基于图像分割映射的农业机器人视觉去雾方法

视觉导航农业机器人在雾天作业容易受前端含雾图像的影响,严重时无法有效工作。提出了一种基于图像分割映射的农业机器人视觉去雾方法。对前端采集图像进行近景与远景区域分割,并通过亮度信息的分段映射获取大气散射函数的预测估计值;采用导向滤波对大气散射函数的估计值进行优化,进一步增强图像的边缘信息,改善大面积天空背景引起的去雾残留问题。基于实际的农业智能导航平台对实测的含雾前端图像进行了去雾分析,并同传统的去雾方法进行了综合比较,显示所提方法具有较高的去雾精度和实时性。两段视频的图像去雾综合指标分别改善了28.9%和29.1%,时间消耗分别减少了34.4%和53.9%。     

基于模型自适应粒子滤波的汽车状态估计

为准确实时获取汽车行驶过程中的状态变量,提出了一种模型自适应更新粒子滤波方法。建立了非高斯噪声和非线性轮胎的汽车动力学模型,并基于小波变换的方法,采用高频子带估计传感器量测噪声的实时方差,提高了观测似然函数的真实拟合程度,结合自适应自回归模型对整车系统的状态进行自适应更新,较好地克服了粒子权值的退化现象;基于ADAMS/Car的虚拟实验和实车实验验证了所提方法的有效性。实验结果表明该方法在估计精度和克服噪声方面均优于常用方法,满足汽车状态估计器的软件性能要求。