非结构化场景下的无人车轨迹规划研究

针对传统无人车轨迹规划算法在非结构化场景下存在实时性较低和轨迹平滑性较差等问题,提出了一种前后端分离的轨迹规划算法。该算法的前端路径搜索部分对Hybrid A*算法在控制空间进行搜索范围的剪枝且保留了车辆的运动学约束,并通过优化启发函数的计算方式,提高了图搜索的实时性。该算法的后端轨迹优化部分分为两个阶段:第一阶段设计了一个软约束非线性多目标优化器对路径进行局部优化,生成离散的轨迹位姿点和时间分配值;第二阶段基于五次样条曲线利用最小化Jerk的思想对离散位姿点进行平滑连接,提高了轨迹的平滑性。最后在室外停车场环境下对所提算法进行了实车测试,前端路径搜索和后端轨迹优化的实验结果表明该算法具有较高的实时性和轨迹平滑性。

基于道路拓扑结构约束的未知非结构化场景可通行区域检测方法

非结构化未知场景缺乏丰富的先验信息,且道路类型多变、没有规则道路边界等严重制约自动驾驶车辆自主导航的平顺性和安全性。本文针对非结构化场景提出一种考虑道路拓扑结构约束的可通行区域检测方法。首先,为满足全局任务规划需求,基于卫星航拍图像,半自动地提取道路的拓扑结构,构建全局路网,规划全局行驶轨迹;其次,根据全局轨迹和实时定位提取当前的行驶道路方向,作为道路可行使区域自适应生长的强约束条件,保障可通行区域的延伸方向与道路方向一致;最后,提出基于贝叶斯的激光雷达-视觉可通行区域融合方法,提升可通行区域检测的鲁棒性。实验结果表明,所提出的方法能够准确检测出可通行区域,检测失效率仅为0.2‰;在直线情况下,平均占比因子和平均发散因子为87.26%、41.91%;在弯道情况下,平均占比因子和平均发散因子73.62%和64.18%;证明了方法的有效性。

非结构化场景下移动机器人FastSLAM应用研究

FastSLAM算法是当前移动机器人自定位与自建地图领域中研究的热点和关键。系统论述FastSLAM关键技术及基本理论,并设计非结构化场景进行自定位与自建地图应用研究。首先,对贝叶斯滤波理论进行了概述,得到移动机器人SLAM问题的基本贝叶斯滤波递归形式;其次,应用Rao-Blackwellised理论将状态分解为采样部分和解析部分进行讨论,得到SLAM问题的解耦形式;再次,论述了算法中序贯和综合重采样粒子滤波器;最后给出FastSLAM伪算法的整体实现过程,给出在非结构化场景下仿真结果。仿真结果表明FastSLAM算法在非结构化场景下能够有效快速地实现自定位与地图创建,当取粒子数合适时,在快速性和精确性方面都能够达到理想效果。

非结构化场景下基于改进JPS算法的移动机器人路径规划

针对移动机器人在大范围非结构化场景下的路径规划问题,在改进跳点搜索(JPS)算法的基础上结合A^(*)搜索,提出一种基于分层栅格地图的Jump A^(*)(JA^(*))路径规划算法.该算法对三维点云地图进行栅格化分层处理,将环境信息划分为结构层与非结构层,并建立搜索策略切换规则,依据图层信息使用不同的搜索策略,从而有效减少计算量.为了验证JA^(*)算法的有效性,在图层比例不同的三维地图中进行仿真,仿真结果表明,JA^(*)算法相比于传统的A^(*)算法遍历节点更少,搜索效率更高;相比于双向A^(*)算法,具有更高的鲁棒性.最后将JA^(*)算法应用在公开数据集中,实验结果表明,JA^(*)算法能有效解决移动机器人在大范围非结构化场景下的路径规划问题.

半结构化场景下移动机器人视觉边线检测综述

面向机器人自主运动的视觉感知技术是实现机器人与环境交互的关键技术之一,边线作为保证机器人运动安全的一种视觉信息,具有广泛的研究价值,而半结构化场景为边线检测带来新的挑战.基于手工提取特征的检测方法在面对非城市环境或路面视觉信息不明显的复杂场景时并不能表现出鲁棒性,利用深度学习方法进行边线检测已成为一种主流趋势.鉴于此,针对半结构化场景下的移动机器人视觉边线检测研究进行综述,考察部分边线检测算法在半结构化场景下的应用前景与应用效果.首先,对常用的边线检测数据集进行整理,从采集场景、标注类型等角度分析当前数据集及研究的侧重点;其次,对不同的方法进行分类与总结,比较检测与数据处理过程;接着,对深度学习常用的评价指标进行整理,并对不同方法在面对不同场景时的检测效果进行比较和分析;最后,针对半结构化场景下边线检测所存在的问题,对基于深度学习的视觉边线检测方法的研究方向进行展望.

