一种基于字符复原的车牌识别方法

提出了一种基于字符复原的噪声车牌的识别方法。通过对二值化后的车牌字符进行复原，使字符接近标准模式，便于后续的识别。复原中利用离散Hopfield网络的联想记忆能力，存储车牌字符的标准模式，通过对标准模式进行Schimidt正交化，利用Hebb规则学习权值矩阵，提高了网络的联想记忆能力。对复原前后一批样本进行试验，结果显示复原后能明显提高车牌的识别率。     

隧道设备运行状态智能检测系统

照明灯和情报板的正常工作是隧道运行的基本保证,隧道内对于亮度的要求相当严格,亮度不达标会影响隧道的安全行车,情报板则是告知驾驶人员天气、路段等信息。照明灯的运行状态检测主要是以RGB模型灰度化,经过中值滤波,灰度变换,二值化,K-means聚类算法将左右两侧的照明灯分离,通过照明灯轮廓面积的比值来判断是否有故障的照明灯。情报板的运行状态检测是通过HSL模型灰度化,经过中值滤波,灰度变化,二值化后,再进行闭运算,填洞,凸包运算,删除边界目标,删除小粒子以提取出情报板的轮廓,通过水平垂直双投影算法进行字符分割,再经过分层LBP+HOG特征融合算法对分割后字符进行特征提取,当字体显示不完整或者不正确时,就能够及时发现。     

一种基于数学形态学的车牌图像边缘检测及提取算法

针对牌照字符目标与背景的差异性,提出1种基于数学形态学的牌照字符提取方法。该算法对输入图像进行相邻像素差分,保留纵向纹理;通过二值化和数学形态学处理,得到许多大小不同的连通域;计算各连通域的特征参数,利用牌照区域和背景区域对应的连通量的特征差别,实现有效抑制背景而保留牌照的目的。选择了1组有代表性的图像作为测试样本,验证了该算法的准确性和环境适应性。     

车牌识别算法的研究与实现

介绍一种基于KL变换的车牌识别算法。算法主要由车牌分割和车牌字符识别组成。车牌分割算法利用车牌的纹理特征和形状特征来定位车牌，并采用投影的方法和先验知识实现车牌的倾斜校正和字符切分；车牌字符识别算法采用一种最优变换，KL变换来提取字符图像的特征值和特征向量，并通过计算待识别字符与各样本字符特征值的欧氏距离来实现对该字符的分类。试验结果表明此方法是正确的。     

基于场景分类及灰度跳变的车牌定位方法

车牌定位是自动车牌识别系统实现的关键。提出一种基于场景分类及灰度跳变的车牌定位算法。该算法对彩色图像进行场景分析,将图像分类为白天场景类或夜晚场景类。这两类场景的字符与背景的灰度跳变值不同,一般白天场景类的灰度跳变值较大,夜晚场景类的灰度跳变值较小。利用不同的灰度跳变值快速提取出几块车牌候选区域,对不同的场景用不同的方法最终选取一块区域。实验结果显示本文提出的方法对图像场景分类准确率达到98.2%,车牌定位的准确率达到98.5%。     

文本图象识别及二值化的研究——基于模板的分离算法

章研究了黑斑、阴影、污迹等污染的多灰度本图象，对其进行识别提取，得到汪晰的二本图象，图象的二值化实现有利于图象的分析，ＯＣＲ的处理、支票图象处理和图象舆和理解。本研究了本图象识别及二值化基于模板的分离算法，考虑了笔划镀和汉字结构，在ＰＣ－４８６上实现，得到很好地二值化效果。     

一种基于模板匹配的汽车牌照识别方法

受天气、光线等因素的影响，易造成车牌图像灰度不均匀，在车牌图像上部产生阴影，章提出了一种消除阴影的预处理方法。即采用模板匹配完成字符识别，设计字符提取算法，使字符提取和识别同时进行，避免了字符的单独分割。针对一些易混淆的字符，构建神经网络，提高字符的识别率。测试结果证实了本方法的有效性。     

基于投影二分法的车牌字符分割方法

在车牌字符分割中,传统的投影法对车牌图像质量的要求较高,受噪声影响较大,易造成分割字符的粘连与断裂,在一定程度上影响了车牌的识别率.针对传统投影法的不足,文章提出了一种基于投影二分法的字符分割算法,该方法能快速有效地把车牌字符准确地提取出来.实验结果表明,该方法抗干扰能力强,能有效地抑制字符的粘连,减少字符的断裂,车牌识别准确率高.     

