SOPC的智能车辆道路识别与跟踪

对基于PC的道路识别系统进行改进,利用SOPC技术在以单片FPGA芯片为核心的硬件平台上,完成了包括3×3窗口模块、改进的快速中值滤波、基于自适应阈值的Sobel边缘检测和Hough变换等图像预处理功能。通过μC/OS-II嵌入式实时操作系统来调度系统初始化、数据接收、道路识别、车辆控制和状态监控等任务,保证了视频导航的实时性要求。静态道路图像识别和实际道路行驶测试表明,该系统在一定干扰的情况下,成功实现了视频导航功能,具有较强的道路识别跟踪能力,且在速度、价格、灵活性上有很大的优势。

多层感知器自监督在线学习非结构化道路识别

针对智能车辆非结构化道路识别中存在的环境自适应性和在线学习算法实时性问题,提出了一种结合多线程技术和多层感知器自监督在线学习技术的道路识别算法.通过识别结果在线自动更新训练集,并利用评估函数判断是否触发重训分类器,确保当前分类器对行驶道路环境的有效识别.同时,算法中道路图像采集、分类器训练、训练集更新、分类器识别等计算操作分别在各自线程中实现,利用信号量对数据流进行同步互斥,优化计算资源,充分利用了多层感知器分类计算快的特点,并克服其训练耗时问题.实际道路检测实验结果表明,算法具有较好的自适应性及实时性,能够满足智能车辆非结构化道路导航需求.

基于主元神经网络和K-均值的道路识别算法

为了提高道路识别算法的鲁棒性和自适应性,提出了基于局部统计特征和主元分析的道路识别算法.该方法用广义Hebb学习规则训练主元神经网络权值,然后将局部统计特征和图像像素值输入主元神经网络得到图像特征矢量,最后用K 均值分类器对该矢量进行分类,通过参考区域识别道路.仿真结果表明,该算法对于光照变化剧烈和阴影遮挡的道路图片均有较好的识别效果,以及较好的鲁棒性和自适应性.

基于运动模型的道路识别与跟踪算法的研究

自主驾驶与辅助导航是目前国际上研究的热点问题 .通过对室外行驶车辆上的 CCD摄像机所采集的长序列立体图象的处理与分析 ,研究公路汽车自动视觉导航中的道路识别与跟踪问题 .该文提出一种基于长序列立体图象处理的三维运动参数估计算法 ,算法的核心是采用了能有效抑制噪声的边缘检测模板 ,建立了车辆行驶过程中的道路曲率动态模型、车自身的运动模型和摄像机的透视投影模型 ,并通过卡尔曼滤波器进行三维运动参数的估计 .算法具有快速、鲁棒性好及实用性强的优点 .文章还给出了在室外环境下拍摄的真实图象的实验结果 .实验证明 ,此方法取得令人满意的道路识别与跟踪结果 。

弯曲道路识别方法与目标函数选取的研究

首先对道路图像进行中值滤波、边缘增强和二值化处理获得道路二值图像。将图像等分为5×5像素的子块图像,建立抛物线模型,计算抛物线通过区域各子块灰度均值及子块间灰度方差,并以此作为图像特征构造合理的目标函数,运用蚁群算法优化抛物线参数,识别道路边缘。该目标函数既用于评价拟合程度,又用于决定算法中信息素增量。实验证明该方法具有良好的实时性、可靠性和鲁棒性。

汽车ABS制动过程的道路识别

汽车ABS控制的效果与道路识别有着重要关系,在制动过程中实时对各轮胎所附着道路的附着系数进行识别,可及时地调整制动力,提高道路的附着利用率和制动效能,使汽车ABS控制更加合理.文中通过试验获得了ABS制动过程轮缸的可等效压力函数,由储气缸压力和轮缸压力控制阀开关信号的时间历程,推导出各轮的滑移率,进而得出附着系数,实现了道路识别.道路试验检测验证了该方法的可行性.

基于非同质性特征和样条模型的道路识别算法

为了解决道路图像中光照变化、阴影遮挡、噪声、道路边界或标志线不连续等因素导致道路识别方法鲁棒性较差的问题,提出基于图像非同质性特征和几何模型的道路识别算法.该方法将计算得到的图像局部方差与不连续性特征进行融合获得图像的非同质性特征,并利用比例直方图法得到的阈值自适应地对上述结果二值化,然后用鲁棒M估计器估计样条拟合的最优控制点,进而用3点Catmull Rom样条拟合道路边界.仿真实验表明,所提算法具有较好的鲁棒性和自适应性.实地测试结果表明:在存在有少量局部阴影和道路标志线断续的情况下,正确识别率可达到95%以上.

