基于小型深度学习网络的车位检测方法

针对车载嵌入式系统开发需求,文章提出一种小型深度学习网络的车位检测方法。环视图像的车位角点具有大小相近、分布均匀的特点,将整个环视图像分割成若干个子图像,裁剪深度网络模型结构,使用小网络对各个子图像进行车位角点检测,可以有效降低大图像高算力的要求。实验数据表明,以384*640图像大小为例,将原图像分割成128*128子图像,子图像的深度网络算力要求为原图像的1/15,而相应的检测性能没有损失。     

基于遗传算法的视频交通量检测图像分割方法

将遗传算法应用于交通量视频检测图像分割中，在Otsu法的基础上，采用多次迭代以获得最优分割阈值，能够在搜索空间内找到全局的最优分割阈值，从而能更有效地把背景和目标分割开来；由于在寻求最优解的过程中采用并行计算，其运算速度优于Otsu法，满足了交通量检测的实时性要求。     

基于智能手机的农村公路路面破损检测方法

农村公路路面破损自动检测是科学养护的重要前提。针对利用智能手机进行路面破损检测存在较高的误检、漏检以及破损无法量化等问题,该文提出一种新的路面破损检测方法。该方法利用智能手机采集路面图像,首先在图像中选取一个感兴趣区域,进行加权最小二乘滤波、Canny边缘检测以及Hough变换直线检测以识别路面,消除环境对识别结果的影响,降低误检率,再对路面区域使用透视变换的方法得到正射图,降低漏检率,最后利用Mask-RCNN模型对破损进行识别。试验结果表明：与SSD检测模型相比,该方法对裂缝、坑洞、修补3种破损的平均误检率、漏检率分别降低15.4%、19.6%,此外,还能测量裂缝的长度、宽度以及坑洞、修补的面积参数,较好地满足了农村公路破损检测的实际需求。     

基于虚拟仪器的盾构机振动检测系统

以虚拟仪器为软件开发平台,引入振动检测技术,设计开发了一套基于虚拟仪器的振动检测系统,并应用于南京长江隧道盾构机的检测诊断,多次为现场检修提供依据。实践证明：该系统具有良好的检测诊断能力,弥补了盾构机自身监测系统的不足。     

基于多传感器信息融合的3维目标实时检测

针对基于多传感器信息融合的3维目标检测,提出了一种实时高精度的双阶段深度神经网络PointRGBNet。第1阶段,在区域提案网络中,首先将3维点云投影到2维图像上生成6维RGB点云,然后对输入的6维RGB点云进行特征提取,得到低维特征图与高维特征图,利用融合后的特征图生成大量置信度较高的提案;第2阶段,在目标检测网络中,利用第1阶段生成的提案进行RoI池化,得到特征图上与每个提案对应的特征集合,通过针对性地学习提案的特征集合,实现了更精准的3维目标检测。在KITTI数据集上的公开测试结果表明,PointRGBNet在检测精度上不仅优于仅使用2维图像或3维点云的目标检测网络,甚至优于某些先进的多传感器信息融合网络,而且整个网络的目标检测速度为12帧/s,满足实时性要求。     

刹车片表面缺陷的图像检测方法分析

对刹车片表面缺陷的图像检测方法进行了研究。试验表明,该方法能较好地提取出刹车片表面的损伤区域,并可清晰地区分不同部位,且不需要额外增加硬件设备,具有良好的实用性及广阔的应用前景。它解决了现有技术存在着无法对刹车过程中产生的噪声进行抑制等问题。刹车片表面缺陷的图像检测方法对于准确地识别出摩擦片表面的损伤位置具有重要意义,同时为提高刹车片的使用性能提供了一种有效的手段。     

基于行车振动的路面平整度智能检测方法研究

为探讨路面平整度(IRI)的智能检测方法,该文选取北京市密云、通州等地区22条普通公路,借助坐垫式振动加速度计,采集车辆行驶过程中的三轴向振动加速度数据。以Z轴单向加速度为主要对象进行数据处理,确定了|ax|75%、有效值φx为振动加速度特征值。在此基础上,利用GA-BP神经网络建立振动加速度特征值及速度V与IRI之间的相关关系。结果表明:该文方法对IRI值检测的平均相对误差为3.65%,与传统BP神经网络模型相比,精度提高了7.92%。利用该文提出的方法,可以比较准确地实现路面平整度的智能化检测,可为进一步开展路面智能化检测提供理论支持。     

基于地空信息融合的无人机交通状态感知方法研究

现有的无人机(UAV)交通状态感知方法,主要针对宏观交通状态参数的获取,同时尚未克服UAV自运动对交通参数检测精度的影响,难以满足智能交通系统对于高精度微观交通参数的应用需求.为此,提出一种基于地空信息融合的UAV交通状态感知方法,该方法包括:地空信息融合模型、道路关键点(IKP)检测及跟踪、车辆目标检测及追踪算法和交...     

