自动驾驶场景下的轨迹预测技术综述

轨迹预测是自动驾驶和智能交通领域的关键技术,对于车辆和移动行人轨迹的准确预测可提升自动驾驶系统对周围环境变化的感知能力,保障自动驾驶系统的安全性。数据驱动轨迹预测方法可捕捉智能体之间的交互特征,对场景内智能体历史运动和静态环境信息进行分析,准确预测智能体的未来轨迹。介绍轨迹预测的数学模型并将其分为传统轨迹预测方法和数据驱动轨迹预测方法2类,阐述主流数据驱动轨迹预测方法所面临的智能体交互建模、运动行为意图预测、轨迹多样性预测、场景内静态环境信息融合等4个主要挑战,从轨迹预测数据集使用、性能评价指标、模型特点等方面出发对典型数据驱动轨迹预测方法进行分析与对比,总结归纳这些典型数据驱动轨迹预测方法针对上述挑战的解决思路和应用场景,并对自动驾驶场景下轨迹预测技术的未来发展方向进行展望。

基于多目标快速探索随机树的移动机器人巡检路径优化方法

针对移动机器人需要访问多目标的巡检路径规划问题,该文提出一种多目标快速探索随机树路径优化方法。首先,根据提供的环境地图与巡检目标点,该文采用一种RRT-Connect-ACO算法得到目标点的巡检顺序和可行路径;然后,通过引入信息子集,对路径进行优化,得到最终的最优路径。实验结果表明,与现有的多目标路径规划算法相比,该方法考虑了地形的影响,得到的最优路径更符合实际情况。

助视3D显示技术概述

助视3D显示是指需要借助于3D眼镜等助视设备才能观看到3D图像的显示方式,它包括分色3D显示、偏振光3D显示和液晶快门3D显示。助视3D显示是目前最成熟的3D显示方式,近几年其相关技术及器件的性能得到了改进和提高。本文将介绍这三种助视3D显示技术。

基于视觉的投影-摄像机指尖触控系统

文章提出了一种基于视觉的投影交互方法,通过判断用户手指与其在屏幕上投射阴影的融合程度来检测投影屏幕上是否有触控事件发生。为提升系统的鲁棒性,在检测阶段,将手指与其阴影同时从相机图像中分割出来,进而采用一种线性模型判断方法来判定手指与其阴影的融合程度,如果判定触碰事件发生,则通过指尖位置检测来判断触控的具体位置。该方法不需要用户使用任何辅助工具,即可用手指在投影屏幕上直接与显示画面实现交互操作。