结合Kmeans++聚类和颜色几何特征的火焰检测方法

随着社会经济的不断发展,大空间建筑逐渐步入人们的生活中,对大空间建筑的消防技术要求逐渐提高,火焰识别技术已成为近年来研究的热点。为实现单帧图像的火焰检测,本文首先提出了一种基于RGB和HSI颜色模型的混合判据,它既保留了RGB模型中的直观判据,又加入了HSI模型中对于饱和度判据,效果优于两者单独使用或单纯结合的情况;同时利用基于加权欧式距离的方法对图像进行特殊灰度化处理,通过Kmeans++颜色聚类,完成火焰图像的分割,获得最终感兴趣区域;提取该区域几何轮廓并利用不规则度和形态比例等几何判据,对待检测图像进行最终的识别。为评估所提出检测方法的性能,选取典型火焰图像和非火焰图像,在Visual Studio 2013环境下进行对比实验,通过对运行时间、提取偏差率和识别误报率等结果的分析,证明了所提方法的有效性和可实现性。本文所提出的方法具有良好的检测效果,能够保证火焰提取和识别的精度,同时兼顾实时性的要求,可以应用在实际的大空间消防项目中。

基于改进A-Star算法的AGV全局路径规划

针对智能仓储物流AGV全局路径规划,提出了改进的A-Star算法。该算法在原有估价函数的基础上,引入惩罚函数和奖励因子,以解决传统A-Star算法拐点多的问题,进而提升AGV的全局运输效率。为评估改进算法的有效性,文章基于Visual Studio设计了Windows应用开发程序进行仿真实验。实验结果表明,改进的A-Star算法可显著降低AGV的转弯次数,有效提高AGV的运输效率。