基于匈牙利匹配和卡尔曼滤波的动态多目标跟踪

为了得到无人驾驶汽车目标检测的准确信息,文章通过对标定后的原始激光雷达点云进行分割和聚类,利用霍夫直线检测提取障碍物的外包框,最后使用匈牙利算法对被跟踪的障碍物和新检测出的障碍物进行关联匹配,并求出最优解,最终使用卡尔曼滤波算法对其进行状态优化。通过实验表明,本算法可以在激光雷达一帧0.1 s内,快速、准确地跟踪被检测出的障碍物。     

共享单车出行空间异质性特征及驱动因素研究

为实现基于轨迹数据挖掘的共享单车出行空间异质性特征及其驱动因素评估，本文应用核密度分析和热点探测，获取采样分析区域并以热力值表征共享单车出行发生量，减少尺度效应的干扰；引入空间统计学的半变异函数模拟共享单车出行发生量的结构性和随机性变化规律，挖掘空间异质性特征，确定邻域效应的尺度范围；利用空间序列的斜率表征变化趋势，同时，结合改进的空间滞后和残差模型，区分土地利用、邻域效应和其他建成环境各自对共享单车出行空间异质性特征的驱动力。以北京市为案例进行分析，结果表明：北京市的共享单车出行存在中等的、 正的空间自相关性，空间异质性特征的最佳拟合模型为指数模型；空间自相关性的衰减半径为 1860 m，大于此距离时邻域效应消失；建成环境对空间异质性特征的相对驱动力最大，邻域效应对其的相对驱动力则处于中间水平，而土地利用对其的相对驱动力最小。     

采用谐波比值法的路基碾压实时检测技术研究

在依靠理论研究的基础上利用压实度和振动频率间的正比关系,对压实度进行实时连续检测。结合高速公路建设中现场试验抽取的两种砂砾土压实度与加速度谐波比之间的关系表达式;通过回归探索发现了压实度谐波比的有效值等式和土体粒料组成的联系。探索结论可以直接使用到各等级公路路基基床压实检测工序中去,并且能够使压实检测工作提高效率,减少工序间隔时间,而且有助于在过程中进行压实度质量控制,在公路施工建设领域有着重要的意义。     

一种内河船舶吃水检测系统设计

船舶在通过船闸和升船机等通航设施时因超吃水会导致安全事故,目前常见的船舶吃水检测方法均存在弊端,无法满足检测需求。结合超声波衍射原理,设计一种基于侧扫单波束阵列的吃水检测系统,详细介绍该系统的组成及功能,并在葛洲坝船闸进行安装和测试。结果表明,该系统具有水质适应性强、易于安装、维护方便等优点,能够有效检测船舶动态吃水,测量值与实际核实吃水值的标准差小于0. 086 m,对过闸船舶具有一定的预警作用。     

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。     

超声相控阵缺陷检测技术研究

为了将相控阵超声检测技术进一步推广应用,对带有人工缺陷的试件分别采用CR、超声相控阵检测技术进行检测,将检测结果进行比对,试验结果表明CR检测技术与相控阵检测技术在体积型缺陷与面积型缺陷检出率方面各具优势,应结合实际工件使用工况,确定可能出现的缺陷类型,采用合适的检测方法与检测工艺,最大限度地提高缺陷检出率。     

基于车辆运行数据的疲劳驾驶状态检测

疲劳驾驶是导致交通事故的主要原因之一，及时检测疲劳驾驶，并提醒驾驶员集中注意力，对保证安全行车具有重要意义.本文基于CAN(Controller Area Network)总线采集的车辆运行状态数据，提取了18项与驾驶行为相关的特征，并采用随机森林算法对疲劳驾驶进行识别，结果表明整体的识别准确率为0.785，其中召回率为0.61，即61%的疲劳驾驶状态可被识别出来.实验表明，基于车辆运行状态的疲劳驾驶检测具有一定的效果，且与其他客观的疲劳驾驶检测方法(基于驾驶员生理指标和图像面部特征)相比，具有简单方便，不影响驾驶，且成本低的优势.     

一种基于语义分割结果的车道线检测拟合方法

车道线等地面标志物的检测是自动驾驶车辆环境感知的重要内容,能够为车辆提供可行驶区域的信息。文章提出一种基于语义分割结果的车道线检测拟合方法。使用车载单目相机获取车辆行驶过程中采集的道路图像,送入卷积神经网络进行车道线语义分割。将分割得到的仅含车道线的二值图像进行透视变换得到鸟瞰图,筛选有效车道线像素点,对有效车道线点使用最小二乘法进行多项式拟合,输出左右车道线多项式拟合系数,能够有效解决传统车道线检测算法的环境适应性差,鲁棒性不强,对弯道车道线检测信息不够准确等问题。     

Residual life prediction for marine diesel turbocharger based on Wiener process北大核心CSCD

[目的]针对船舶柴油机增压器难以收集到全生命周期性能退化数据的问题,提出一种基于维纳过程的寿命预测模型。[方法]首先,采用K-Means模型对增压器实际运行工况进行聚类,提取出典型工况数据;然后,使用贝叶斯突变点检测模型识别增压器的缺陷点;最后,建立基于维纳过程的退化模型,并以某型船用柴油机增压器为应用对象,预测增压器的剩余使用寿命。[结果]结果显示,基于维纳过程的寿命预测方法能够在不需要同类设备历史退化数据的情况下对增压器的剩余寿命进行预测。[结论]所提方法对缺少故障样本的船舶柴油机增压器寿命预测具有一定的参考价值。     

基于视频图像的公路隧道火灾烟雾检测

为有效检测公路隧道火灾烟雾并预警，针对公路隧道传统火灾烟雾探测器存在的反应慢和功能单一等问题，通过分析研究火灾烟雾视频图像的颜色和纹理特征，提出一种基于烟雾图像特征的公路隧道火灾烟雾检测方法。首先，通过改进后的Vibe算法模型提取图像运动区域；然后，在YUV色彩空间中确定疑似烟雾区域后利用颜色滤出方法分割出疑似烟雾区域；最后，用从疑似烟雾区域图像中提取的颜色矩和均匀局部二进制模式（ULBP）与灰度共生矩阵（GLCM）构成机器学习分类器的输入向量进行隧道火灾烟雾识别。为满足复杂的隧道环境，对比分析BP神经网络、支持向量机、随机森林3种机器学习分类器的烟雾识别效果，选出最优算法作为公路隧道烟雾识别分类器。通过模拟公路隧道火灾烟雾试验视频和某实际公路隧道火灾视频对分类器进行试验测试，结果表明： 基于BP神经网络算法的检测系统识别性能最优，选取的烟雾特征具有较高识别精度，能够在隧道复杂环境中识别火灾烟雾。