结构化场景重建中一种融合直线信息的平面拟合方法

结构化场景是三维重建中非常重要的一类场景.本文分析了结构化场景的特点,并针对该类场景下多视立体点云的平面拟合问题,提出了一种融合直线信息的改进PEaRL算法.本文方法首先利用三维直线模型和三维点云模型生成候选平面.直线信息的引入使候选平面的数量得以降低,同时其可靠性得以提升.然后,利用直线对点云的邻接关系进行约束,提高了平面相交处的平面拟合准确性.在能量优化过程中,本文方法对PEaRL算法所使用能量函数的平滑项和标记惩罚项进行了改进,以更好地适应多视立体点云的不规则性.在模拟数据和真实数据集上的对比实验表明,本文方法有较高的运行效率,且可获得比PEaRL等多模型拟合算法更可靠的平面拟合结果.

结构化道路场景的自动驾驶车辆轨迹规划与跟踪控制算法研究

自动驾驶技术的快速发展使得结构化道路场景的自动驾驶车辆轨迹规划与跟踪控制算法成为研究的热点。这项研究的目标是设计安全、高效和智能的轨迹规划和跟踪控制算法,以应对不同道路场景和交通状况的挑战。在轨迹规划方面,研究者致力于基于道路几何、交通规则和障碍物等信息生成平滑且符合驾驶习惯的车辆轨迹。跟踪控制算法的研究旨在实现车辆按照预定轨迹进行准确控制和稳定跟踪。未来的发展包括强化学习和深度学习的应用、多模态感知和融合、实时地图更新与共享、协同自动驾驶以及环境感知和预测的提升。这些发展将进一步推动自动驾驶技术的成熟和商业化,为未来的智能交通系统带来更高的安全性和效率。

结构化区域全卷积神经网络的钢轨扣件检测方法

现有的深度学习模型很难满足高速检测的实时性,针对性地提出了一种结构化区域全卷积神经网络(SR-FCN)。为了满足高速综合巡检车实时检测的要求,考虑到轨道图像中钢轨、扣件、轨道板等设施位置相对固定,其位置分布可以构成轨道场景特有的结构化特征,因此设定了结构化检测区域,将一幅图像中扣件小目标的检测转化为一整块具有固定结构的大目标区域检测,将扣件小目标的检测问题转化为结构化区域的定位问题,可加快网络的训练收敛速度,减少候选区域的生成个数,从而大幅提高检测速度。将铁路轨道的结构化先验信息融合到深度学习网络的各个过程中,有效提高了定位精度,保证了检测的鲁棒性。实验室离线分析和现场在线检测的结果表明,所提出的SR-FCN网络分别获得了99.99%和99.84%的检测精度,同时还保持了较快的检测速度,可以满足350 km/h的实时检测要求。

面向大跨度场景的全景深快速聚焦成像法

非结构化场景在特种行业中作用十分关键,保证其内表面健康检测对装置的安全运行至关重要。但其内表面景深跨度大,极易引起常规相机成像时的景深不足或景深误匹配,致使聚焦模糊,影响表面缺陷检测效果。因此,本文提出了基于极值搜索算法的聚焦跟踪曲线快速构造法,并实现了相机的快速高清成像。首先,建立了聚焦跟踪曲线的基本构造方法;其次,提出了极值搜索算法,简化曲线构造过程;最后,设计基于A/B标定板的单/多聚焦跟踪曲线构造方式,并分析其对成像清晰度的影响。结果表明,本算法在准确聚焦的同时,有效减少了图像采集次数且将聚焦速度提高了34.8%。基于多聚焦跟踪曲线的全景深成像,其图像客观评价指标均值提高了10.35%。可实现100~1 000 mm景深跨度下0.5 mm裂纹的清晰分辨。因此,该方法能为常规相机的非结构化场景中高清全景深成像提供解决方案。

动态三维场景重建研究综述

三维重建技术旨在通过传感器输入,恢复所观测场景的数字化三维表示,是计算机图形学与视觉领域的重要研究方向,在可视化、模拟、路线规划等各类任务上都有重要应用。相比于静态场景,动态场景额外引入了时间维度,对应的重建任务不仅需要重构每帧细节几何,还需刻画目标随着时间变化的趋势与关联关系用于下游分析任务,为重建算法设计带来了更大的挑战。然而,目前学界就动态场景重建的讨论依然仅处于起步阶段,且关于现有方法的系统性总结也较为欠缺。为了填补上述空缺、进一步启发算法设计,对学界当前最新的动态三维场景重建技术进行整理和归纳,对动态三维场景重建问题及其通用求解框架进行一般性的定义,从动态三维表示方式、优化框架方面对已有技术进行综述,并针对结构化的特殊场景讨论对应的重建方法与处理方式。最终,介绍相关数据集,并对动态三维场景重建现存的问题进行分析总结,对未来工作进行展望。

