为实现无人装备在野外环境下对非结构化道路进行自动、普适和精准的识别与导向,提出了一种基于图推模型与智能寻优的野外场景道路导向算法。首先将图像分割为同质超像素块,对超像素块的多特征进行融合,构造训练集;改进传统拉普拉斯支持...为实现无人装备在野外环境下对非结构化道路进行自动、普适和精准的识别与导向,提出了一种基于图推模型与智能寻优的野外场景道路导向算法。首先将图像分割为同质超像素块,对超像素块的多特征进行融合,构造训练集;改进传统拉普拉斯支持向量机算法,结合超像素块位置信息动态选取道路区域超像素种子块,训练超像素块的多类别分类回归器和相邻超像素的一致性回归器;结合两种回归器的回归值构造马尔可夫随机场的能量函数,再利用标准图割算法迭代求取最小化能量函数,实现初始道路推理分割;结合道路初分割结果,依据人对道路的直观感知,设定约束条件构造目标函数,利用差分免疫克隆进化算法智能寻优提取道路的导向线。在南京珠山采集的数据和DARPA Grand Challenge数据库上进行检测,并与经典算法的道路导向效果进行定性和定量比较,结果表明该算法在野外环境下对非结构化道路的导向线提取精度总体达91.79%以上,相比于经典算法,检测精准度分别提升48.1%和35.5%,算法处理效率分别提升98.6%和97.8%,在检测的实时性与精准度问题上实现了平衡,具有较强的应用前景。展开更多
针对目前刀具工况监测方法中,有标签刀具工况样本获取成本高,同时大量无标签刀具工况样本被无价值地丢弃的问题,提出了一种基于拉普拉斯支持向量机(Laplacian Support Vector Machine,Lap SVM)的刀具工况在线监测方法。以插铣刀具工况...针对目前刀具工况监测方法中,有标签刀具工况样本获取成本高,同时大量无标签刀具工况样本被无价值地丢弃的问题,提出了一种基于拉普拉斯支持向量机(Laplacian Support Vector Machine,Lap SVM)的刀具工况在线监测方法。以插铣刀具工况监测为例设计了切削实验,Lap SVM利用少量有标签样本的分类约束和大量的无标签样本的流形约束实现刀具工况在线监测。实验结果表明该方法在有标签样本量较少情况下的分类正确率较传统支持向量机有显著提高,具有较好工程应用价值。展开更多
文摘为实现无人装备在野外环境下对非结构化道路进行自动、普适和精准的识别与导向,提出了一种基于图推模型与智能寻优的野外场景道路导向算法。首先将图像分割为同质超像素块,对超像素块的多特征进行融合,构造训练集;改进传统拉普拉斯支持向量机算法,结合超像素块位置信息动态选取道路区域超像素种子块,训练超像素块的多类别分类回归器和相邻超像素的一致性回归器;结合两种回归器的回归值构造马尔可夫随机场的能量函数,再利用标准图割算法迭代求取最小化能量函数,实现初始道路推理分割;结合道路初分割结果,依据人对道路的直观感知,设定约束条件构造目标函数,利用差分免疫克隆进化算法智能寻优提取道路的导向线。在南京珠山采集的数据和DARPA Grand Challenge数据库上进行检测,并与经典算法的道路导向效果进行定性和定量比较,结果表明该算法在野外环境下对非结构化道路的导向线提取精度总体达91.79%以上,相比于经典算法,检测精准度分别提升48.1%和35.5%,算法处理效率分别提升98.6%和97.8%,在检测的实时性与精准度问题上实现了平衡,具有较强的应用前景。
