公路交通标志汉字标准确定新指标

日前,西部交通建设科技项目“公路交通标志视认性及设置有效性研究”通过验收。系统首次确定了交通标志的字高、对比度、汉字笔划宽度等指标,研制了公路交通标志专用字库和方向标志系统．并在工程中成功应用。     

道路场景中交通标志的检测方法

为在车辆视觉导航中能快速识别道路场景中的交通标志,通过提取标志的特征颜色与识别标志的特征形状来实现交通标志的检测。将道路场景RGB空间图像转换为HSI空间,利用色调与饱和度融合的办法来提取道路场景中标志的特征颜色区域,二值化后排除噪声并通过投影法得到正确的标志区域,实现交通标志的定位。以红色禁令圆形交通标志为例,提出一种改进的Hough变换方法来识别标志域内的几何特征——圆形标记。通过对不同条件下20幅含禁令标志的道路场景图像的检测试验,发现本方法对交通标志颜色提取定位与几何特征图形识别的正确率都达到100%,且平均检测时间为245ms。分析结果表明:该方法能够快速、准确地确定标志区域,同时对禁令标志几何图形识别具有较强的实时性和鲁棒性。     

公路自发光标志及补光系统的研究

本文结合公路交通标志设计规范,综合考虑自发光标志本身特点,通过研究,开发了一套适用于普通公路的自发光标志及补光系统,从而解决了在供电条件不好及无供电条件时,行人及畜力车夜间对交通标志的盲视问题。     

基于视频的视觉航标巡检与分析系统

视觉航标是航海人员可以直接用视觉观测到的助航标志,确保视觉航标运行状态稳定和效能的正常发挥,是航海保障部门的重要工作之一.针对传统人工航标巡检存在的效率低下、成本高的问题,设计和实现了一种基于视频处理的视觉航标巡检和分析系统,实现对视觉航标巡检的智能化分析.实际应用表明,该系统能够有效提高视觉航标巡检的效率,提升了视觉航标巡检的信息化水平.     

城镇过境公路交通标志设置的安全隐患与对策

交通标志作为公路的"说明书"、用路人的"引领者",在公路交通安全设施中占有着重要的地位。然而,目前我国城镇过境公路在有交通标志控制的情况下,对事故发生率的控制并不是很明显,这表明交通标志的应用还存在很多的隐患和缺陷。就城镇过境公路交通标志设置的安全隐患,提出了一些对策与见解。     

公路交通标志的版面设计

公路交通标志的设计与设置是公路交通安全设施设计的重要组成部分。合理的交通标志设计可以有效地提高公路的使用效率和安全性。     

公路交通标志的版面设计

公路交通标志的设计与设置是公路交通安全设施设计的重要组成部分.合理的交通标志设计可以有效地提高公路的使用效率和安全性.     

面向智能交通的单目视觉测距方法研究

与前方车辆距离是影响行车安全的重要因素,因此本文提出一种面向未来智能交通的前方车辆单目视觉测距方法.首先,提出融合物联网、智能识别、云计算技术的车联网模型,车辆可实时向车联网回传位置信息及前车图像,请求附近交通标志及前方车辆几何尺度信息,车辆端可计算图像坐标系下车道标志线、交通标志、车辆尺度信息.然后,建立单目相机数学模型,介绍以交通标志、车道分界线为合作标志的单目视觉测距方法.最后,综合应用单目视觉测距方法,设计了前方车辆自适应视觉测距方案.通过仿真实验,证明了单目视觉测距方法的正确性与有效性,可丰富驾驶辅助系统的前方车辆测距手段.     

基于感兴趣区域的CNN-Squeeze 交通标志图像识别

在公路交通中,针对复杂环境下交通标志识别率不高的问题,提出了一种基于 Kmeans对图像聚类,切割图像感兴趣区域(Regions of Interest, ROI),并利用方向梯度直方图特征(Histogram of Oriented Gradient, HOG)与卷积运算,特征加权(CNN-Squeeze)相结合的交通标志识别方法.首先,采用 K-means对交通标志图像进行三角形、圆形图像二聚类,并利用制作的切割模板切割 ROI 并提取 HOG 特征;然后,利用卷积神经网络 (Convolutional Neural Network, CNN)对 HOG特征进行过滤、降维,并通过 Squeeze网络对过滤后的二次特征进行重要性标定;最后,训练该网络模型并实现对交通标志的识别.仿真结果表明,与 BP网络、SVM 及CNN对比,本文方法在保证训练时间的同时,识别精度达到98.58%.     

基于感兴趣区域的CNN-Squeeze交通标志图像识别

在公路交通中,针对复杂环境下交通标志识别率不高的问题,提出了一种基于 Kmeans对图像聚类,切割图像感兴趣区域(Regions of Interest, ROI),并利用方向梯度直方图特征(Histogram of Oriented Gradient, HOG)与卷积运算,特征加权(CNN-Squeeze)相结合的交通标志识别方法.首先,采用 K-means对交通标志图像进行三角形、圆形图像二聚类,并利用制作的切割模板切割 ROI 并提取 HOG 特征;然后,利用卷积神经网络 (Convolutional Neural Network, CNN)对 HOG特征进行过滤、降维,并通过 Squeeze网络对过滤后的二次特征进行重要性标定;最后,训练该网络模型并实现对交通标志的识别.仿真结果表明,与 BP网络、SVM 及CNN对比,本文方法在保证训练时间的同时,识别精度达到98.58%.     

