基于视觉语义和点线融合的无人艇动态水面环境感知SLAM算法

无人艇在复杂水面环境下的自主导航能力是其完成养殖作业的基础,其在智能水产养殖中的发展前景巨大。视觉同时定位与地图构建(Simultaneouslocationandmapping,SLAM)技术可以提供实时的环境信息,是实现无人艇自主导航的关键。然而,水面环境是一种缺乏足够有效特征点的低纹理场景,且受水面波纹和反光影响存在大量动态无效特征点,导致视觉SLAM位姿的计算精度较差、性能严重下降。为此,提出了一种面向动态水面环境的基于视觉语义和点线融合的SLAM系统。首先,对ORB-SLAM3算法框架进行改进,增加语义分割线程,利用语义信息生成掩码消除水面无效特征点,以消除动态水面环境的干扰。其次,加入线特征来加强系统稳定性,提出了一种基于几何约束的线段匹配方法,提高水面线特征提取和跟踪的准确性,并利用点线特征融合提高数据关联的准确性,解决传统SLAM算法在水面低纹理场景中提取不足的问题。在USVInland数据集上的实验结果显示,与ORB-SLAM3和PL-SLAM算法相比,改进后算法的定位精度在直线航行中平均提高了44.74%和55.48%,在机动航行中最多提高了76.60%和70.15%,有效消除了水面干扰对位姿估计的影响,提升了视觉SLAM系统在水面低纹理场景中位姿估计的准确性和鲁棒性。

无缝线路钢轨爬行检测现状与展望

钢轨爬行检测是保障铁路安全运营的重要检测内容。本文调研钢轨爬行的管理规范要求和检测方法,阐述目前我国钢轨爬行检测过程中存在的主要问题,包括线路里程长、检测任务重、标记缺失、现场检测记录不准确等问题。钢轨爬行检测新技术研发势在必行,在新技术的应用研究中,机器视觉检测方法能够实现高精度(优于1 mm)、非接触式检测。搭载移动平台开发移动式智能钢轨爬行检测技术将替代人工巡检,成为未来主要的研究方向。结合信息化平台的数据收集、管理和分析,可实现线路状态全方位评估和预测,促进我国铁路智能化检测养护维修技术发展。

一种相机和激光雷达数据融合的目标检测算法

环境感知是无人驾驶汽车的重要研究内容,交通参与者(如汽车、行人、骑行者)是其重点检测的目标。为解决纯点云算法由于点云稀疏性在识别小目标(如行人、骑行者)精度较低的问题,综合激光雷达和图像在目标识别上的优点,提出一种基于多传感器融合的目标检测算法—PointPainting+。以PointPainting算法为基础框架,改进其中语义分割环节即加入条形池化,从而使算法对长条形物体有更好的识别能力。实验显示:改进后的算法相对于PointPillars基线算法,针对骑行者检测的平均精确度提高了9.14%,行人检测方面的平均精度提高了9.71%。检测速度能达到43 fps,满足实时性要求,有效改善了因点云稀疏性对行人、骑行者等远距离小目标检测不佳的问题。

动画场景设计中人工智能视觉技术应用的思辨与求索

梳理出目前人工智能视觉技术在动画场景设计中的优势、设计焦虑,分析设计焦虑产生的原因、提供设计焦虑的缓解办法,探究其未来发展方向。对人工智能视觉技术本身进行分析、对人工动画场景设计与人工智能视觉技术场景设计进行分析和数据对比、对目前技术焦虑热点进行梳理、结合法国思想家雷吉斯·德布雷在媒介学领域的研究解构技术焦虑。参照除人工智能视觉技术外其他视觉技术的发展史及目前人工智能视觉技术的发展趋势对问题进行研究。指出了一条人工智能视觉技术未来在动画场景设计中的发展道路。人工智能视觉技术在未来或许会成为动画场景设计的辅助工具,或在其对动画场景设计的渗透下衍生出新风格的动画场景。

