【摘 要】
：
动态避障是机器人实现自主移动、安全行走的关键，面对复杂多变的室内场景，机器人需要能够及时检测到障碍物并动态规划安全的行走路线。本文利用RGB-D深度相机和IMU单元建立机器人环境感知系统，为机器人提供三维视觉和姿态角度等多模态信息。首先构建基于YOLOv4改进的目标检测模型，通过YOLOv4-M目标检测算法对彩色图像中的障碍物进行识别；将彩色图与深度图对齐，获取障碍物的尺寸信息以及机器人与障碍物的
论文部分内容阅读
动态避障是机器人实现自主移动、安全行走的关键，面对复杂多变的室内场景，机器人需要能够及时检测到障碍物并动态规划安全的行走路线。本文利用RGB-D深度相机和IMU单元建立机器人环境感知系统，为机器人提供三维视觉和姿态角度等多模态信息。首先构建基于YOLOv4改进的目标检测模型，通过YOLOv4-M目标检测算法对彩色图像中的障碍物进行识别；将彩色图与深度图对齐，获取障碍物的尺寸信息以及机器人与障碍物的空间距离；根据机器人的实时姿态角度和对周围障碍物的识别信，建立基于改进的人工势场法避障决策模型，解决总势
其他文献
颗粒流是高速远程滑坡物质演化过程的一个重要阶段，也是从细观角度揭示其超常运动特性的重要手段。颗粒流所采用的主要研究方法以及取得的重要理论成果，可以为高速远程滑坡动力学机理的研究提供重要的技术手段和理论支持。聚焦颗粒流研究进展，本文从颗粒流基本概念、流态特征及流变本构模型、颗粒流粒径分选机制等方面进行了系统梳理；进而，从理论、实验及数值计算模型三个方面对高速远程滑坡研究中颗粒流理论及方法的应用进行了
为了在川藏铁路TBM隧道的施工过程中通过岩石的常规物理力学指标快速预测岩石磨蚀性等级，及时调整掘进参数，达到充分挖掘设备潜力的目的，本文通过岩石磨蚀性试验和物理力学试验，利用数理统计和数学分析方法，建立了岩石磨蚀性与物理力学性指标之间的数学模型，归纳总结了二者之间的关系后发现：研究对象的干密度、吸水率及SiO_(2)含量等物理指标与磨蚀性指数值的相关性均为低度相关；单轴饱和抗压强度、单轴抗拉强度、
选取黄河三角洲芦苇湿地、柽柳湿地、盐地碱蓬湿地和光滩这4种典型自然湿地及农垦地棉花田作为研究对象，阐明不同植被类型自然湿地土壤营养元素分布特征和生态化学计量学特征，并进行农垦地同自然湿地的对比研究。结果表明，自然湿地内土壤总有机碳（TOC）和总氮（TN）含量总体表现为：芦苇湿地、柽柳湿地＞盐地碱蓬湿地＞光滩，TOC和TN含量同土壤电导率值（EC）和pH值呈显著负相关（P＜0.05）；棉花田TOC、
煤矿生产“减人提效”的发展趋势使保障工人安全愈发重要，针对当前矿工异常行为检测方法数据量大、鲁棒性不强的问题，提出了一种离散姿态感知量结构化的矿工异常行为识别方法。采用卡尔曼滤波技术优化基于九轴姿态传感器获得的行为感知信息，利用采样窗口截取行为信息后，依姿态感知量轴向结构化为三通道RGB行为图像，结合所设计用于提取时空特征的CTFRN模型，精确提取拟识别5种矿工行为的时空特征，以低运算量、高鲁棒性
针对SSD（Single Shot MultiBox Detector）算法在复杂交通场景下对交通标志小目标识别效果不佳的问题，本文提出一种基于多尺度特征互补和重点特征信息挖掘（Multi-scale Feature Complementary Fusion and Key Feature Information Mining SSD， MK-SSD）的目标检测改进算法。该算法首先利用跨阶段局部网
以YOLOv5s网络模型为基础,引入注意力机制CBAM模块,基于Ghost卷积模块重构网络模型的卷积操作,提出一种面向扶梯不安全行为的改进型深度学习检测算法.然后,在自主收集的扶梯不安全行为数据集上对其进行训练评估.结果表明,所提算法在检测精度有所提高的同时,大幅减少了检测所需的参数量和计算量.
提出一种改进的二阶龙格-库塔超分辨率算法.首先,提出一种浅层共享编码器,以实现低分辨率图像的浅层特征提取.其次,提出一种深层特征学习单元,并与基于龙格-库塔方法的残差模块相融合,进而构建出一种基于深层特征的残差模块,以提升深层特征提取能力.实验结果表明:与主流超分辨率算法相比,文中算法在主观视觉效果和客观评价指标方面都具有更好的效果.
在视频理解任务中，人体行为识别是一个重要的研究内容，但视频序列中存在时空信息融合困难、准确率低等问题。针对这些问题，本文提出一种基于时空信息融合的双流时空残差卷积网络模型。首先将视频分段采样提取RGB图像和光流图像，并将其输入到双流时空残差网络，通过设计的时空残差模块提取视频的深度时空特征，最后将每个视频片段的类别结果加权融合得到行为类别。本文提出的双流时空残差模块引入了少量的三维卷积和混合注意力
针对骨架行为识别任务的识别精确度问题，提出了一种自适应图卷积和长短时记忆相结合的模型（AAGC-LSTM）。该模型以捕获人体骨架运动的时空共现特征为出发点，提取运动特征时打破以人体自然骨架为固有图卷积邻接矩阵的束缚，利用自适应图卷积与长短时记忆神经网络的结合进行时空共现特征的提取。为了捕获行为识别任务的关键节点信息，嵌入了空间注意力模块，将人体骨架信息以一种动态的方式进行结合，同时将骨骼关节点一级
针对翻拍图像对相关人脸识别系统的欺骗性,将基于同态滤波的反射分量分离特征作为新特征加入图像中,形成四通道图像,并将其作为简单卷积神经网络的输入的翻拍图像检测方法.结果表明:在拍摄环境复杂、干扰噪音较多、活体数量较大的环境下,该方法有较高且稳定的准确率、较好的鲁棒性及使用价值.