|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于主动式全景视觉的移动机器人障碍物检测显示文摘针对现有的移动机器人视觉系统计算资源消耗大、实时性能欠佳、检测范围受限等问题,提出一种基于主动式全景视觉传感器(AODVS)的移动机器人障碍物检测方法。首先,将单视点的全方位视觉传感器(ODVS)和由配置在1个平面上的4个红色线激光组合而成的面激光发生器进行集成,通过主动全景视觉对移动机器人周边障碍物进行检测;其次,移动机器人中的全景智能感知模块根据面激光发生器投射到周边障碍物上的激光信息,通过视觉处理方法解析出移动机器人周边障碍物的距离和方位等信息;最后,基于上述信息采用一种全方位避障策略,实现移动机器人的快速避障。实验结果表明,基于AODVS的障碍物检测方法能在实现快速高效避障的同时,降低对移动机器人的计算资源的要求。 | 汤一平 姜荣剑 林璐璐 | 2015 | 计算机科学2015，42，3： | 12 |
| 2 | 基于双多线激光雷达的非结构化环境负障碍感知技术显示文摘负障碍感知是非结构化环境下的难点问题,本文针对该问题提出一种新的基于双多线激光雷达(Light detection and ranging,Li DAR)的感知方法.采用分布嵌入式架构对双激光雷达数据进行同步采集与实时处理,将雷达点云映射到多尺度栅格,统计栅格的点云密度与相对高度等特征并标记,从点云数据提取负障碍几何特征,通过将栅格的统计特征与负障碍的几何特征做多特征关联找到关键特征点对,将特征点对聚类并过滤,识别出负障碍.方法不受地面平整度影响,已成功应用在无人驾驶车上.使用表明该方法具有较高的实时性和可靠性,在非结构化环境下具有良好的感知效果. | 蔡云飞 石庭敏 唐振民 | 2018 | 自动化学报2018，44，3： | 11 |
| 3 | 基于视觉的移动机器人可通行区域识别研究综述显示文摘实现实时准确的可通行区域识别,是户外环境下移动机器人导航的重要组成部分。对基于视觉的移动机器人可通行区域识别研究进行了综述,首先介绍了移动机器人视觉导航常用的视觉系统,并从障碍物检测、地形分类两个方面介绍了该问题研究的进展,最后对该领域的技术发展趋势进行了探讨。 | 朱效洲 李宇波 卢惠民 张辉 | 2012 | 计算机应用研究2012，29，6： | 8 |
| 4 | A Co-Point Mapping-Based Approach to Drivable Area Detection for Self-Driving Cars显示文摘 | Ziyi Liu Siyu Yu Nanning Zheng | 2018 | Engineering2018，4，4： | 5 |
| 5 | 凹障碍超宽带SAR图像特征分析显示文摘野外环境下的凹障碍感知一直是地面无人作战平台环境感知面临的难题,长期以来常规传感器,例如立体视觉、红外相机和激光雷达,都没有取得好的效果。超宽带合成孔径雷达作为一种全天时、全天候的高分辨率雷达,在目标感知方面得到了广泛的运用。基于超宽带合成孔径雷达感知凹障碍是一种有效的感知手段,阐述了凹障碍的雷达成像几何,利用MATLAB模拟仿真合成孔径雷达数据获得了凹障碍图像,分析得出了凹障碍在雷达图像表现出由阴影区和光亮区紧密相连的特征,并通过实测数据成像获得的凹障碍图像结果,对凹障碍雷达图像特征进行了进一步的验证。 | 蒋志彪 王建 宋千 周智敏 | 2017 | 国防科技大学学报2017，39，6： | 2 |
| 6 | 基于视觉特征的大范围地形感知显示文摘提出了一种基于视觉特征的移动机器人大范围地形感知方法.该方法采用由近及远的学习策略:首先,将获取的图像分割并进行尺度归一化,提取样本中反映颜色的色相特征和反映纹理的局部二值模式(LBP)特征作为描述子;其次,利用双目视觉将近景的一部分地形样本分为障碍与地面,将这些样本作为有标签的训练数据构建分类器分类未知样本;最后,基于后验概率定义可信度,对可疑的样本进行重分类,提高最终分类准确率.实验结果表明,该方法可以准确且稳定地实现大范围地形感知. | 张伟东 张伟 李振鹏 顾建军 | 2015 | 机器人2015，37，3： | 2 |
| 7 | Depth recovery for unstructured farmland road image using an improved SIFT algorithm显示文摘Road visual navigation relies on accurate road models.This study was aimed at proposing an improved scale-invariant feature transform(SIFT)algorithm for recovering depth information from farmland road images,which would provide a reliable path for visual navigation.The mean image of pixel value in five channels(R,G,B,S and V)were treated as the inspected image and the feature points of the inspected image were extracted by the Canny algorithm,for achieving precise location of the feature points and ensuring the uniformity and density of the feature points.The mean value of the pixels in 5×5 neighborhood around the feature point at an interval of 45ºin eight directions was then treated as the feature vector,and the differences of the feature vectors were calculated for preliminary matching of the left and right image feature points.In order to achieve the depth information of farmland road images,the energy method of feature points was used for eliminating the mismatched points.Experiments with a binocular stereo vision system were conducted and the results showed that the matching accuracy and time consuming for depth recovery when using the improved SIFT algorithm were 96.48%and 5.6 s,respectively,with the accuracy for depth recovery of-7.17%-2.97%in a certain sight distance.The mean uniformity,time consuming and matching accuracy for all the 60 images under various climates and road conditions were 50%-70%,5.0-6.5 s,and higher than 88%,respectively,indicating that performance for achieving the feature points(e.g.,uniformity,matching accuracy,and algorithm real-time)of the improved SIFT algorithm were superior to that of conventional SIFT algorithm.This study provides an important reference for navigation technology of agricultural equipment based on machine vision. | Lijian Yao Dong Hu Zidong Yang Haibin Li Mengbo Qian | 2019 | International Journal of Agricultural and Biological Engineering2019，12，4： | 1 |
您所在的机构暂未开通此部分的功能，请联系管理员