基于激光雷达的无人驾驶障碍物检测和跟踪

针对激光雷达动态障碍物检测与跟踪过程中聚类适应性差、实时性低和跟踪准确度不高等问题，提出一种自适应的密度聚类算法和多特征数据关联方法，分别用于检测和跟踪. 首先，对激光雷达采集的点云进行路沿检测、感兴趣区域提取和地面分割等预处理，去除无关点云；然后，基于自适应的密度聚类算法对非地面的点云进行聚类，完成障碍物点云检测；最后，利用加权多特征数据关联算法结合卡尔曼滤波器实现对动态障碍物跟踪. 通过实验表明:本算法能够根据10 Hz的激光雷达数据实现对障碍物准确、稳定的检测和跟踪，且聚类时间缩短32%.      

基于特征数据分块自适应切片的空洞修补

针对常用的空洞修补方法在修复具有多种曲面类型的空洞时失效和所修复的曲面不光顺等缺点,提出基于特征数据分块自适应切片的空洞修补。首先,在考虑特征信息的情况下基于聚类对散乱点云进行分块;然后利用特征进行自适应切片,获得曲线并进行拟合;最后,在线上取点填充缺失的点云,最终对完整的点云模型进行曲面重构建立实体模型。试验结果表明,采用自适应切片法修补空洞能够保留特征,所填充的点云数据精度较高,能够满足后续建模的需要。此外对该方法填充的点云进行了曲面重构及光顺,结果令人满意。     

基于多源异构信息融合的智能汽车目标检测算法

针对智能汽车单一传感器环境感知的局限性,提出一种基于GPS、双目深度相机、16线激光雷达等多源信息融合的环境感知算法,解决单一传感器环境感知的局限性问题.算法在GPS时间同步基础上,将单一传感器标定后的数据作为改进联合标定算法输入,求解多源传感器最优空间变换矩阵.使用SVM分割点云及欧式聚类提取点云信息的几何特征,获取障碍物的位置信息;利用空间变换矩阵将障碍物点云信息变换到图像坐标系,并将3D点云映射为2D点云信息;融合基于深度学习算法求解的图像中障碍物位置信息与类别信息,实现目标检测.经KITT1数据集及实车测试验证,该算法准确率在78.13％～85.56％之间,每帧数据检测平均耗时0.16～0.19 s,在光照变化、目标遮挡环境下均能有效的进行目标检测,具有较好的工程应用前景.     

基于无人机激光点云数据改进的棱柱法土方量计算方法

传统的土方量计算方法存在精度不高、效率低等问题,而利用无人机激光点云数据可以有效地解决这些问题。新近开发的基于无人机激光点云数据,快速、准确地计算土方量的软件——Digital Map,以宜春至井冈山高速公路宜春三阳至新田段新建工程为例,使用无人机获取试验区的三维点云数据,使用Digital Map软件计算土方量。结果表明,采用改进的棱柱法计算得到的结果既高效又与已知的总体土方量信息更接近,即更精确;同时在数字地面模型(digital terrain model,DTM)的基础上,更准确地描述了自然地形信息。该方法使用设计面的DTM,因此不受场地高差限制,适用于大部分复杂、真实的施工现场;且快速、准确,对于会产生海量数据的无人机激光点云效果尤其明显。     

基于K近邻和法向精度的点云精简算法

针对传统点云简化算法在精简散乱点云数据时经常丢失过多特征点的不足,提出了基于K近邻和法向精度的点云精简算法.该算法首先对输入的散乱点云数据建立K近邻索引,并剔除集群点及离群点,从而完成点云数据的预处理,然后对预处理后的数据进行Delaunay三角化,并重构三角网格面,最后依据法向精度进行非特征点剔除.仿真实验表明,该算法既能较大程度地精简点云数据,又能较好地保持原有模型的基本特征.     

