基于先验形状信息和水平集方法的车辆检测

针对交通视频检测应用,提出一种基于先验形状信息和主动轮廓模型的运动车辆检测方法.算法首先利用颜色信息和边缘信息检测并去除车辆阴影,提取车辆的初始轮廓;为了改善车辆轮廓的提取精度,在进一步的车辆分割中引入车辆形状的先验知识,用水平集符号距离图像的隐含表示建立车辆的先验形状模型,并以先验的车辆形状模型作为约束构造出主动轮廓能量函数;将第一步获得的车辆轮廓作为车辆分割演化曲线的初始轮廓,采用变分法求解能量函数的极小值,利用形状配准和水平集方法演化车辆的分割曲线,得到准确的运动车辆轮廓.将该方法应用于实际采集的交通视频,获得了很好的测试结果.     

人体正面运动的尺度骨架模型初始化算法研究

针对单目图像序列中跟踪人体运动时,人体骨架模型难以自动提取的问题.提出一种在人体正面运动的条件下自动提取人体骨架模型的方法.该方法从原始灰度图像及其分割图像所包含的信息中,提取出能够表达人体位姿和分割区域的关键数据.以这些关键数据作为输入,人体关节点的位置坐标作为输出,构造反向传播神经网络,依据先验知识标定的数据训练该反向传播神经网络.实验结果显示,该算法能够较精确地定位关节点位置,自动提取出人体尺度骨架模型.     

基于Faster-RCNN的汽车涂胶缺陷检测

在汽车涂胶缺陷检测中,由于人工检测存在效率低、人眼视线盲区等问题,使零件性能受到影响,因此机器检测方法显得尤为重要。针对自动涂胶过程中断胶会严重影响生产的问题,提出基于Faster-RCNN的汽车涂胶缺陷检测方法。首先采用多阈值图像分割将涂胶缺陷区域从复杂工厂环境的图像中分割出来,制作成VOC2020数据集格式以适合Faster-RCNN训练及测试;然后采用简化区域生成网络和多尺度特征融合的区域推荐模型提取特征,并将提取的特征图输入到Faster-RCNN网络中;最后采用多尺度策略来对网络进行训练测试,以提高检测准确率。实验结果表明:汽车涂胶检测算法经过改进后,其准确率达到97.5%;检测速率为每张图像耗时0.038 s;在汽车涂胶缺陷实时检测方面达到领先水平。     

基于改进的四阶各向异性扩散的中值先验重建算法

针对只能提供有限局部先验信息的最大后验法可以使重建后的图像出现阶梯状边缘伪影和过度平滑等缺点,提出了一种基于改进四阶各向异性扩散的中值先验重建算法.该算法首先在中值先验分布重建算法的目标函数中加入先验信息,用于保真图像的细节;然后针对重建图像依然存在块状伪影的问题,在每次迭代中对重建的图像进行改进的四阶偏微分降噪处理,从而使图像得到进一步的优化.仿真实验结果表明,该重建算法可以在对重建图像进行降噪的同时很好地保持图像的边缘和细节,获得高信噪比以及高质量的图像.     

钢轨表面缺陷图像自适应分割算法

针对钢轨表面缺陷提取时的灰度分布不均与杂散光干扰问题,在背景差分法的基础上提出了一种钢轨表面缺陷图像自适应分割算法.首先,通过统计钢轨图像中各行像素灰度特征,结合其均值与标准差分布曲线快速提取钢轨表面区域;然后,进行区域与边缘特征的均值窗口自适应选取;最后,根据均值模糊原理建立背景图像模型并进行图像差分,实现了钢轨表面缺陷分割.实验结果表明:提出的轨面提取算法快速、有效;钢轨表面缺陷自适应分割算法在凸显图像中缺陷部分的同时,有效减少了光照变化和反射不均的影响.该方法对测试图像的召回率和准确率分别达到了95.4%和81.3%.     

