作者单位
摘要
1 华北水利水电大学 机械学院, 河南 郑州 450045
2 合肥工业大学 机械工程学院, 安徽 合肥 230009
针对大天区面积多目标光纤光谱天文望远镜(LAMOST)观测光纤扫描定位的需求, 设计了一种基于悬臂梁结构的惯性冲击直线压电马达, 分析了该压电马达的驱动机理。为避免共振, 采用有限元仿真法获得了振动座的一阶共振频率。设计加工了马达样机, 搭建了实验平台, 并进行了马达性能测试与分析。结果表明, 在预紧力为0.2 N, 驱动信号为锯齿波偏置一半, 当电压峰-峰值为60 V(600 Hz)时, 马达无负载速度为1.83 mm/s, 当电压峰-峰值是15 V时, 马达的位移分辨率为0.8 μm; 当预紧力为0.4 N, 驱动信号峰-峰值为60 V(600 Hz)时, 马达最大负载为0.18 N, 行程为40.5 mm。马达的性能参数符合光纤定位器扫描需求。
压电马达 悬臂梁 惯性冲击 锯齿波 有限元仿真 piezoelectric motor cantilever beam inertial impact sawtooth wave finite element simulation 
压电与声光
2020, 42(5): 603
作者单位
摘要
陆军工程大学车辆与电气工程系, 河北 石家庄 050003
为了识别植被场景中的叶片和相邻障碍物,提出了一种三维激光雷达的目标检测算法。以雷达点云中的相邻点构建邻域特征,提取新的特征参数作为判别依据,采用期望最大算法求得混合高斯模型以表征特征参数的分布情况;最后,利用马尔可夫随机场建立先验模型,在最大后验概率框架下采用图割法进行求解,得到最优目标函数。该算法已成功应用于无人驾驶平台。研究结果表明,该算法能有效地识别叶片及其邻接障碍物,可以清楚地分辨障碍物边界。与传统算法相比,该算法具有更高的稳健性和准确率,且其实时性满足实际应用的需求。
图像处理 三维激光雷达 目标检测 邻域特征 马尔可夫随机场 混合高斯模型 图割法 
激光与光电子学进展
2019, 56(3): 031010
作者单位
摘要
陆军工程大学石家庄校区车辆与电气工程系,河北石家庄 050003
针对从三维激光雷达点云中准确实时地分割地面的问题,提出一种基于扫描线段特征的地面分割算法。算法首先对三维点云进行去噪和位姿修正,接着依据相邻点间的欧氏距离和绝对高度差分割扫描线,然后对扫描线段的相邻线段间距、倾斜度、绝对高度差等特征进行分析,采用最大似然估计法求解特征阈值函数,提高了阈值的自适应性;最后综合考虑起伏、倾斜等复杂地形,通过制定横、纵向分类策略将扫描线标记为平坦地面线段、坡面线段和障碍物线段。本算法已成功应用在地面无人平台上,使用情况和对比试验表明,在城市和野外场景中,本算法都能够稳定高效地分割地面。
三维激光雷达 地面分割 线段特征 复杂地形 实时 3D LiDAR ground segmentation segment features complex terrain real-time 
光电工程
2019, 46(7): 180268
作者单位
摘要
1 陆军工程大学石家庄校区车辆与电气工程系, 河北 石家庄 050003
2 中国人民解放军63963部队, 北京 100072
环境感知是无人驾驶的核心技术之一,而利用三维激光雷达进行障碍物检测一直是国内外的研究热点。本文首先按照传感器的种类介绍了无人车障碍物检测方法的分类,然后介绍了基于三维激光雷达进行障碍物检测的基本原理,之后详细分析了基于三维激光雷达进行障碍物检测的传统方法。其中深度学习是二维图像目标检测及分类的重要方法,在介绍三维激光雷达点云特点的同时分析了点云深度学习的挑战,最后详细分析了三维点云深度学习在障碍物检测方面的研究现状以及发展趋势,并且介绍了自动驾驶领域的KITTI数据集和ApolloScape数据集。
遥感 无人驾驶 三维激光雷达 障碍物检测 栅格网络 深度学习 
激光与光电子学进展
2019, 56(13): 130001
作者单位
摘要
1 陆军工程大学石家庄校区车辆与电气工程系, 河北 石家庄 050003
2 北京特种车辆研究所, 北京 100071
针对车载三维激光雷达在工作前需要对安装外参数进行标定的问题, 综合考虑激光雷达的扫描光束不可见、多线式扫描等特点, 提出了一种激光雷达外参数的标定方法。首先对普通纸箱进行扫描, 以纸箱两个侧面和地面间的相互垂直关系作为约束, 采用随机抽样一致性算法(RANSAC)在获取的点云数据中拟合出三个平面的初始模型, 并通过旋转、平移步骤优化平面模型的拟合精度, 从最优模型中提取同名向量和同名点; 然后基于空间向量的三维坐标系转换模型, 对激光雷达的旋转和平移参数进行求解, 只需采集一次数据即可完成所有外参数的标定; 最后结合仿真和在标定后对室外环境三维重建的结果, 验证了算法的有效性。
三维激光雷达 外参数标定 RANSAC算法 同名向量 三维坐标系转换 3D LIDAR external parameters calibration RANSAC algorithm corresponding vector 3D coordinate conversion 
应用激光
2019, 39(1): 113

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!