基于PCA-SVM准则改进区域生长的非结构化道路识别

针对智能车辆在非结构化道路识别中需要采用众多的特征参数,增加了特征融合识别难度与计算复杂度,并且部分背景与道路区域存在相似性会产生道路识别的误分、误判的问题,提出了一种基于主成分分析的支持向量机(PCA-SVM)准则改进区域生长的非结构化道路识别算法。首先,对非结构化道路颜色、纹理等复杂特征信息进行提取,采用PCA对提取的特征信息进行降维;然后,利用降维后的主元特征对SVM进行训练后作为复杂道路单元格的分类器。利用道路位置、起始单元格等先验知识以及道路边界单元格统计特征改进区域生长方法,在单元格生长时利用分类器判别,排除误判区域。实际道路检测结果表明,所提算法具有较好的鲁棒性,能够有效识别非结构化路面区域。对比结果表明,所提算法在保证准确率的同时,将10余维复杂特征信息压缩为3维主元特征,相比传统算法可缩短计算时间一半以上。针对背景与道路相似区域造成的传统算法10%左右的误判问题,所提算法能够有效排除。在野外环境下基于视觉的局部路径规划与导航方面,所提算法为缩短识别时间、排除背景干扰提供了可行途径。

道路识别系统中的边缘方法及其实时实现

本文提出了一种道路识别系统中基于边缘的快速算法，并给出了其实时实现的方法。我们在分析了Canny算法的优点和不足基础上，结合道路识别的特点，提出一种适合于硬件实现的快速边缘检测算法。最后实时实现了上还算法，其中算法的底层采用基于FPGA芯片的硬件实现。文中还简要讨论了系统中基于区域的算法和两种算法的融合。

红外图像中的道路识别与表示

对机器人视觉导航而言,道路识别和表示是一个非常重要的环节,它直接影响到后续的路径规划。该文针对红外道路图像,提出了基于区域方法的一套处理方案,该方法首先通过分割获得道路区域,利用链码跟踪获取道路边缘的链码。采用了一种通用的道路模型,然后基于链码以及该道路模型,设计了一种有效的道路边界拟合方法。在拟合过程中,首先依据一定的准则把链码分为两段,对于每一段再递归执行该分段过程,直到不能分为止,然后用分段直线去描述道路边界。该拟合算法可以有效地处理直道和非直道的情况。文中给出了相关的实验结果。

基于语义分割的山地果茶园道路识别技术研究

针对果、茶园规模不断扩张并逐渐向智能农业机械化发展的趋势以及常用道路语义分割数据集缺少果、茶园道路场景等问题,将语义分割技术应用到部分果、茶园道路中,以实现对果、茶园道路的像素级分割。以道路、人和车为分类对象,建立果、茶园道路场景图像数据集(包括6032张图像),将数据集按照9∶1比例随机划分为训练集(5429张图像)和测试集(603张图像)。以PSPNet(pyramid scene parsing network,金字塔场景解析网络)分割模型为基础进行优化,构建MS-PSPNet语义分割模型;训练结果显示,MS-PSPNet模型的MIoU(mean intersection over union,平均交并比)为83.41%,FPS(frames per second,每秒传输帧数)为22.31。将MS-PSPNet模型应用在果、茶园不同道路条件和光照强度下进行现场试验,并进行准确度评估,结果显示,MS-PSPNet模型类别MPA(mean pixel accuracy),像素准确率均超过92%,MIoU在除非硬化道路条件情况均超过91%,表明MS-PSPNet模型在果、茶园道路识别中具有较好的有效性和适用性。

顾及形态特征和语义信息的双线道路识别方法

双线道路识别与提取是城市路网综合的关键。提出了一种城市双线道路提取的方法。在构建好的道路网眼的基础上,综合考虑双线道路网眼形态特征以及构成网眼路段之间的语义相似度,设计了识别双线道路网眼的综合指标。通过判断网眼综合指标确定最终的双线道路网眼,最后根据识别出的双线道路网眼提取出双线道路。实验表明,该方法能有效提取出城市道路数据中的双线道路。

多层感知器自监督在线修正的道路识别算法

为解决自主移动机器人非结构化道路识别检测准确性、鲁棒性及实时性的问题,提出一种基于感兴趣区域(Region of Interest,ROI)与多层感知器(Multi-Layer Perceptron,MLP)为核心的自监督在线修正算法.首先,通过ROI算法规定被处理图像的有效计算区域;其次,利用多层感知器对样本数据进行训练,将感兴趣区域按相应特征实现分类处理,并对分类区域进行形态学处理及特征提取处理,筛选出有效的行驶区域;最后,通过自监督在线修正算法替换错误处理结果,进一步保障道路分类识别的准确性.实验结果表明,改进算法能准确地识别出环境中的道路区域,具有良好的实时性与可靠性.

关于视觉的AGV道路识别和导引系统设计研究

在我们日常的生产过程中通过采用AGV系统能够有效的提高生产效率,大幅度的减少了人力的成本问题。随着当代计算机技术以及传感器技术的不断创新和发展,视觉导航技术也取得了显著的发展成果,俨然成为了当今社会关注和研究的焦点。各种各样基于视觉导引技术的智能化车辆也随之出现,AGV系统的发展也从传统的物料搬运扩展到更多的应用领域。通过分析当前研究开发的焦点部分,研究基于视觉的AGV道路识别和导引系统的设计,希望能实现一个高效、稳定可靠的AGV系统,仅供参考。

一种道路识别算法的硬件设计与实现

车辆视觉导航算法的硬件实现具有实际意义,是目前的研究热点之一;为克服传统算法硬件设计实现比较复杂、调试困难、对设计人员要求较高等缺点,对基于高级语言的复杂算法硬件设计实现方法进行了研究;分析了基于Handel-C语言的道路识别算法FPGA硬件设计与实现过程,并进行了实验验证;实验结果表明,和目前采用的VHDL语言等设计方法相比,该方法具有设计灵活, 开发周期短、资源利用合理等优点,同时易于软硬件协同设计。