基于先验优化的一致性模糊盲复原算法

为了提高一致性模糊图像盲复原清晰度,针对复原过程中涉及的全变差模型先验约束问题,提出一种基于先验优化的一致性模糊盲复原算法.利用基于半高斯梯度算子的局部加权全变差模型提取模糊图像显著边缘,在去除噪声和纹理干扰的同时,可提高有利信息的保持能力;提出多尺度混合特性先验估计模糊核,增强了模糊核估计的准确性;利用非盲去卷积得到了清晰的复原图像.实验结果表明,相较其他算法,针对模拟模糊图像,所提算法的复原图像峰值信噪比平均提升约1.7%,结构相似性指数平均提升约19.1%;针对真实模糊图像,复原图像伪影更少,边缘纹理细节更加清晰自然,整体视觉效果更好.     

折/反射全方位视觉空间移变点扩散函数建模与图像复原

在分析折/反射全方位视觉(COV)图像模糊尺度分布规律的基础上提出了一种基于径向边缘检测的空间移变点扩散函数(SV-PSF)建模方法,并且研究了基于一种可以方便地加入空域可变模糊模型等先验知识的凸集投影(POCS)图像复原方法。本文提出的建模方法在有限的径向边界区域建立COV的全局SV-PSF模型,避免了一般建模方法需要大量的边缘检测和图像分割计算;采用基于POCS算法空域图像复原方法,很好容纳了SV-PSF这一先验知识,在实验中与MATLAB的盲反卷积工具箱函数的处理结果进行了对比,结果表明本文方法的灵活性和有效性。     

一种图像处理的汽车类型识别算法

描述了数字图像处理在智能交通中的原理和应用,运用差影法去背景取得汽车轮廓,接着对图像进行中值滤波消除其噪声,再利用数学形态学方法修补汽车图像,最后提取图像中汽车的长与高几何特征,按统计得到的标准设计相应分类,完成汽车类型的判定.通过实验显示,算法识别速度快,总体准确率达到86%以上.研究表明,将图像处理运用于车型识别,系统简单、快捷、准确率较高,能有效防止传统方法所不能解决的一些问题.     

融合谱-空域信息的DBM高光谱图像分类方法

在高光谱图像分类问题中,提取能够有效表达地物特征的信息是分类方法中的关键问题。为了提高高光谱图像分类精度,提出一种基于深度玻尔兹曼机的高光谱图像分类方法。该方法首先对高光谱图像数据进行主成分分析法白化处理,并提取像元的空域信息,与像元光谱信息组成综合的谱-空域信息;然后通过多层深度玻尔兹曼机模型从像元的谱-空域信息中提取深层次类别特征;最后通过逻辑回归模型对所提取特征进行分类。这种深度玻尔兹曼机模型能够利用数据的先验知识对高维数据进行特征提取,并且所提取的特征内在地表示了地物的空间结构和光谱特征。实验结果表明,这种方法能够有效地提高高光谱图像的分类精度。     

输电铁塔SAR图像检测的先验驱动恒虚警算法

提出一种基于先验驱动的恒虚警目标检测算法,用于高分辨率输电线走廊电力塔SAR图像的检测.根据压缩感知的方法对背景杂波进行重建,采用矩估计的方法对分布参数进行估计并计算出CFAR阈值,通过OS-CFAR的方法进行检测,以输电线走廊的遥感特征为先验对检测结果进行后处理,消除虚警现象的影响从而获得最终的检测结果.试验结果表明,该算法可以很好地实现对输电线走廊电力塔目标的检测.     

