1 福建师范大学医学光电科学与技术教育部重点实验室，福建 福州 350007
2 福建省光子技术重点实验室，福建 福州 350007
3 福建省光电传感应用工程技术研究中心，福建 福州 350007
4 广州工业智能研究院，广东 广州 511458
环境感知是无人驾驶的关键技术，针对相机缺乏深度信息无法定位检测目标以及目标跟踪精度较差的问题，提出一种基于相机与激光雷达融合的目标定位与跟踪算法。该算法通过图像检测框内的激光雷达点云簇在像素平面的面积比例大小获得检测目标的定位信息，然后根据检测目标的轮廓点云在像素坐标系下的横向移动速度和纵向移动速度融合图像检测框中心坐标提高目标跟踪精度。实验结果表明：所提目标定位算法正确率为88.5417%，且平均每帧处理时间仅为0.03 s，满足实时性要求；图像检测框中心横坐标的平均误差为4.49 pixel，纵坐标的平均误差为1.80 pixel，平均区域重叠率为87.42%。
传感器融合 机器视觉 3D激光雷达 目标定位 目标跟踪 激光与光电子学进展
2024, 61(8): 0828004
1 福建师范大学医学光电科学与技术教育部重点实验室, 福建 福州 350007
2 福建师范大学福建省光电传感应用工程技术研究中心, 福建 福州 350007
3 福建师范大学光电与信息工程学院, 福建 福州 350007
4 广州中国科学院沈阳自动化研究所分所, 广东 广州 510000
海天线是海空背景图像所具有的重要特征之一,海天线的检测对天空区域和海面区域的划分以及目标检测具有重要作用。然而,复杂海空背景环境中的海杂波、云层、强反射、复杂气象条件等都会给海天线检测造成困难。针对复杂背景下海天线检测的环境适应性问题,对视觉传感器获取的原始图像及图像中海天线的特点、干扰因素及其抑制方法、现有的海天线生成方法三个方面进行了详细的阐述和分析,通过对比实验列出各种海天线生成方法的优缺点和适用场景,对比分析了自行提出的形态学方法的实验结果及适用场景。最后提出海天线检测面临的挑战,展望其下一步的研究方向。
图像处理 海天线检测 无人艇 视觉传感器 线性拟合 霍夫变换 小波变换 激光与光电子学进展
2020, 57(16): 160002
