移动机器人同时定位与建图(SLAM-Simultaneous Locating And Mapping)与路径规划是实现智能化机器人的前提。该系统首先通过HCR(Home Care Robot)机器人搭载激光雷达和RGB-D传感器,在ROS的运行环境下,分别实现基于ORB-SLAM2和RGB-D SLAM算法框架的同时定位与建图,获取三维点云图。然后将三维点云图与激光雷达生成的二维平面图进行数据融合,得到含有较丰富环境信息的环境二维栅格地图,并利用A*算法路径搜索算法,对机器人进行路径规划。实验结果表明融合了环境三维点云信息的地图,更适合用于路径规划。
为了提高驾驶的安全性,提出一种基于头部姿态与眼部特征的自适应性疲劳驾驶检测系统。利用ADABOOST算法进行面部检测,通过数据采集,引导司机采集正常情况下的头部姿态与疲劳时的头部姿态,生成个人姿态样本,同时采集司机单位时间内的眨眼次数,生成眨眼频率样本。驾驶中,利用BFR(Blinking Frequency ratio)算法与头部姿态算法进行综合判别,若眨眼次数超过BFR阈值,开始姿态采集,并用之前训练好的头部姿态模型进行评估,如果判定疲劳,对司机进行报警提醒。通过仿真,证明此方法具有良好的判别率与实时性。在样本集上,姿态的判别精度为91.7%,眨眼检测率为99.2%,疲劳检测率为83.3%,优于同类算法。
