简介：

简介：

简介：

简介：摘要：

简介：

简介：摘要：随着科学技术的发展及无人驾驶技术的成熟，智能车辆成为了当前研究的热点。本文基于此，首先对智能车辆技术发展情况做了概述，并探究了如何在机器视觉辅助下对道路障碍物进行检测，以期为相关行业研究人员进行指导和帮助。

简介：

简介：

简介：摘要：近些年，随着人工智能和机器人技术的不断发展，无人驾驶汽车作为人工智能领域的一个重要的分支已经成为国内外的研究热点.无人驾驶汽车主要通过激光雷达、相机、毫米波雷达、IMU等传感器实现对周围环境的感知.障碍物检测和跟踪是环境感知的重要环节，检测和跟踪的效果好坏直接影响无人车的安全行驶.近些年基于相机图像的检测技术获得了很大发展，但是其检测效果易受光线等环境影响.激光雷达则因其能够获得障碍物的基本形貌、距离和位置等信息，同时具有精度高等优点，被广泛运用于无人驾驶的障碍物检测和跟踪中。基于此，本文将对基于激光雷达的无人驾驶障碍物检测对策进行分析。

简介：摘要：从目前的轨道交通建设来看，站台门从一开始一般都是采用引进国外品牌和先进的技术，现在，很多城市轨道交通建设都已实现了国产化，随着我国技术和经济的发展，站台门障碍物检测系统的研发也出现多样化。目前，城市轨道交通使用较多的有激光对射、红外对射等，在我国实际运行中，由于城市轨道交通轨行区的环境复杂，干扰因数较多，障碍物检测系统产生误报警较多，从而影响列车的运营效率。另外，中国城市人口多，在上下班高峰期，乘客为了赶时间，冲门现象时有发生，过度拥挤上车现象也多见，这样导致站台门夹人夹物的概率大大增加，进而导致列车晚点，乘客受伤的概率也升高，所以，为了解决目前存在的突出问题，以满足运营的需求，为乘客提供更安全、更可靠、更舒适的乘车体验。研制适用城市轨道交通轨行区运行环境，检测技术精准、性能稳定的激光扫描设备有其必要性。

简介：摘要：随着人口的快速增长和城市化的加速发展，农业生产面临着巨大的压力，要迎接全球粮食需求的挑战。为了满足农业生产的要求，提高农机的自动化水平成为农业现代化必不可少的部分。然而，在实际的农田作业中，农机往往会遇到各种各样的障碍物，如树木、石头、水沟等，这些障碍物不仅威胁到农机的安全运行，还可能导致作业质量下降和农作物损失。本文主要分析农业自动化机械障碍物检测研究进展。

简介：

简介：摘要本文介绍了AGV优点及障碍物检测，论述了障碍物检测实验及结果，并探讨了其避障策略与路径规划。

简介：摘要：城市道路的盲道检测在路径引导、城市建设自动化管理等领域具有重要作用，而盲道区域色彩的不一致、不稳定、阴影等会严重影响盲道检测效果，因而同时引入盲道本身非常有规律性的边缘信息，能够显著提高盲道的检测效果，提高检测的可靠性。

简介：摘要：近年来，我国的城轨交通进入了快速发展阶段，每年各地新增线路和里程数屡创新高。与此同时，受益于机器学习、深度学习和汽车无人驾驶技术的快速发展，城轨交通领域中AI辅助技术已受到广泛的关注和支持。为了在降低运营成本的背景下进一步加强列车的日常运营安全和提升运营效率，开发适用于全路线复杂场景的实时准确的障碍物检测系统具有重要意义。本文针对现有的列车障碍物检测存在的若干问题，提出了一种具有较高性能的、基于并行多模式分析的障碍物检测系统，在杭州线路上的测试表明该系统实现了在复杂线路场景下的全天候高质量列车行驶环境感知，进一步提升了车辆运营的安全性。

简介：

简介：摘要顶管施工技术是我国地下管道施工中的重要技术之一，在地下管道建设中占据不容忽视的地位，其施工作业质量直接影响到地下管线的使用和维护质量。为此，本文将针对顶管施工障碍物处理技术进行分析与探讨。

简介：摘要：地铁工程列车全自动运行系统是城市轨道交通发展的趋势，它通过整合计算机系统、通信系统、信号分析系统和列车控制系统等技术实现地铁工程列车运行的自动化。将工程列车升级到全自动运行后，设备和功能要求更高。因此，必须采取措施降低工程列车运行风险，提高运行可靠性。障碍物检测系统有助于防止严重事故发生。障碍物检测系统分为被动和主动的障碍物检测。被动障碍物检测是通过内置系统进行的，传感器信号被触发并传输到工程列车上，以实现工程列车的紧急制动。主动检测障碍物时，通过列车前端传感器收集前端数据，当检测系统检测到障碍物时，可以向工程列车控制系统发送警告信号，并进行紧急制动处理。

简介：摘要针对当前智能移动终端在人民生活中普及程度较高的特点,本研究结合蓝牙通信技术以及红外线技术,设计了一款远程检测障碍物的智能终端系统,并着重介绍了其设计过程以及实现方式，就系统功能的实现进行了仿真测试。

简介：针对传统道路障碍物检测算法准确性和鲁棒性不强等问题,本文提出一种基于卷积神经网络的道路障碍物检测算法。该算法首先对车载图像预处理生成障碍物候选区域,再将障碍物候选区域输入到改进的卷积神经网络中,进行精确识别和剔除,区分道路障碍物和非障碍物。改进的卷积神经网络在原有网络的基础上,调整了卷积核的大小和个数、池化层的空间尺寸和神经网络的深度,并且在卷积层后选择性的加入池化层,提高障碍物的识别率。在不同场景中进行了测试,实验结果表明：本文提出的道路障碍物检测算法有效的提高了障碍物的识别率,识别率达到98.2%,并且拥有较高的鲁棒性。