基于遗传算法和数学形态学的道路识别方法

随着将智能车辆适用环境拓展到乡村道路、荒漠、越野环境等非结构道路,机器视觉导航的难度进一步加大,成为当今人们研究的重点。文章针对智能车辆行驶的复杂道路环境提出一种新的道路检测与识别的算法。该算法采用了遗传算法对道路图像进行分割,并在此基础上对已分割图像进行数学形态学处理,然后利用canny算子进行道路边缘检测,最终得到准确清晰的道路边界信息。实验结果表明,该方法可以有效地分割出道路区域,对多种复杂路况具有良好的适应性。

基于激光雷达的移动机器人实时位姿估计算法

提出一种基于二维激光雷达的移动机器人实时位姿估计算法。该算法首先将环境数据聚类为不同的障碍物，然后利用障碍物的特征匹配来关联相邻2帧的障碍物，最后通过优化位置序列间的方向角实现机器人的位姿估计。与ICP（迭代最近点）算法对比验证表明：该算法与ICP具有相同数量级的位姿估计精度，且明显提高了计算效率。

遥测数据的丢帧分析与融合研究

遥测数据丢帧严重影响试验的有效性,在丢帧原因分析的基础上,归纳出明文数据和密文数据两种丢帧统计方法,并提出基于帧计数判断和帧时码判断两种数据融合策略。采用权系数融合算法对多流遥测数据的融合处理进行了研究,以提高数据的完整性和可靠性,在实际任务中,验证了融合方法的有效性。