高速场景下的车道检测与跟踪研究

高速结构化场道路因场景相对简单,无行人识别任务,实际交通承载大,驾驶任务单一、枯燥,交通事故后果严重而被学术界和产业界誉为迫切实现商业化应用的自动驾驶场景之一。基于此,该文针对高速结构化场景下的车道检测和跟踪任务提出一种基于边缘像素采样和粒子滤波的车道检测与跟踪算法,并在MATLAB-CarSim联合仿真环境下验证所提出算法的有效性。

基于案例在线协作教学的医学教育人机混合智能设计研究

在当前智慧教育的推进过程中,研究人员正密切关注人机混合智能在协同教学中的应用,这一领域已成为教育研究的焦点。文章首先回顾了人机混合智能协同教学的理论基础,随后通过护理临床实训教学案例,展示了人机协作的案例设计、结构化场景设计以及人机交互的协同设计。通过采用“多模态大模型+小模型”的多模态人工智能场景,有效应对了临床工作任务中的碎片化、多样化和结构化问题。在这一过程中,学习者、教师和智能机器系统相互支持,共同分析临床教学大数据,作出合适的教学决策和实施,突破了个体智能的限制,形成了超个体智能行为、集体智慧和集体创造性思维。此外,还强调了培养学习者的临床思维技能和人机协同智能的重要性。文章进一步从课前智能诊学、课中协作督导、课后精准评学等方面详细阐述了人机协作教学的过程和评价。最后,提出了加强人机协同数据和技术的合理管控,教师需要提升智能化教学素养,并掌握人机混合智能协作应用的主动权的建议。

室外广域环境下移动机器人地形障碍检测及分析方法

近年来,移动机器人已广泛应用于应急救援、公共安防、巡检探测等多个领域。在机器人移动过程中,环境感知能力尤为重要,尤其在包含动态、未知以及复杂因素干扰的室外广域工作场景中,障碍物检测极大影响机器人的功能及效率。针对地面移动机器人在此类场景下对障碍物检测的研究进展进行了对比,并根据障碍物的特征对正、负障碍检测方法进行了分析;进而概述了信息融合和深度学习在当前领域的应用现状;最后,总结了障碍物检测领域的研究现状,并指出相关技术的探索方向。

基于FastSLAM的RoboCup家庭组机器人自定位方法研究

FastSLAM算法为机器人定位与地图构建开辟了新的研究方向,研究该理论在RoboCup家庭组机器人自定位系统上的应用。从贝叶斯滤波理论,Rao-Blackwellised解耦,粒子滤波器原理等方面论述了FastSLAM的关键技术及基本理论。针对家庭组机器人非结构化场景的特殊情况,提出基于FastSLAM的定位策略。仿真结果表明算法的有效性和鲁棒性,能够为家庭机器人在非结构化场景中的定位问题提供有效地解决方案。

面向无人车运动规划问题的VFH算法

为了解决路口等非结构化场景中无人驾驶车辆的运动规划问题,提出了一种改进型的矢量场直方图(Vector Field Histogram,VFH)算法。上述方法充分的考虑了车辆的动力学和运动学模型,使得依据上述方法规划的运动轨迹是可执行的和可到达的,一方面,因为考虑到了最小转弯半径,能够保证在新的活动区域中的所有状态点对车辆来讲都是可到达的;另一方面,改进的代价函数综合考虑了轨迹的安全性和平滑性,保证了最终规划的运动轨迹对执行机构来讲是可执行的,实验结果表明了上述算法的有效性。

基于拓扑高程模型的室外三维环境建模与路径规划

针对复杂室外场景,提出一种基于拓扑高程模型的三维环境建模方法.采用自适应可变阈值聚类算法,将映射到二维水平栅格中的激光点云划分为垂直单元和水平单元,可实现三维场景中悬空环境特征的有效表述.在此基础上对垂直单元进行高度离散采样,从而构建与其相对应的拓扑结构,并结合BOW(Bag of words)模型对室外三维环境中的典型景物进行辨识.采用面向拓扑结构和高程图单元的分级匹配策略,实现不同场景间的精确匹配,构建具有全局一致性的拓扑高程地图.利用辨识出来的环境特征和高程地图产生双重环境约束,实现与室外地形相适应的自主路径规划.实验结果和数据分析证明了本文环境建模与路径规划方法的有效性和实用性.

Comparison of China's Carbon Emission Scenarios in 2050

Several representative studies on China＇s carbon emission scenarios in 2050 are compared in scenario settings, methodologies, macro parameters, energy consumption and structure, carbon emissions, and carbon emission intensity. Under the baseline scenario of the present policy framework, the future energy structure will be optimized and carbon emission intensity will decrease continually. China＇s carbon emissions up to 2050 show a significant increase reaching between 11.9 Gt and 16.2 Gt CO2 in 2050. By strengthening a low carbon policy, the optimization of energy structure and the decline in carbon emission intensity will become more obvious within the comparative scenarios, which show a significant decrease in carbon emission until 2050 reaching only between 4.3 Gt and 9.5 Gt CO2 bv then.