指针式仪表表盘的缺陷检测

本文将表盘字符检测与表盘刻度检测相结合的方法用于对刻度式电仪表表盘进行缺陷检测。该方法充分利用目标图像的几何特征,将表盘进行特征提取。讨论了基于字符的像素密度特征与字符映射进行检测的算法,并运用八邻域算法对以刻度线扫描。实验表明该方法对指针式表盘检测结果非常理想。     

318自动造型线电控改造的实践

铸二车间Ｘ－３ＺＺ３１８线多触头中高压自动造型线由分离元件控制改为ＰＣ机控制后，故障率降低，维修方便，提高了生产线，为ＰＣ机在其它设备上的运用提供了良好的借鉴。     

基于分形维数的车牌字符识别

在国内外学者已对车牌区域的定位问题进行了众多研究的基础上，运用分形理论对车牌矩形区域内的字符识别问题进行了深入研究，针对汽车车牌字符的统一性和有限性，在对车牌矩形区域进行切分的基础上运用盒子维方法提取每一字符图像的分数维特征，根据不同字符具有不同分形维数的原理，提出了一种基于分形维数和图像重心的识别算法，并在此基础上对其平移不变性及抗噪能力进行了实验分析，取得了较为满意的结果。试验结果表明该方案是可行的和有效的。     

基于小波变换的车牌图像检测定位算法研究

在讨论二维二进可分离小波及图像小波去噪的基础上，研究一种基于小波变换并结合其他多种图像处理方法的车牌图像检测定位的算法。实验表明，该算法对含噪的车牌图像能较好地完成检测定位。     

基于融合离散动作的双延迟深度确定性策略梯度算法的自动驾驶端到端行为决策方法

针对基于强化学习的车辆驾驶行为决策方法存在的学习效率低、动作变化不平滑等问题，研究了1种融合不同动作空间网络的端到端自动驾驶决策方法，即融合离散动作的双延迟深度确定性策略梯度算法（TD3WD）。在基础双延迟深度确定性策略梯度算法（TD3）的网络模型中加入1个输出离散动作的附加Q网络辅助进行网络探索训练，将TD3网络与附加Q网络的输出动作进行加权融合，利用融合后动作与环境进行交互，对环境进行充分探索，以提高对环境的探索效率；更新Critic网络时，将附加网络输出作为噪声融合到目标动作中，鼓励智能体探索环境，使动作值预估更加准确；利用预训练的网络获取图像特征信息代替图像作为状态输入，降低训练过程中的计算成本。利用Carla仿真平台模拟自动驾驶场景对所提方法进行验证，结果表明:在训练场景中，所提方法的学习效率更高, 比TD3和深度确定性策略梯度算法（DDPG）等基础算法收敛速度提升约30%；在测试场景中，所提出的算法的收敛后性能更好，平均压线率和转向盘转角变化分别降低74.4%和56.4%。      

基于强化学习的自动驾驶决策研究综述

强化学习的发展推动了自动驾驶决策技术的进步，智能决策技术已成为自动驾驶领域高度关注的要点问题。本文以强化学习算法发展为主线，综述该算法在单车自动驾驶决策领域的深入应用。对强化学习传统算法、经典算法和前沿算法从基本原理和理论建模等方面进行归纳总结与对比分析。针对不同场景的自动驾驶决策方法分类，分析环境状态可观测性对建模的影响，重点阐述了不同层次强化学习典型算法的应用技术路线，并对自动驾驶决策方法提出研究展望，以期为自动驾驶决策方案研究提供有益参考。     

