关键词： 拆垛系统   夹具设计   工业机器人   图像处理   传感器数据处理  

摘要： 针对耐火材料行业中烧制完成的堆垛因形变和运输导致物料码放位置移动、难以实现自动化拆卸的问题,设计了一套结合机器视觉、超声波传感器和LVDT位移传感器的机器人拆垛系统。以耐火材料堆垛为研究对象,研制了能够搭载多种传感器、适合抓取多型号物料的吸盘夹具;开发发那科机器人的拆垛运动程序执行数据采集和拆垛作业;采用OpenCV中轮廓寻找和轮廓拟合算子处理图像并通过轮廓的矩计算偏移数据;通过西门子PLC对超声波测距和LVDT位移传感器数据进行处理。经过实际拆垛试验,物料拆卸成功率达到97.3%,单次拆卸作业平均耗时为12.79 s,满足拆垛工序在精度与效率上的要求。

关键词： 神经网络   数据驱动   机动目标   目标跟踪   轨迹预测  

摘要： 目标跟踪是进行目标精准打击的关键,特别是对于机动目标的精确跟踪可以提高对目标状态的估计精度,从而实现目标的精确打击任务。针对机动目标跟踪问题,基于神经网络理论,本文提出了基于数据驱动的机动目标跟踪算法。通过生成大量不同机动方式运动的飞行数据,建立目标机动的数据样本库,采用基于双向输入的深度神经网络,对大量不同的机动飞行数据进行训练,生成不同机动轨迹的模型,通过轨迹序列数据与不同机动模型匹配,实现对任意机动目标的运动轨迹预测,进而实现对机动目标的跟踪。仿真结果验证了基于数据驱动进行目标跟踪算法的有效性,提供了机动目标轨迹预测的新思路和新方法,提升了轨迹预测的时效和精度。

关键词： 无人艇   跟踪   交互多模型   CKF  

摘要： 针对标准交互式多模型(Interacting Multiple Model,IMM)算法采用固定运动模型集导致运动目标跟踪精度下降的问题,本文提出一种基于滑动窗口的多模型自适应滤波(SWA-IMM)算法。通过计算运动目标与不同模型的匹配概率,利用滑动窗口判定法确定最佳匹配模型,改变模型集中最佳匹配模型的权重以达到模型集自适应的过程。结果表明,基于滑动窗口的多模型自适应滤波算法,在一定程度上提升了无人艇运动目标跟踪的准确性。

关键词： 主动刹车系统   毫米波雷达   目标检测   多传感器融合  

摘要： 目标检测技术作为主动刹车系统的重要组成部分,对测距传感器的检测精度要求极高,毫米波雷达传感器是目标检测的最优选择。综述了毫米波雷达的发展状况、国内外现状、毫米波雷达目标检测算法,介绍了国内外多个重点实验室对毫米波雷达目标检测算法的研究情况,重点放在多传感器融合检测和毫米波雷达多目标检测上。阐述了车载毫米波雷达目标检测的技术难点,对未来毫米波雷达的发展方向提出了建议,以期为后续的研究开发做准备。

关键词： 目标检测   目标跟踪   卡尔曼滤波   匈牙利匹配  

摘要： 针对通用目标检测算法在交通场景下检测多目标时存在的小目标漏检和误检问题,提出了一种适用于交通场景下的目标检测与跟踪算法。基于K-means++聚类算法计算出适合交通场景下目标检测的锚定框(Anchor Box)和深度可分离卷积的思想优化目标检测算法。其次,利用匈牙利匹配将卡尔曼滤波的预测值和目标检测的实际值相关联匹配,以实现目标跟踪。实验结果证明,改进后的目标检测与跟踪算法较原始算法在mAP方面提升了2.3%,达到了99.13%;速度提升了20%,达到了30帧/秒,对交通场景下的特定目标均实现了准确检测跟踪,保持了较好的实时性。

关键词： YOLOv5s算法   小目标检测   损失函数   上采样算子   骨干网络   注意力机制   特征信息  

摘要： 针对当前主流目标检测算法对图像中远距离小目标产生的漏检、误检等问题,提出一种改进YOLOv5s的小目标检测算法。在模型训练过程中,通过引入Focal-EIOU定位损失函数,加强边界框的定位精度;在骨干网络中,通过添加小目标检测层,提高小目标的检测精度;在Neck结构中,通过优化上采样算子和添加注意力机制,加强小目标的特征信息。实验结果表明,改进后的算法在VisDrone数据集上与YOLOv5s算法相比,mAP@small提高了3.2%,且检测速度满足实时性的要求,能够很好地应用于小目标检测任务中。

