为解决无人机在室外实际飞行时的自主避障问题，提出一种基于Ghost改进的YOLOv5轻量化双目视觉无人机避障算法。首先，引入Ghost模块改进YOLOv5中的CBL和CSP_X单元，使用CIOUloss作为回归损失函数，并将非极大值抑制CIOUnms修改为DIOUnms以优化损失函数；其次，对双目相机进行标定和校正；使用ORB特征点提取和滑动窗口匹配算法得到检测目标的视差值，再根据视差值和相机内参求解出障碍物的距离信息；最后，根据障碍物的位置和距离实现无人机的自主避障。该避障算法在嵌入式系统中运行的平均FPS达到14.3，并用无人机避障飞行试验证实了该算法的可行性；改进后的网络检测平均准确率为76.88%，与YOLOv5相比，平均检测精度均值下降0.37%，但检测时间下降22%，参数量下降25%。该算法对无人机的自主避障具有重要的应用价值。

本文将冗余机械臂的轨迹跟踪和避障规划统一为优化问题，提出了一种基于改进灰狼算法的避障跟踪优化器。首先，基于包围盒法对避障空间进行了建模，使用GJK算法计算机械臂与障碍物之间的最小距离。其次，设计了适应度函数，引入避障奖励项对优化器进行主动奖励，使机械臂在跟踪目标轨迹的同时避开障碍物。然后，使用随机分散策略对灰狼算法进行了改进，以增强算法的全局搜索能力，从而更好地求解优化问题。最后，使用九自由度冗余机械臂验证了所提出方法的有效性和优越性。实验结果表明：对于圆形目标轨迹，机械臂的末端跟踪误差为0.21 mm；跟踪过程中，机械臂与障碍物的距离不小于70 mm；相比于经典灰狼算法，改进灰狼算法使跟踪精度提高了13%。本文提出的避障跟踪优化器能以毫米级的精度同时满足冗余机械臂的轨迹跟踪和避障任务；改进的灰狼算法能有效提高经典灰狼算法的收敛精度。

由于盲人对周围环境缺乏视觉感知力，出行一直是盲人生活中的困扰。本文提出一种基于YOLOX改进的导盲系统障碍物检测算法CE-YOLOX。首先，为了减少特征融合网络在特征通道缩减时带来的语义信息的丢失，以亚像素跳变融合模块SSF和亚像素上下文增强模块SCE来充分利用通道信息和不同尺度的语义信息，以通道注意力引导模块CAG减少多尺度特征融合带来的混叠效应。其次，为了使模型更加聚焦于有效特征，引入全局注意力机制GAM，通过减少信息弥散和放大全局交互表示来提高模型性能。然后，使用SIOU-LOSS替换原模型的位置回归损失函数IOU-LOSS，加快了边框的回归速度与精度。最后，搭建导盲系统检测平台，将所提算法移植到边缘计算设备NVIDIA Xavier NX上。实验结果表明，改进的导盲系统障碍物算法在服务器和NVIDIA Xavier NX平台上的mAP一致，提升至90.53%，相较原YOLOX模型算法提高了2.45%。在服务器上的检测速度达到75.93 FPS。本文模型在兼顾检测速度的同时提高了精度，显著优于对比算法，满足边缘计算设备的要求，具有实际的应用价值。

火星车的环境感知能力是其进行智能移动和探测的基础，而障碍物检测识别是环境感知中的一个重要方面，识别效果直接决定了火星车工作能力和安全性。本文提出一种基于激光雷达数据的火星表面障碍物自动识别方法。通过获取的激光雷达点云数据，首先在分析激光反射强度理论的基础上，通过强度补偿理论将点云强度根据距离、角度因素进行修正，进而构建激光雷达强度值与目标特征的反射关系。通过大津法自动求取全局阈值，自适应的将火星表面点云分类为障碍物点云和非障碍物点云；然后通过曲率约束剔除不符合条件的障碍物点云；最后利用基于八叉树叶节点的连通性聚类，实现火星表面障碍物点云的识别。模拟实验结果表明，该方法可实现激光雷达点云中的火星表面障碍物有效提取，典型障碍物识别精度接近90%，为基于火星车障碍物检测和环境感知相关研究提供借鉴。