基于层次分析法的车联网多因素信誉评价模型

针对车联网（VANETs）场景下存在的恶意车辆节点和虚假信息的问题,提出基于层次分析法（AHP）的车联网多因素信誉评价模型. 该模型综合考虑车辆行为、消息、环境等因素对车辆节点信誉的影响,建立车辆信誉评价模型;面向多应用场景信息（安全行驶、交通管理、商业娱乐）,使用层次分析法量化各因素及不同类型信息对车辆信誉的影响程度;基于反馈机制根据信息的不同类型进行车辆节点的信誉更新,实现车联网车辆的信誉评估. 实验表明,该模型在恶意车辆节点达到25%的情况下,车辆决策正确率能够达到92%以上. 该方案能够有效防止车辆接收虚假信息,准确检测出网络中的恶意车辆节点,提高车辆接收信息的可信度.     

考虑替代救援可靠度的应急配置优化模型

为了合理规划应急设施选址与资源配置方案,分析救援车辆失效对系统覆盖可靠度的影响. 通过构建虚拟车辆资源池,考虑实际中存在使用系统内剩余可用车辆替代失效车辆的情景,提出救援覆盖可靠度的计算方法. 以系统总成本最小化为目标,考虑设施分级和2种救援车辆的匹配,建立考虑替代救援的应急配置双层规划模型. 上层模型优化设施选址与车辆配置方案,下层模型进行物资需求分配. 设计双层启发式算法进行求解. 案例分析表明：随着车辆间容量倍数在合理范围内增长,系统总成本呈现先降低后平稳的趋势,该模型可以为最优的车辆种类匹配方案选择提供依据. 通过与基于传统可靠度计算方法得到的结果对比表明,使用所提的可靠度计算方法,有助于减少系统总成本,在不同车辆类型匹配方案下的平均优化程度为9.01%.     

基于制动强度的能量回收控制方法

针对高效利用电动车能量的问题,提出了一种基于制动强度的电动汽车能量回收控制方法.基于车辆制动的理想曲线和ECE曲线,结合制动强度将制动情况分成四种类型并给出了每种类型所需制动力.基于模糊控制理论提出了机械制动力和电机制动力分配比例的模糊控制模型,建立了再生制动比例与车辆行驶速度、制动力和电池电荷量三个指标之间的模糊模型.在NEDC工况上进行了实验,结果表明,本文方法在回收能量数量、能量回收率和能量效率等方面都具有更好的性能,能够使电动汽车制动策略更加科学节能.     

基于风险预测的自动驾驶车辆行为决策模型

为了解决人工与自动驾驶汽车混行环境下无信号交叉口的通行权分配问题,提出基于驾驶员行为预测的自动驾驶汽车行为决策模型. 利用模糊逻辑方法构建驾驶员的风险感知模型. 基于风险均衡理论,结合可接受风险区间,预测人工驾驶汽车的行为选择策略. 构建自动驾驶汽车的综合效用函数,利用博弈论求解最优行为策略组合,实现无信号交叉口车辆协同控制. 仿真结果表明,面对异质驾驶员,自动驾驶汽车能够有效避免碰撞事故发生并提高自动驾驶汽车通过无信号交叉口的效率,保证驾驶员风险感知值处于可接受范围. 在15组实验中,有93.3%的实验组能够保证车辆通过冲突点的时间差大于可接受的安全通行间隔时间,不同情景下自动驾驶汽车的通行时间是自由流状态的1.07~2.43倍. 与无预测自私博弈模型的对比实验表明,所提模型能够显著提升自动驾驶汽车的通行效率.     

Improved Ant Colony Algorithm for Vehicle Scheduling Problem in Airport Ground Service Support

Support vehicles are part of the main body of airport ground operations, and their scheduling efficiency directly impacts flight delays. A mathematical model is constructed and the responsiveness of support vehicles for current operational demands is proposed to study optimization algorithms for vehicle scheduling. The model is based on the constraint relationship of the initial operation time, time window, and gate position distribution, which gives an improvement to the ant colony algorithm(AC...     

