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。

针对目前方法进行汽车制动主动控制时,存在控制时间长、丢包率高以及控制的误差大的问题,提出多传感器融合的自动驾驶汽车制动主动控制。该方法首先建立了数据的支撑裕矩阵,通过多传感器融合算法对汽车的传感器监测信息进行融合处理。依据融合后的信息设计控制器,使用自适应遗传算法优化控制器参数。最后将监测信息输入优化的控制器中实现汽车制动主动控制。仿真测试结果表明,运用该方法主动控制自动驾驶汽车进行制动的时间较短且丢包率较低。

图像融合是图像处理技术发展的一个重要内容,多源遥感图像融合作为图像融合领域的一个重要分支,已经成为遥感技术领域的研究热点。根据多源遥感图像融合技术的研究现状,简要概括了遥感图像融合的基本概念;从算法原理着手,研究分析了多源遥感图像常用的融合算法的优缺点,如IHS变换法、Brovey变换法、主成分分析法、小波变换法等;探讨了遥感图像融合中的各种评价指标;指出了遥感图像融合的发展方向,为以后相关研究提供参考和借鉴。

针对传统A*算法在复杂栅格地图规划的路径不平滑存在多余转折点和多余共线节点,使用传统八叉树搜索策略时,AGV易发生碰撞障碍物现象,在复杂环境中随机出现在全局路径上的障碍物无法实现动态避障等问题,提出一种改进A*算法。由于传统A*算法的搜索效率主要取决于估价函数的设计,因此引入启发式函数的权重系数提高A*算法的搜索效率;设置障碍物安全距离,为判断障碍物区域内当前障碍物是否影响AGV通行提供参考,再次改进原有八叉树搜索策略提升避障性能,然后对得到的无碰撞路径进行路径优化处理,保留关键转折点;最后实现A*和DWA算法融合,进一步优化路径,并实现全局动态路径规划。实验结果表明:融合算法使得路径更加平滑,提高了算法的避障性能,表明了融合算法在机器人路径规划中的可行性。

为了提高移动机器人点对点路径规划的性能，提出了均匀粒子群蚁群融合算法。首先分析了粒子群算法原理，找出了导致算法“早熟”的搜索机制缺陷，提出了均匀粒子群算法，此算法改进了粒子群算法的搜索机制，保证了在迭代过程中的粒子多样性，克服了算法“早熟”问题；介绍了蚂蚁系统和蚁群系统算法的区别，提出了均匀粒子群蚁群融合算法，首先使用均匀粒子群算法搜索次优路径，在此路径上撤播信息素，然后使用蚁群算法寻找最优路径。实验结果表明，融合算法规划出的路径最短，而且迭代效率高、容错能力强。