基于雷达散射截面的汽车前方障碍物分类识别

识别汽车前方障碍物是汽车防撞技术的关键,仅对前方目标做距离或速度的检测会造成对目标的误判,影响报警系统的可靠性.为了识别不同的障碍物,研究了基于雷达散射截面(RCS)的汽车前方障碍物分类识别的方法.通过分析目标本身的物理特性及其RCS序列的统计特性,并对所得RCS序列进行梅林变换,提取有效特征,实现车前障碍物分类识别.将障碍物分为小轿车、大客车和行人3类,仿真验证了这种新方法的可行性.

基于贝叶斯分类器的车载多类障碍物分类

文中基于朴素贝叶斯原理实现车载多障碍物的分类,对行人、车辆、骑自行车/摩托者等多类障碍物实现分类。贝叶斯分类器基于数学理论基础综合先验信息和数据样本信息,用于载多障碍物分类效果较好。从图片中目标区域进行特征提取,主要提取目标区域对称性,轮廓直线度,长宽比。利用贝叶斯分类器进行分类,实验结果表明,贝叶斯分类器能有效实现车载多类障碍物分类。

基于棒状像素的前景障碍物识别算法

障碍物分类是智能交通应用的核心功能。本文提出了一种探测和识别道路场景下车辆与行人的算法。首先,建立棒状像素(Stixel)并由图像坐标转换至世界坐标,投影生成鸟瞰图;然后,借助聚类算法,得到原图像中待识别区域;之后,提取灰度稠密尺度不变特征变换(gray-DSIFT)特征并利用费歇尔向量(FV)编码;最后,选用随机森林(RF)分类器区分前向车辆与行人。实验结果表明:提出的方法能够有效地区分前景障碍物中出车辆与行人,提高了前期探测障碍物的效率。

智能车多类障碍物贝叶斯网络分类方法

本文提出了一种用于智能车,基于贝叶斯网络分类模型的道路多类型障碍物分类方法.以立体视觉方法获取的目标的三维尺寸为特征,采用预设经验的NPC算法训练产生优化的网络结构,通过EM算法训练产生离散节点的条件概率表和连续节点的条件概率分布,产生贝叶斯网络分类模型.将检测到的道路目标分成行人、骑行者、小汽车、小货车、卡车五类.用公共图像数据库KITTI对本方法进行测试,实验结果表明本文所提方法优于现有同类工作.

一种基于多普勒特征的障碍物检测方法

目前无人地面车进行地形障碍物检测主要依靠以激光雷达为主的多种传感器,而对利用毫米波雷达进行检测的方法研究较少。文中介绍了采用毫米波雷达进行障碍物检测的总体思路和雷达参数的选择;描述了多普勒频移与障碍物高度的关系;分析了平坦地面、凸出障碍物和壕沟的高度像特征,并在此基础上提出一种利用多普勒特征估算障碍物高度以及对障碍物进行分类的方法。仿真结果表明,只要雷达满足频率分辨力的要求,文中算法具有良好的可行性。

牛舍清洁机器人结构设计与避障设计

对牛舍清洁机器人的结构与避障设计进行分析与研究,并针对清洁机器人在完成清洁任务的过程中遭遇障碍物及运行路径的全覆盖问题,对清洁机器人的运动机构与外形结构进行分析。同时,对清洁机器人重要设备如电机、电池及控制器等进行选型,通过对各障碍物进行分类识别,并结合迂回式路径规划算法和靠墙或牛栏等障碍物的避障策略,实现清洁机器人对牛舍的全方位清扫工作。实践证明:在基于障碍物分类识别的迂回式避障策略设计与靠墙或牛栏障碍物避障策略设计,在清洁机器人发展历程中起着关键性的作用。

面向智轨电车的激光雷达道路入侵物检测技术研究

为了保证智轨电车的运行安全,提高道路入侵物识别的高效性和鲁棒性,文章提出一种基于多激光雷达的道路入侵物检测技术。其利用ROS框架对多个雷达数据进行采集、融合,用于获得无重叠区域的低复杂度点云数据;采用Ground Plane Fitting算法,通过多关键点迭代多次生成模型来对点云数据进行去噪处理,返回低噪、易分割的点云数据;采用Scan Line Run算法,结合点云数据3D结构特点,从上而下进行无重复性的标签化处理,返回道路入侵物的位置、大小、点数等信息;将几种常见的道路入侵物进行特征提取并训练,基于之前标签化的入侵物进行分类处理。实验结果表明,该方法在实车运行中识别、分类均具有良好的鲁棒性和准确性。