期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于模糊控制器的未知环境下移动机器人导航 被引量:12
1
作者 刘宏林 罗杨宇 李成荣 《计算机仿真》 CSCD 北大核心 2011年第1期201-205,共5页
研究机器人导航控制优化难题时,为实现未知环境中移动机器人自主导航并解决反应式导航策略中存在的局部陷阱问题,提出一种局部路径规划与目标切换相结合的导航方法。首先分析了移动机器人动力学模型,应用模糊推理构建反应式模糊控制器... 研究机器人导航控制优化难题时,为实现未知环境中移动机器人自主导航并解决反应式导航策略中存在的局部陷阱问题,提出一种局部路径规划与目标切换相结合的导航方法。首先分析了移动机器人动力学模型,应用模糊推理构建反应式模糊控制器实现局部路径规划,并提出一种改进的目标切换方式,以机器人与目标相对方向的变化作为陷阱区域判断条件,当检测到陷阱情况时,引入合理的虚拟子目标,面向运动,直到脱离陷阱状态并恢复实际目标。方法可有效驱动机器人在复杂未知环境下以合理的路径脱离陷阱区域到达目标。仿真结果验证了方法的可行性和有效性,为应用于实际系统提供了可靠依据。 展开更多
关键词 移动机器人 未知环境 模糊控制 目标切换 目标
下载PDF
基于卷积注意力模块和无锚框检测网络的行人跟踪算法 被引量:5
2
作者 张红颖 贺鹏艺 《电子与信息学报》 EI CSCD 北大核心 2022年第9期3299-3307,共9页
针对多目标跟踪过程中遮挡严重时的目标身份切换、跟踪轨迹中断等问题,该文提出一种基于卷积注意力模块(CBAM)和无锚框(anchor-free)检测网络的行人跟踪算法。首先,在高分辨率特征提取网络HrnetV2的基础上,对stem阶段引入注意力机制,以... 针对多目标跟踪过程中遮挡严重时的目标身份切换、跟踪轨迹中断等问题,该文提出一种基于卷积注意力模块(CBAM)和无锚框(anchor-free)检测网络的行人跟踪算法。首先,在高分辨率特征提取网络HrnetV2的基础上,对stem阶段引入注意力机制,以提取更具表达力的特征,从而加强对重识别分支的训练;其次,为了提高算法的运算速度,使检测和重识别分支共享特征权重且并行运行,同时减少头网络的卷积通道数以降低参数运算量;最后,设定合适的参数对网络进行充分的训练,并使用多个测试集对算法进行测试。实验结果表明,该文算法相较于FairMOT在2DMOT15,MOT17,MOT20数据集上的精确度分别提升1.1%,1.1%,0.2%,速度分别提升0.82,0.88,0.41 fps;相较于其他几种主流算法拥有最少的目标身份切换次数。该文算法能够更好地适用于遮挡严重的场景,实时性也有所提高。 展开更多
关键词 目标身份切换 高分辨率特征提取网络 卷积注意力模块 无锚框检测网络 头网络 FairMOT
下载PDF
基于改进高分辨率神经网络的多目标行人跟踪 被引量:1
3
作者 张红颖 贺鹏艺 彭晓雯 《光学精密工程》 EI CAS CSCD 北大核心 2023年第6期860-871,共12页
针对行人多目标跟踪过程中目标被遮挡时产生的检测、跟踪失败问题,提出了一种改进型高分辨率神经网络作为检测网络。首先,为了增强网络对于行人目标的初始特征提取能力,在高分辨率神经网络的基础上,对网络的主干部分引入二代瓶颈残差块... 针对行人多目标跟踪过程中目标被遮挡时产生的检测、跟踪失败问题,提出了一种改进型高分辨率神经网络作为检测网络。首先,为了增强网络对于行人目标的初始特征提取能力,在高分辨率神经网络的基础上,对网络的主干部分引入二代瓶颈残差块结构,提升感受野和特征表达力;其次,设计了添加二层高效通道注意力模块的残差检测块架构,并通过该架构替换了原有网络在多尺度信息交换阶段中的残差检测块,以提高了整个网络系统的测试性能;最后,通过选择适当的参数对网络进行了全面地训练,并通过多个测试集对算法测试。测试结果显示,本文算法相较于FairMOT在2DMOT15,MOT17,MOT20数据集上的跟踪准确度分别提升0.1%,1.6%,0.8%。本文算法可以良好地应用在目标较多且遮挡面积较大的特殊情景,同时对于较长时间视频序列的追踪稳定性也大大提高。 展开更多
关键词 目标身份切换 高分辨率神经网络 高效通道注意力模块 二代瓶颈残差块 FairMOT
下载PDF
基于C-V2X自适应巡航仿真研究 被引量:1
4
作者 冯其高 张莹 +2 位作者 杨波 蔡之骏 李晓平 《汽车实用技术》 2020年第13期61-64,共4页
在传统的自适应巡航(Adaptive Cruise Control ACC)控制中,主要依靠雷达或视觉对车辆周围环境的感知,但是在一些情况,比如:下雨、雾天或者在弯道行驶时,因为传感器对外界感知能力的不足,造成自适应巡航体验不佳;为克服雷达和视觉传感器... 在传统的自适应巡航(Adaptive Cruise Control ACC)控制中,主要依靠雷达或视觉对车辆周围环境的感知,但是在一些情况,比如:下雨、雾天或者在弯道行驶时,因为传感器对外界感知能力的不足,造成自适应巡航体验不佳;为克服雷达和视觉传感器的不足,文章主要基于C-V2X(Cellular Vehicle to Everything)技术,结合RSU(Road Side Unit)发送局部地图,实现车辆对周边车辆的感知。在弯曲道路下,ACC利用车车通信V2V(Vehicle to Vehicle)和RSU发送的MAP消息集,实现对不同车道的目标车辆进行实时切换,保障车辆在弯道上的ACC行驶安全。通过Matlab/Simulink搭建基于C-V2X的ACC算法,通过仿真表明利用C-V2X的ACC在弯道上能够根据RSU提供的MAP消息集,针对不同车道远车RV(Remote Vehicle)进行实时的目标切换,同时主车HV(Host Vehicle)能够与跟踪目标车辆保持安全距离,实现车辆安全行驶。 展开更多
关键词 C-V2X 自适应巡航 目标车辆切换
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部