关键词： DBSCAN   KD树   目标跟踪   UKF  

摘要： 基于密度聚类(DBSCAN)的算法由于不需要提前确定聚类的簇数目且具有抗噪声等特点,被广泛用于雷达多目标跟踪中。针对雷达获取室内目标的量测数据量增大、杂波分布密集导致目标跟踪系统复杂度增加、耗时严重的情况,提出一种改进的方法。该方法通过构建KD树来加速DBSCAN算法中邻域点的查找过程,极大地提高了运算效率,改善了目标跟踪系统的实时性。并且运用Murty算法和无迹卡尔曼滤波算法(UKF)来提高传统多目标跟踪系统的跟踪效率和精度。通过仿真实验将传统DBSCAN算法与K-means算法以及改进的算法相比较,实验结果表明在保证室内多目标跟踪系统的跟踪精度的同时,改进算法极大地提高了跟踪系统的实时性。

关键词： X光安检   图像处理   目标识别   违禁品查验  

摘要： X光扫描是对安检过程中通过的包裹进行违禁品检查的重要成像手段,而传统的人工识图方式具有效率低、易受主观因素影响等缺陷.为推动违禁品自动识别技术的发展,从数据、任务和方法 3个层面对X光图像识别特性递进分析.在数据层面,通过对X光与可见光的数据和数据集分别进行对比,揭示了X光安检图像在数据上的独特性.在任务层面,从数据特性、行业监管和实际业务要求等多个维度深入分析X光安检图像目标识别任务的复杂性.在方法层面,基于数据与任务特性,对现有X光安检图像目标识别的特定方法策略进行归类和简述.研究结果表明:X光安检图像目标识别技术需要应对数据特性导致的困境,适应行业监管的变化,处理安检对象特点的差异,以及满足细粒度的监管要求;在应对部分特性带来的挑战时,数据预处理、数据扩充、重叠遮挡处理和多视角融合等有效策略被提出,并存在可能的提升空间和拓展方向.研究结果能够为本领域研究人员提供参考和启发,以更好地满足持续变化的安检任务要求.

关键词： 机动目标跟踪   变结构交互式多模型   机动判别   模糊推理  

摘要： 针对变结构多模型算法在机动目标跟踪中对目标机动不确定性、量测不确定性自适应能力不足的问题,提出一种基于模糊推理的机动自适应目标跟踪算法.设计一种基于模糊推理的双级机动判别模型,利用模型概率信息和主模型滤波残差加权范数进行主模型可信度和机动判别推理;并将双级机动判别引入基于可能模型集的期望模式扩增方法(EMA-LMS)框架,提出一种模糊推理EMA-LMS算法,实现对模型集自适应的参数和策略的在线调节,从而生成更加接近目标真实运动模式的期望模型,并更好地对模型进行取舍.仿真结果表明,本文算法能够有效增强算法对目标机动和量测不确定的自适应性,提高跟踪精度.

关键词： 小样本目标检测   空中来袭目标   背景抑制   分类校正   深度学习  

摘要： 为进一步提升小样本条件下对空中来袭目标的检测识别成功率,提出一种基于背景抑制和分类校正的小样本目标检测方法。首先,针对空中来袭目标背景前景易混淆问题,在区域候选网络前端引入背景抑制模块,通过抑制背景特征和增强前景特征来减轻目标背景对检测的影响;其次,在背景抑制模块后插入特征聚合模块,聚焦目标特征,通过缓解小样本条件导致目标特征难提取、不明显的问题,校正网络模型的分类参数;最后,在检测头网络中引入对比分支,增强了类别内相似性和类别间独特性,缓解来袭目标“类间相似性高,类内差异性大”的问题,实现了对网络分类的进一步校正。实验结果表明,所提出的算法在1、2、3、5、10 shot实验中均表现最佳,平均精度分别达到28.3%、32.8%、39.9%、42.9%和56.2%,提升了小样本空中来袭目标的检测性能。