视觉图像与三维点云融合的障碍物主动识别与距离感知研究

针对无人机配电线自动巡检及绝缘层涂覆维护过程中障碍物主动识别和距离感知的问题,提出视觉图像与三维点云相结合的障碍物识别方法。对图像进行增广预处理来丰富数据集,引入基于特征提取的深度学习进行模型训练,获取障碍物目标的类别和方位,结合三维点云信息得到目标的距离信息。实验结果表明:三维点云与视觉图像融合的障碍物主动识别与距离感知算法可以兼顾实时与精准测距的需求,提高了系统预警的精确度,最大识别误差为2.356%,有助于提高无人机及线缆涂覆机器人的障碍感知能力,保障作业安全。

基于横向安全距离模型的主动避障算法

现有的安全距离模型是基于纵向相对车速或减速度值建立的,没有考虑移动目标的横向运动特性。本文利用移动目标横穿马路的速度、相对位置,建立横向安全距离模型,并提出一种基于横向安全距离模型的主动避障算法。首先,根据横向移动目标横穿马路的速度、相对位置和自车的制动距离建立横向安全距离模型,设计主动避障算法。接着,为计及路面条件对制动效果的影响,引入当前行驶路面估算的附着系数峰值估算最大制动减速度,约束目标避障减速度,并调整制动强度,以适应不同路况的安全避障行驶。最后,以典型横向移动目标骑行者作为研究对象,通过PreScan/Simulink/CarSim联合仿真验证避障算法的有效性。结果表明:基于横向安全距离模型的主动避障算法能有效避免与骑行者碰撞,提高行车的主动安全性。

智能手机多传感器融合的人体活动识别技术

为了解决人体活动识别类别和准确度的预测方法中对传感器类型因素和识别方法考虑不足的问题,利用智能手机集成的惯性传感器、磁力计、气压计等多模态传感器,提出了融合智能手机多模态传感器的人体活动识别方法,并采用Stacking融合传统随机森林、支持向量机、K最近邻和朴素贝叶斯算法,通过学习训练集数据形成优化的人体活动识别分类器.实验显示系统的准确率达到99.0%,同时系统的敏感度和特异性分别达到99.0%和99.8%,很好地区分了走路、上楼和下楼这3种比较相似的动作.与传统单传感器活动识别系统相比,本系统的准确率、平均敏感度和平均特异性均为最高,比支持向量机算法分别高出14.0%、11.4%和2.1%,比K最近邻算法分别高出3.4%、3.3%和2.0%,比随机森林算法分别高出1.8%、2.0%和0.6%.