势能场影响区域车辆交互速度变化模型

为定量分析交通流中车辆间的交互影响,开展了主干路车辆交互速度变化模型研究,通过类比势能场理论中的引力和斥力,界定了势能场影响区域的概念,将目标车运行时与周围车辆的吸引和排斥作用归结为势能场影响区域交互面积的变化,提出考虑势能场影响区域的车辆交互分析方法,建立了目标车速度变化量与势能场影响区域交互面积的线性模型. 采用P3-DT北斗高精度定位测向机采集车辆坐标和速度,标定模型参数. 用该模型计算目标车速度变化量,并与实测数据进行对比. 结果表明:模型计算值与实际值之间的误差小于15%,车道变换时间越短,目标车与目标车道后方车辆间的交互作用越明显,后车的减速操作越迅速,验证了模型的有效性. 该模型将传统微观交通流分析中的车速与车辆间距两大因素归一为势能场影响区域交互面积,可为微观交通流中的多车交互研究提供方法,并为自动驾驶车辆提供速度控制策略.     

基于众包模式的两级开闭混合车辆路径优化

针对在需求井喷状态下的物流运力资源不足和物流企业自身与社会闲散资源利用率不高的问题,提出采用企业车辆完成一级配送,社会车辆完成二级配送的具有最优中转站的两级众包物流配送策略. 考虑客户对服务时间的要求,以路径成本与服务延迟惩罚成本总和最小为优化目标,建立带时间窗的两级开闭混合式车辆路径规划数学模型. 根据模型特点构建基于启发式策略的离散麻雀搜索算法,该算法在迭代过程中可以自适应选择操作算子. 通过与GUROBI精确求解器和遗传算法优化算例的结果对比,验证所提算法的有效性. 对比不同配送模式下的各项成本,结果表明所提策略能够有效降低物流运输成本和提高客户满意度.     

四轮独立驱动电动汽车再生制动控制策略

为了提高四轮轮毂电机驱动的电动汽车续航里程,提出了综合考虑理想制动力分配和电机工作特性的再生制动控制策略。通过分析传统汽车理想制动力分配策略,综合考虑电机发电工作特性,在保证整车制动性能的基础上,通过减少机械制动的参与使整车前后轴电机均处于更好的发电状态,从而在保证整车制动效能的同时,回收更多的制动能量。通过CarSim和Matlab/Simulink商用软件联合仿真对提出的控制策略进行了仿真验证。仿真结果表明:该控制策略能够通过有效地分配前后轴电机制动力和机械制动力,从而获得较好的制动能量回收效果。     

两相位交叉口左转车通行能力计算方法

针对传统的左转车通行能力计算方法中存在的问题,对无信号交叉口的可插车间隙理论模型进行了改进,建立了具有部分优先权的可插车间隙理论模型。通过实例对模型中的参数进行了标定,标定出具有部分优先权的左转车临界间隙为3.4 s,并代入模型计算出了左转车的通行能力,与传统模型相比,此模型的计算结果更符合实际,其平均相对误差为16.47%。     

Vision-based long-distance lane perception and front vehicle location for full autonomous vehicles on highway roads

A new vision-based long-distance lane perception and front vehicle location method was developed for decision making of full autonomous vehicles on highway roads. Firstly, a real-time long-distance lane detection approach was presented based on a linear-cubic road model for two-lane highways. By using a novel robust lane marking feature which combines the constraints of intensity, edge and width, the lane markings in far regions were extracted accurately and efficiently. Next, the detected lane lines were selected and tracked by estimating the lateral offset and heading angle of ego vehicle with a Kalman filter. Finally, front vehicles were located on correct lanes using the tracked lane lines. Experiment results show that the proposed lane perception approach can achieve an average correct detection rate of 94.37% with an average false positive detection rate of 0.35%. The proposed approaches for long-distance lane perception and front vehicle location were validated in a 286 km full autonomous drive experiment under real traffic conditions. This successful experiment shows that the approaches are effective and robust enough for full autonomous vehicles on highway roads.