基于神经元的多传感器数据级融合研究

在不知道先验知识的条件下,从含有观测噪声的多传感器测量数据中估计出方均误差最小的数据融合值,并作为神经元融合系统训练样本,因而解决了多传感器测量系统数据级融合的标定问题。研究结果表明,融合数据在精度、容错性以及动态响应方面均优于单传感器测量。

基于激光雷达和摄像头的FSAC赛车锥桶感知算法研究

针对赛场环境下无人驾驶方程式赛车感知系统中锥桶检测准确率较低的问题,提出了一种基于激光雷达和摄像头标定融合的锥桶检测算法。首先,对激光雷达采集的点云进行滤波、地平面滤除、欧式聚类,得到感兴趣区域内锥桶的空间位置信息;其次,通过标定后得到的摄像头的内外参矩阵将锥桶空间位置信息投影到像素平面内,并在HSV颜色空间下对锥桶空间位置周围一定区域内H通道的像素点进行颜色判断,从而获得锥桶的颜色信息;最后,将得到的锥桶颜色信息附加在锥桶的空间位置上以实现信息融合,在校园内模仿赛场环境进行实验验证。结果表明,标定融合算法能够满足赛场上不同项目的比赛要求,避免了使用单一传感器算法时出现对锥桶漏检误检的情况。因此,标定融合算法可实现对锥桶的有效检测,丰富了检测目标的信息,提高了检测锥桶的准确性,为方程式大赛中使用传感器融合进行锥桶检测提供了参考。

Information fusion based on addition of unascertained rational numbers for recognization of spatial point targets

A new uncertain information model, i.e. unascertainment, which is different from randomness,fuzziness and grayness, has been introduced into information fusion to give a reasoning method,which is basedon addition of unascertained rational number and can be used to recognize spatial point targets. The validity ofthe method proposed is verified through an example.