路轨自动检测系统及障碍物识别技术的研究

此函数从二进制场景中的给定点找到可见场。 它以二进制图像和带有视点坐标的矢量作为参数，并返回二进制掩码。 可以使用可选参数“角度”来控制角度视野和分辨率。

针对现有矿井机车障碍物检测和测距方法存在测距精度低、测量范围小及成本高等问题,提出了一种基于单目视觉的矿井机车障碍物检测与测距方法。该方法首先对CCD摄像机采集的图像进行预处理,然后根据障碍物的特点进行特征提取得到准确的障碍物区域,最后利用基于摄像机内部参数和几何关系的单目视觉测距方法得到机车与前方障碍物之间的距离。测试结果表明,该方法能有效检测机车前方障碍物,且测距精度在有效误差范围内。

该程序源代码用于STM32F103C8T6智能小车跟随障碍物运动实验。 1、源代码开发软件：keil4； 2、程序对应处理器是：STM32F103C8T6； 3、智能小车电机驱动芯片是：L293D； 4、智能小车电机为：TT直流减速电机； 5、需要用到红外避障（跟随）模块； 该程序源代码在本人STM32F103C8T6智能小车上亲测可用。

基于ROS实现的的激光点云处理，对地面进行拟合分割，采用欧几里得聚类实现障碍物检测。基于ROS实现的的激光点云处理，对地面进行拟合分割，采用欧几里得聚类实现障碍物检测。基于ROS实现的的激光点云处理，对地面进行拟合分割，采用欧几里得聚类实现障碍物检测。

提出一种基于单目视觉的横穿障碍物检测方法。首先,基于道路平面假设,根据特征点的位置约束以及逆透视投影变换下的性质,提取地面特征点对。其次,采用迭代加权最小二乘法估计自车平移和旋转运动参数。然后,利用估计的运动参数对图像光流进行旋转补偿,并基于道路C-速度空间生成障碍物的候选标记点。最后,对候选标记点进行分组聚类和验证,确定横穿障碍物区域。不同交通场景下的实验结果表明,上述方法能够适用于各种自车运动,有效检测横穿障碍物。

四足机器人步态 四足机器人的小跑、爬行、转弯步态（鳄鱼灵感）。 还包括通过头部红外传感器检测障碍物。 视频： :

采用高度差法对雷达数据进行障碍物识别

移动机器人-伺服控制和运动计划 Python中的TurtleBot使用ROS使用SLAM实现BUG算法。 借助激光雷达传感器实现了避障，路径跟踪和障碍物检测。

动态Voronoi路径规划 动态Voronoi图在移动机器人避开障碍物的路径规划中的应用。 使用ROS构建 使用ROS，我们试图构建一种算法，该算法使用voronoi图来规划移动机器人（P3dx）从起始位置到目标位置的路径，而无需使用地图。 该算法是使用ROS和Python构建的。 我们使用MobileSim进行可视化，并使用RosAria进行机器人的控制。 该算法通过检测前方是否有障碍物来创建动态voronoi图。 在计算了voronoi图之后。 Dijkstra用于最短路径。 机器人有3种选择： 沿Dijkstra生成的路径移动到已经预先计算的voronoi节点。 转到目标位置。 创建一个新的Voronoi图。