机器视觉在纺织智能化中的应用

机器视觉作为一种新型、高科技、智能化的信息获取手段,在纺织行业得到了广泛的应用,在提高产品质量和效率、降低成本等方面发挥了重要作用。对机器视觉技术在纺织智能化中的应用展开研究,并对其在纺织企业生产过程中的应用趋势进行展望。

基于机器视觉的车载式智能巡查装备及系统研究

为解决人工公路巡查效率低、主观性强、数据更新慢以及巡查工作中存在较大安全隐患等问题,研发了一种基于机器视觉的车载式智能巡查装备及系统。以机动车作为搭载平台,采用双目工业相机进行高速公路路面风险源巡检,利用双目视觉结合POS模块标定,提高图像特征提取的精确性;采用Faster R-CNN模型引入FPN模块,提高算法检测能力;构建后端的风险源监测数据服务和辨识计算服务与前端的人机交互移动端软件,实现风险源采集、处理和交互。实际应用及巡查数据表明,该车载式智能巡查装备及系统显著提高了公路巡查的效率及精度,保障巡查人员的安全,具有较强的实用性及应用前景。

基于机器视觉的车道偏离警告系统研究综述

介绍了采用智能车辆道路系统对策的车道偏离避撞警告项目和近十几年来开发出的一些典型的基于视觉的车道偏离警告系统,并就这种系统所采用的警告标准进行了总结,最后对车道警告偏离系统研究的发展趋势进行了简述。

结构化道路中车道线的单目视觉检测方法

车道线实时检测是智能车辆视觉导航系统中的重要研究内容。提出了一种基于单目视觉的车道线实时检测方法。首先用Canny边缘检测方法对给定图像进行边缘检测。然后提出一种基于方向优先级的车道线搜索方法,分别对左右车道独立完成搜索,在增强车道线特征的同时削弱其他边缘特征。接下来用霍夫变换计算每条线段的直线度,过滤具有复杂纹理的边缘。最后利用图像的亮度信息及其变换识别出车道线。对提出方法进行了实验验证,结果显示提出方法定位准确,在PⅢ 933MHz的CPU上的处理速度平均达每秒13帧,能够满足车辆驾驶的安全性和实时性要求。

智能车辆机器视觉发展近况

简要回顾了机器视觉的早期发展 ,从简单的特定场合应用到模拟人眼的复杂系统设计 ,介绍了机器视觉产品在智能汽车上的应用情况 ,分析了世界各国在车用机器视觉技术领域研究开发情况以及未来发展趋势。

基于机器视觉的智能车辆导航综述

基于机器视觉的智能车辆导航是智能车辆系统的关键,包括道路检测和障碍物检测两部分。结合国内外最新研究动态,本文主要总结道路检测和障碍物检测中的典型方法,并列出国内外具有代表性的一些智能车辆系统,同时详细介绍当前最具代表性的、美国军方研制的DEMOⅢ系统;最后指出基于机器视觉的智能车辆导航技术的研究与发展趋势。

世界智能车辆行人检测技术综述

对世界智能车辆行人检测技术进行综述,重点介绍世界主要发达国家智能车辆行人检测技术的研究方法以及所采用的传感器,提出了智能车辆行人检测技术当前存在的一些问题,展望了今后的发展趋势。

基于机器视觉的智能车辆前方道路边界及车道标识识别方法综述

为了全面了解国内外在基于机器视觉的智能车辆前方道路边界及车道标识识别领域的研究进展,文章介绍了近年来一些典型的基于机器视觉的道路边界及车道标识识别系统,对基于机器视觉的前方道路边界及车道标识识别方法进行了分类,对各大类方法中采用的不同技术进行了阐述,然后对基于机器视觉与其他传感器融合的识别方法进行了总结,最后就该领域的研究难点及发展趋势进行了简要论述。

