基于计算机视觉的集装箱箱号识别

集装箱箱号识别是集装箱码头装卸作业实现自动化的一个关键技术。基于计算机视觉技术对集装箱箱号自动识别问题进行研究,分别针对闸口和岸边集装箱箱号智能识别对象和环境进行分析,提出自适用的滤波技术对图像进行预处理,采用深度学习算法完成箱号识别。经过大量的现场测试和应用,闸口和岸边集装箱箱号识别系统的识别正确率分别达到了97%和95%,且均能够满足实际应用对实时性的要求。     

轻量化车位识别网络与流畅泊车路径规划设计

深度学习在自动驾驶开发中得到广泛应用，而在低算力嵌入式平台上部署高算力需求的车位识别网络及复杂的路径规划算法成为行业挑战，因此本文首先设计了轻量化车位识别网络结构，对不同场景下的车位关键点进行检测，其次基于深度搜索设计了快速泊车路径规划算法，然后基于OpenVX的框架将模型和算法部署在多核异构平台上，最终在实车平台上进行自动泊车功能验证。试验结果表明车位检出率大于98%，泊入成功率大于96%，泊车系统运行时间小于40ms，满足实时性要求。