基于双目视觉的原木材积自动检测系统

根据原木材积检测的特点,针对传统人工检尺存在的主要问题,基于双目视觉理论,设计了一种由CCD摄像机、单片机和上位机图像处理软件组成的自动化测量系统.选用HYC-600摄像机组建双目视觉前端,并给出了单片机信号采集处理板、光电编码器和光电开关等关键技术的设计方法,完成了双目标定、Bouquet校正、三维重构和各功能模块的软件开发.实验结果表明：该检测系统能有效克服人工检尺的缺点,成本低、精度高、可靠性强、安装使用方便.     

基于金字塔多尺度融合的交通标志检测算法

为了解决传统交通标志检测算法针对小目标交通标志检测时存在误检与漏检的问题,提出了一个基于金字塔多尺度融合的交通标志检测算法;为了提高算法对交通标志的特征提取能力,引入ResNet残差结构搭建算法的主干网络,并增加网络浅层卷积层数,以提取较小尺度交通标志目标更准确的语义信息;基于特征金字塔结构的思想,在检测结构中引入4个不同预测尺度,增强深层和浅层特征融合;为了进一步提高算法检测精度,引入GIoU损失函数定位交通标志的锚点框,利用k-means算法对交通标志标签信息进行聚类分析并生成更精准的先验框;为了验证算法的泛化性与解决试验所用数据集TT100K的类间不平衡问题,增强与扩充了数据集。试验结果表明:本文算法的精确率、召回率与平均精度均值分别达到了86.7%、89.4%与87.9%,与传统目标检测算法相比有显著提高;多尺度融合检测机制、GIoU损失函数与k-means的引入能够不同程度提高算法的检测性能,使算法检测精确率分别提升4.7%、1.8%与1.2%;提出算法针对不同尺度交通标志检测时均有更优越的性能表现,在TT100K数据集中的(0, 32]、(32, 96]与(96, 400]尺度下的检测召回率分别达到90%、93%与88%;与YOLOv3相比,提出算法在不同天气、噪声与几何变换等干扰下均能实现对交通标志的正确定位与分类,证明了提出算法具有良好的鲁棒性与泛化性,适用于道路交通标志检测。      

基于加权密集连接卷积网络的快速交通标志检测

为提高算法对交通标志快速定位的准确性，改善现有检测算法在复杂交通环境下检测效果不佳、实时性较差的问题，提出一种基于动态加权密集连接卷积网络的交通标志快速检测算法. 选用YOLOv2 作为基础网络，通过增加动态加权密集块对各层特征图的权重进行调节，实现深层高语义信息和浅层低语义信息的融合；使用MobileNet 轻量化网络结构，通过可分离卷积操作有效降低网络的计算成本；针对池化操作中图像特征丢失严重问题引入 CBAM模块，利用通道注意力和空间注意力信息增强关键特征的表达能力. 实验结果表明，本文算法在GTSDB数据集上分别达到了96.14%的检测精度和139 frame/s 的检测速度，在保证较高检测精度的同时，能够有效提高检测效率，满足实时检测要求.     

A Machine Vision System for Ball Grid Array Package Inspection

An optical inspection method of the Ball Grid Array package (BGA) was proposed by using a machine vision system. The developed machine vision system could get main critical factors for BGA quality evaluation, such as the height of solder ball, diameter, pitch and coplanarity. The experiment has proved that this system is available for BGA failure detection.     

交通事件判别方法的研究

近年来,随着交通需求的进一步增加,交通管理逐步走向智能化。在交通控制系统管理中,交通事件的自动检测是目前最具代表性的智能化管理手段。通过对交通管理实际工作的研究发现,不同的应用对检测的要求是不尽相同的。通过探讨持续性检验在事件检测中的应用,在此基础上提出面向多用户需求的事件报警体系,最后提出基于数据融合的事件检测算法,并重点论述融合规则与三级报警输出,从而初步实现面向多用户需求事件报警的理念。     

交通事件小波分解与支持向量机声频识别方法

分析了现有交通事件自动检测和识别方法,提出了应用小波分解与支持向量机相结合的交通事件声频识别方法。将车辆行驶的声音信号进行小波分解,以不同频段的重构信号能量作为特征向量,对由多个支持向量机构成的交通事件分类器进行训练,并对正常行驶、刹车和碰撞事件的声音信号进行识别。试验结果表明:利用车辆声音信号能够正确识别不同的交通事件,识别准确率达95%,识别方法可行。     

警戒区水上交通冲突数据自动采集系统

基于ECDIS、AIS以及支持向量机,引入交通冲突研究方法,提出船舶定线制警戒区水上交通冲突数据自动采集解决方案.方案利用支持向量机学习训练冲突样本数据,得到判别冲突严重程度SVM分类模型,并将SVM软件包和SVM分类模型嵌入到ECDIS,结合实时AIS数据建立水上交通冲突数据自动采集系统,应用该系统对长江口船舶定线制...