施工场景下基于YOLOv3的安全帽佩戴状态检测

针对现有安全帽检测研究中采用的两阶段检测法存在检测效率偏低,累积误差对精度影响较大的问题,提出一种对安全帽的单阶段检测法。将安全帽和工人头部视为一个整体,将检测目标分为2类,即佩戴安全帽的头部和未佩戴安全帽的头部,同时对2类目标进行检测,避免了冗余的计算步骤及累积误差的影响。同时,针对施工场景安全帽佩戴状态检测特点,对YOLOv3的网络结构、损失函数及先验框尺寸进行改进,提出YOLOv3-C模型。研究结果表明:改进后的YOLOv3-C模型的检测性能大幅提升,在本文建立的样本集中模型的mAP达到93.84%,对安全帽检测平均精度达到97.01%,对工人头部检测平均精度达到90.67%,同时YOLOv3-C对本文的检测场景表现出良好的鲁棒性。     

车体称重调簧试验台视觉定位控制系统研究

基于中南大学研制的车体称重调簧试验台硬件设计,摒弃了硬件改动较大的基于位移传感器的闭环控制方案,而是利用现有资源及机器视觉技术代替人眼完成定位控制操作。围绕前端图像采集、图像识别及特征提取、后端半闭环反馈控制3部分搭建基于图像信息的手眼视觉伺服系统模型,提出基于Open CV机器视觉库的参数自适应改进Hough变换算法识别目标特征轮廓,应用TMS320C6748系列嵌入式DSP图像处理平台,提供一套多路视频信号分时定位控制的通用解决方案。根据实测结果,本视觉定位控制系统可以准确识别试验所需3种不同车型的二系簧定位销形状,并且系统的定位控制精度在±2 mm以内,满足系统定位精度要求的±5 mm,相比手动方式缩短定位补偿时间75%,提高试验台自动化程度和试验效率。     

机车重心位置的检测及对调簧的影响

机车重心位置是机车的一个重要指标,在设计和制造中,必须予以检测和控制。机车重心位置的限制,也是保证机车轮轴重调簧均匀的前提。现对机车重心位置的几种检测方法进行了理论分析,提出了相应的检测思路。同时,为使轮轴重分配达到铁道部颁标准,提出了机车重心纵横两个方向偏离允差的概念,以及利用重心高度来平衡轮重的思想。     

基于遗传算法的机车二系支承载荷调整优化方法

为了改善机车轮轴重量分配的均匀性,从分析机车二系支承结构出发,建立二系载荷分布弹簧高度调整模型,提出应用遗传算法实现机车二系支承点加垫高度值的快速优化计算。针对机车二系支承载荷分布多维参数优化问题的特点,给出基于实数编码的改进遗传算法模型。对国产SS9,SS3b型机车实际应用,可使二系支承载荷分布最大误差进一步减小8%～15%,平均计算过程时间减少约20%。结果表明这种方法克服了基于误差梯度信息迭代搜索求解支承点加垫最佳值算法的不足,在获得一致的全局优化(近似)解,以及在减小运算时间、提高调簧算法的可靠性和实时性等方面具有明显的效果。     

基于改进YOLOX与多级数据关联的行人多目标跟踪算法研究

目标跟踪是计算机视觉领域的基本问题,行人多目标跟踪在智能监控、智慧交通等多个领域有着广泛的应用前景。然而实际跟踪场景中存在频繁遮挡、尺度变化等情况,给多目标跟踪算法带来了极大的挑战。为了进一步提升跟踪精度,在DeepSORT的基础上,提出一种基于改进YOLOX与多级数据关联的行人多目标跟踪算法。对于检测器,为了增强网络的特征表达能力,提高检测精度,在YOLOX骨架网络与颈部网络分别引入ECA通道注意力模块与ASFF自适应特征融合模块。对于身份识别特征,为了减少数据关联步骤的错误匹配数量,提高跟踪效率,使用轻量的OSNet重识别网络与NSA卡尔曼滤波获取目标特征。对于数据关联,为了减少身份切换次数,避免目标丢失,将检测与跟踪都进行分类处理,使用不同的相似性计算方法,实现基于检测置信度与轨迹状态的多级数据关联。实验结果表明：与改进前YOLOX与DeepSORT简单结合的算法相比,在YOLOX中引入ECA模块与ASFF模块使误检数量大幅降低,使用YOLOX-s模型时降幅可达17%;结合OSNet模型与NSA卡尔曼滤波的特征提取方法能提高跟踪稳定性,IDF1指标提高0.77%,IDSW减少94...     

基于嵌入式以太网的高速列车交会气动特性实车测试系统

针对高速列车交会气动特性实车试验过程中测试数据复杂的现状和现有PC-DAQ式测试系统的不足,研究了测试系统基本结构、动态压力传感器信号调理、数据采集和传输,设计了基于嵌入式以太网技术的高速列车交会气动参数分布式实车测试系统.系统采用仪表放大器AD8555实现动态压力信号的调理,大大简化了前向通道;以嵌入式微处理器STM32F207ZGT6为主控芯片,以RTL8201BL作为物理层收发器,基于LwIP协议栈实现与客户端PC机的以太网数据传输.实验调试结果表明,系统稳定、可靠,可有效解决现有集中式系统布线复杂、易受干扰、难以扩展的问题,能满足实车试验需求.     

复杂环境下基于视觉显著性特征的铁轨识别方法

为解决复杂环境下铁轨边缘识别问题,提出一种基于显著性特征的复杂环境铁轨识别方法:通过引入多尺度Gabor能量算子和环境抑制算子,建立基于视觉机制的边缘检测模型,实现铁轨边缘特征的检测,并对环境干扰信息进行抑制;建立铁轨显著性评价模型,对检测结果中对非铁轨边缘进行滤除;提出基于统计学的铁轨特征增强方法,对铁轨边缘片段进行连接增强。试验结果表明,该方法对于光照变化和噪声干扰的鲁棒性较强,相比其他的边缘检测方法,更适用于复杂环境下的铁轨识别,同时可以应用于相似检测环境下的其他场景。     

基于混合算法的机车二系弹簧载荷调整优化方法

针对电力机车二系悬挂调簧分析数学模型算法的优化问题,提出一种遗传算法(GA)与蚂蚁算法(AA)相结合的混合优化算法。其基本思想是:首先采用遗传算法以较少的进化代数进行全局快速随机搜索,获得若干可能的(近似)优化解,以此生成蚂蚁算法初始信息素分布,再用后者求得全局优化精确解。对国产SS3B和SS9型机车的应用结果表明,对同一车体进行多次优化计算试验,混合优化算法的搜索寻优过程均能稳健一致地收敛到全局优化解,可明显缩短二系支承载荷调整调簧计算所需时间,使调簧试验的实时性大为提高。对于二系为高圆簧的SS9型机车,混合算法平均用时比迭代算法和单一遗传算法分别减少约74%和29%。