视频车辆检测技术中的阈值分割算法研究

为了提高视频交通检测交通流参数提取的精度,研究了视频交通检测技术．中的阈值分割算法;文中使用分形维数法、双峰法、迭代法和大津法研究了获取图像的阈值分割方法使得车辆和背景分离。结果表明,分形维数法处理时间较长;迭代法编写程序较复杂,且运算时间长;由于双峰法对满足一定要求的图像处理效果较好,而试验证明双峰法不适用与车辆视频图像处理。大津法分割后得到的二值图像中仍然存在车辆内部存在黑色像素点的问题,但其效果图中车辆与背景的分离情况较好。所以课题中选取大津法作为视频车辆检测中闽值分割的最终处理算法。     

双重下采样增强的点云改进配准算法研究

自动驾驶领域对点云配准实时性要求高，而已有ICP算法及其变体存在对初始位姿要求高、配准速度慢等问题。鉴于此，本文提出了一种改进的快速点云配准方法，首先采用双重下采样方法对初始点云数据进行预处理，在保留原始特征的同时快速降低点云数据量，然后引入内部形状描述子（ISS）来优化超级全等四点集（Super4PCS）算法，降低其时间复杂度，最后选用线性最小二乘优化ICP算法进行快速精配准。采用斯坦福点云数据和自动驾驶Kitti点云数据对该算法有效性进行了测试和对比验证，结果表明：该算法具有良好的鲁棒性，且配准精度和配准速度均比已有算法有明显提高。     

基于间接平差的选权迭代法在地铁断面监测中的应用

针对地铁隧道断面监测中的断面拟合方法,介绍了常用的最小二乘法和选权迭代法,应用MATLAB对选权迭代法实现算法程序。以南京地铁10号线的监测数据为例,分别对2种拟合法进行比较,结果表明:在无异常值的情况下,最小二乘法与选权迭代法均有较高的拟合精度,随着异常值个数的增加,最小二乘法拟合数据产生失真,且对异常值无法正确定位,而选权迭代法则可以精确定位异常值,对无异常的监测点位有较高的拟合精度。     

基于稀疏彩色点云的自动驾驶汽车3D目标检测方法

针对目前在自动驾驶汽车中,目标检测的点云分割与识别算法的准确率低等问题,提出一种稀疏彩色点云结构,该结构由摄像头采集的图像信息与激光雷达采集的点云信息进行空间匹配与特征叠加后生成。通过改进的PointPillars神经网络算法对融合后的彩色稀疏点云进行运算。实验结果表明,本方法在平均精度上比原算法有较大的提升,尤其是对行人和骑单车人的识别平均精度的提升更为明显,在中等难度下的行人和骑单车人3D检测的平均精度值分别提升13.8%和6.6%,显示了本方法的有效性。     

基于边缘生长的车牌定位新方法

采用一种新的边缘生长算法提高车牌字符边缘检测的准确率。通过采用灰度局部方差极大的原则以边缘生长的方式检测边缘,实验结果显示该算法检测边缘的速度快,轮廓非常清晰。边缘生长结束后,通过分析边缘的几何特征确定其是否是车牌字符的边缘,最后利用字符与车牌之间的位置关系,准确地定位车牌。采用该算法的车牌定位程序在IntelPIV计算机上的平均运行时间只有100ms。     

商业版

伊斯沃(重庆)公司(加拿大独资)地址:重庆市渝北区龙溪镇兴隆街1号(松树桥大厦)4楼邮编:401147电话:023—6761 0571 67607455 手机:01 388360345 传真:023—6761 0577 电子邮件:east、Ⅳard@pnet.com.cn 联系人:刘小姐陈先生气动标记打印机适合在各种形状、尺寸、材质的工件上刻印中英文字符及图形, 每秒刻印3—5个英文字符,打印范围170mm×80mm, 深度O.01。2mm,自动流水号刻印,自动VIN打号。 平均无故障时间10000小时。不打不相识 cM3台式标准型 买品牌产品.售后服务有保障华东办事处地址:上海市大柏树沪办大厦7号楼170l号邮编:200437 联…