7自由度仿人机械臂工作空间求解的降密蒙特卡洛法

针对蒙特卡洛法和改进蒙特卡洛法在求解机械臂工作空间时存在精度不够准确和加密点云浪费的问题，提出一种降密蒙特卡洛法.首先，基于蒙特卡洛法中随机点分布不均的特性，对机械臂初始工作空间进行均匀加密，使空间的内部与边界区域分明；然后，采用扩展关节角度和循环加密随机点的方式，只对边界区域进行加密，达到降低工作空间随机点云密度的目的；同时，还研究了该方法中初始点云数量、各轴向分割体素数量、精度阈值、扩展关节角度和循环次数等参数对工作空间精度的影响；最后，通过仿真分析对降密蒙特卡洛法的有效性进行验证.结果表明：相比于蒙特卡洛法，降密蒙特卡洛法在工作空间平均误差率为0.022 42%时，总随机点云数量降幅为93.89%；相比于改进蒙特卡洛法，在循环次数为2次和4次时，降密蒙特卡洛法工作空间的平均误差率分别降低0.138 53%和0.113 29%，总随机点云数量降幅分别为44.83%和64.52%.     

基于四叉树孤立分割和屏幕误差的地形LOD算法

为解决静态和动态细节层次模型存在的数据冗余度大、精度判断标准单一和层次切换跳跃感强的问题,提出了基于四叉树孤立分割和屏幕误差的地形LOD(level of detail)算法.采用该算法,针对于规则格网,通过地形瓦片分割和数据预处理减少实时阶段计算量,利用四叉树孤立分割消除结点间依赖关系,并构建保守性屏幕误差评价标准以弱化视觉跳跃感,最后采用添加拆分点和高程平均值法消除相邻瓦片和结点间裂隙.实验结果表明:该算法能较好解决常规方法中存在的问题;可满足大规模地形实时三维显示的要求;实时显示计算量小,帧速可保持在0.03 s以内.      

基于激光雷达的锥桶检测算法

针对激光雷达手动提取特征进行锥桶检测难以解决实时性、准确率兼顾的问题,设计了一种多线激光雷达的锥桶检测算法。在点云预处理部分使用直通滤波减少点云数量,地面分割部分使用优化后的随机采样一致性(random sample consensus,RANSAC)算法进行地面分割,最后对欧式距离聚类结果进行后处理。试验结果表明:与传统的RANSAC地面分割和欧式距离聚类相比,提出的地面分割优化方法能够更快速、准确地将地面点剔除并达到实时性要求,欧式距离聚类后处理可将非锥桶障碍物剔除。     

优化端元提取方法的高光谱混合像元分解

高光谱图像的混合像元分解将原始图像分解为多种纯净地物及相应的丰度,端元提取是混合像元分解的关键技术. 针对传统算法计算速度慢、搜索范围较大的特点,基于改进的ICA （independent component analysis）算法以及优化的候选端元判断方法,提出了一种优化的混合像元分解方法. 首先使用改进的算法优化端元提取方法;然后利用相邻像素的光谱特征和空间特征信息,结合并行算法对候选端元进行优化;最后利用真实的高光谱数据对该方法的性能进行了验证. 验证结果表明:该方法能有效提高端元提取精度,降低复杂度,与经典的端元提取算法N-FINDER相比,准确度提高了3.55%,解混后得到的地物分类精度有了明显改善（总体分类精度提高了2.88%）.      

基于多光谱混合梯度的遥感影像分水岭分割方法

针对分水岭分割算法中的过分割问题,提出基于加权混合梯度的多光谱遥感影像分水岭分割方法.综合利用多光谱遥感影像各个波段的光谱信息,根据图像信息熵构建加权混合梯度.加权混合梯度图像形态学重建滤波之后,引入基于梯度图像区域极值中值的自适应极小值抑制技术对混合梯度图像进行修正,修正后的梯度图像运用分水岭变换,实现了多光谱遥感影像的分割.以QuickBird和Planet多光谱影像为实验数据验证了该方法,分割结果符合人类视觉感受,减小了过分割现象,为多光谱遥感影像分割提供了一种新的思路.     

基于均值平移和自适应预测的运动目标跟踪

针对运动目标跟踪算法不足之处,提出结合改进的均值平移与自适应预测的目标跟踪算法,基于Bhattacharyya系数值进行Kalman滤波器与粒子滤波器之间的切换.引入Kalman滤波器为Mean Shift算法估计初始点,在跟踪稳定的情况下进行模板更新,根据Kalman残差大小判定是否发生遮挡：部分遮挡情况下即结合Kalman滤波器实现对快速运动目标的实时跟踪;完全遮挡情况下结合均值平移和粒子滤波进行鲁棒跟踪.实验证明,改进的算法可以有效地提高跟踪算法的效率,并且能很好地解决遮挡问题.     