基于机器视觉的智能车辆障碍物检测方法研究

着重阐述基于机器视觉的前方车辆障碍物检测方法。首先根据公路上前方车辆的先验特征模型 ,建立障碍物探测的感兴趣区 ,以缩小搜索区域 ;随后提出一种新的对称变换算子 ,用于检测障碍物车辆的对称轴 ,并确定障碍物车辆的矩形轮廓。为进一步提高障碍物检测的实时性 ,采用递归模板匹配法对障碍物进行跟踪。

智能车辆的自主驾驶与辅助导航

本文综述了国外有关智能车辆（亦称轮式移动机器人）研究的某些最新进展．重点介绍了美国ＣＭＵ的Ｎａｖｌａｂ５系统，德国的ＶａＭｏＲｓ－Ｐ系统和法国的Ｐｅｕｇｅｏｔ系统的平台结构，分析了相应的视觉处理系统的主要特点，归纳了值得注意的研究动向和发展趋势。

路面车辆的视觉检测方法

智能车辆是近年来的研究热点,基于视觉的车辆检测与识别技术是智能车辆技术研究的一个重要组成部分。介绍国内外路面车辆检测技术的研究方法和发展现状。根据检测的不同方法,以视觉传感器为主,从特征和运动的角度论述目标检测的方法;从模板、外观和分类的角度论述目标识别的方法。介绍立体视觉和多传感器融合的技术。对智能车辆障碍物检测和识别技术的发展进行了展望。

基于启发式搜索的车道线识别算法研究

在车道边界识别中,边界点的提取是关键,常用的边界点提取方法因对噪声的抑制能力不强产生较多噪声点,从而影响识别效果。提出一种边界点启发式搜索算法,根据梯形匹配模型、车道线灰度变化特征和实际车道宽度约束,确定搜索的起始点,从起始点根据度量代价准则函数搜索车道边界点。采用直线道路模型结合Hough变换来拟合车道边界。实验表明,该算法实时性好、可靠性强、鲁棒性高。

基于视觉的前方车辆探测技术研究方法综述

对国内外关于车道上本车前方车辆检测方法进行了综述。根据探测车辆所采用的传感器不同,分别对采用单目视觉、双目视觉、视觉与其他传感器融合以及非视觉传感器的几种探测方法进行了比较与分析。同时,针对每种探测方法,进一步阐述了目前车辆识别的一些具体算法。最后,指出了每种方法存在的优点和一些不足。

基于视觉对抗色的交通标志检测方法

面向智能车辆的交通标志检测是国内外研究的热点。在复杂的交通环境下,采用传统颜色空间的方法鲁棒性差,算法效率低,难以准确有效地检测出交通标志。鉴于人类视觉特点和视神经信号处理机制,提出一种基于视觉对抗色的方法。首先,将图像在不同的对抗色空间进行高斯金字塔分解;然后,采用中央周边差算法,增强交通标志的颜色特征;最后,对二值化图像进行水平方向和竖直方向的投影,统计显著信息区域,标记交通标志的位置。通过编程实现和实验验证,检测准确率和实时性满足实际要求,为交通标志语义理解提供有效的数据。

基于多信息检测的车辆智能防撞预警技术研究

运用多源信息检测技术对驾驶状态进行综合检测,利用架设在车辆外部的摄像机获取本车与前方车辆之间的相对距离、相对速度信息,利用架设在车辆内部的摄像机获取驾驶人状态信息,通过综合判断降低车辆防撞检测的漏警率、误警率以及冗余报警率;构建车辆行驶安全判定规则,对行车实时危险和潜在危险进行检测、分析与判断,获取可靠的防撞警示提醒;使反应时间、相对距离、相对速度3个方面都能得到优化控制,从而避免车辆碰撞事故;同时也为提高车速、增加道路通行能力、实现自动驾驶等奠定良好的基础。

农业车辆自动导航系统综述

农业车辆的自动控制系统是车辆导航系统的重要组成部分。为此,主要介绍了国内外农业车辆自动导航系统的发展现状,概述了环境感知、路径规划、车辆模型的建立与控制方法等车辆导航的主要研究内容,并对其关键问题进行了分析总结,旨在对农业车辆自动导航系统实际的研究、开发提供了新的思路与建议。