高分辨率遥感影像分割提取构筑物评估

面向对象的影像分析已成为针对高分辨率遥感影像信息提取和行业应用的一种先进方法．该方法的实用效果,基础和关键在于对影像中所关注地物目标的影像分割提取效果．针对高分辨率遥感影像地面杓筑物的提取,采用经验性符合统计比较法,把自动分割结果与人工分割提取的地面构筑物区域轮廓相对符合程度分为3个等级：良好、可以接受和不可接受,对当前应用广泛的两种多尺度影像分割方法进行了地面构筑物分割提取效果评估．     

点云数据配准算法的研究

点云配准是点云数据处理的关键,直接影响最后合成结果和模型精度。目前,点云配准方法普遍存在对配准数据初始位姿要求高的缺点。将点云配准分为两个阶段：第一阶段是基于同名点配准,即粗配准,采用人机交互式,配准过程耗时短,节约时间;第二阶段是精配准,在粗配准后,依据最小二乘原理,用间接平差思想,通过最近点迭代算法对点云数据快速配准,并采用目标点集中、目标点坐标与转入目标点集中的点坐标中误差为指标,评价配准精度。进行粗配准的精配准不仅速度快、耗时短,并且可以避免因局部收敛而带来的局部最小问题。试验表明该方法有效可行。     

Chinese to Braille translation based on Braille word segmentation using statistical model

Automatic translation of Chinese text to Chinese Braille is important for blind people in China to acquire information using computers or smart phones. In this paper, a novel scheme of Chinese-Braille translation is proposed. Under the scheme, a Braille word segmentation model based on statistical machine learning is trained on a Braille corpus, and Braille word segmentation is carried out using the statistical model directly without the stage of Chinese word segmentation. This method avoids establishing rules concerning syntactic and semantic information and uses statistical model to learn the rules stealthily and automatically. To further improve the performance, an algorithm of fusing the results of Chinese word segmentation and Braille word segmentation is also proposed. Our results show that the proposed method achieves accuracy of 92.81% for Braille word segmentation and considerably outperforms current approaches using the segmentation-merging scheme.     

IMAGE ANALYSIS BASED ON EDGE DETECTION TECHNIQUES

IntroductionEdges are pixels where brightness changesabruptly and often used in image analysis for find-ing region boundaries.It locates sharp changes inthe intensity function.Edges detection is basic im-age features.They carry useful information aboutobject boundaries.Edges can be used for object i-dentification,image analysis and image filteringapplications as well.We shall consider as an edgethe border between two homogeneous image re-gions having different illumination.This definitionimp…     

夜间复杂交通场景中的车辆检测和跟踪

为提高夜间车辆视频检测和跟踪的准确率,提出一种夜间车辆检测和跟踪算 法.本算法通过亮斑分割和连通组件匹配来检测和定位车辆前灯,并利用区域跟踪算法对 前灯进行跟踪以提高检测准确率.考虑到夜间行车时车辆前灯的显著特征,通过改进Otsu 方法以自适应地分割明亮区域,并根据前灯的几何形状、尺寸及位置信息滤除非车灯部 分的车辆信息.然后利用前灯的对称性进行前灯的配对和归类;最后采用区域跟踪算法对 前灯进行定位和跟踪.实验结果表明,本算法车辆检测平均准确率大于97%,处理速度比 已有方法提高15.8%以上.     

基于云模糊理论的图像纹理分割

为了处理图像纹理的模糊性和随机性,基于云模糊理论提出了纹理特征矢量云模型,并成功地应用于纹理图像分割.该方法在对纹理统计描述符模糊化处理后,逆向生成纹理特征矢量云.矢量云模型的数字特征能够很好地表达纹理的模糊性和随机性,据此通过云距离计算及纹理特征矢量云生长,完成对图像纹理的分割.实验结果表明,该方法较经典的ISODATA算法和K-means簇算法的分割精度高,并且迭代收敛速度快.