基于检测的高效自动驾驶实例分割方法

基于深度学习的实例分割算法在大规模通用场景中取得了良好的分割性能,然而面向复杂交通场景的多目标实例分割仍然极具挑战性,尤其在算法的高精度和较快推理速度的权衡方面,而这对于智能汽车的行驶安全性至关重要。鉴于此,本文以实时性算法Orienmask为基础,提出了一种基于单阶段检测算法的多头实例分割框架。具体来说,所提框架由骨干网络、特征融合模块和多头掩码构建模块组成。首先,本文通过在骨干网络中加入残差结构获取更加完整的高维表征信息。其次,为了产生更具判别性的特征表达,本文通过引入自校正卷积重构特征金字塔,并使用全局注意力机制改善信息传播以进一步优化所提框架的特征融合模块。最后,提出的多头掩码构建机制通过细化场景目标尺寸分布显著提高不同目标的分割性能。本文算法在开源数据集BDD100k上进行大量测试与验证,分别在边界框和掩码上获得了23.3%和19.4%的均交并比（mAP@0.5:0.95）,与基线方法相比,平均指标提高了5.2%和2.2%。同时在基于自主搭建的实车平台上进行的道路实验也证明本算法能够较好地适应真实驾驶环境,且满足实时性分割需求。     

基于高性能冷拌沥青的公路桥梁伸缩缝高差快速修复技术

公路桥梁伸缩缝处的错台病害,是城市快速路、高速公路高发的典型病害形式.由错台导致的伸缩缝高差,不仅会影响车辆行驶质量,导致车辆颠簸,亦会显著增大车辆行驶过程中的动态冲击荷载,危害路桥结构安全.对此,介绍并提出了一种公路桥梁伸缩缝高差快速修复工艺和技术.结合在上海市外环高速的实施案例,阐述了高差修复材料特性和详细施工步骤...     

基于改进的YOLOv3模型的焊缝缺陷检测方法研究

文章针对目前汽车生产线中焊接检测自动化程度较低、检测鲁棒性较差等问题,利用深度学习算法的特征提取能力,提出了一种基于改进的YOLOv3模型的焊缝缺陷检测方法.该方法基于连通域提取工件上的焊缝图像,并将提取到的焊缝图像输入到改进的深度学习模型中进行训练,通过融合大、中、小3个尺度的感受野,实现不同尺度焊缝缺陷的高精度识别...     

基于改进Mask RCNN的夜间车辆检测方法

传统的夜间车辆检测基于车灯特征的提取和识别,这类方法容易发生误判、检测精度和检测实时性不高。针对上述问题,本文研究了基于改进Mask RCNN(mask RCNN-night vehicle detection,Mask RCNN-NVD)的夜间车辆检测算法。将残差网络（residual network,ResNet）结构中的普通卷积修改为数量为16组的分组卷积,通过16组1×1卷积实现通道数叠加,将网络参数降至普通卷积的1/16,提升检测速度,并实现与普通卷积相同的效果;将通道注意力机制模块（squeeze-and-excitation,SE）嵌入ResNet结构中,通过2个全连接层构建瓶颈结构,将归一化权重加权到各通道特征,增强网络表征能力;在特征金字塔网络（feature pyramid networks,FPN）后加入自底向上结构,将底层特征强定位信息传递到高层语义特征中;加入自适应池化层,根据区域候选网络（region proposal network,RPN）产生的候选区域分配至不同尺度特征图中,并在底层特征与各阶段最高层特征之间加入跳跃连接结构,实现缩减模型参数的同时保留...     

基于深度学习的三维目标检测方法综述

在介绍二维目标检测方法的基础上,对基于深度学习的三维目标检测方法中的深度神经网络展开探讨,包括间接处理、直接处理和融合处理3类基本方法,并着重分析和对比各深度神经网络在三维目标检测速度和精确度等方面的优缺点,为车载激光雷达目标检测方法的选择提供参考依据。     

基于无损跨尺度特征融合的交通目标检测算法

针对复杂道路环境下交通目标与背景区分度低、交通小目标密集度高、部分遮挡严重、容易产生漏检、误检等问题,提出了一种融合注意力的无损跨尺度复合空洞残差网络的交通目标检测算法。通过改进SSD基础骨干网络和残差结构,加强网络提取强表征性的高级语义信息能力,解决信息传递损耗和丢失问题。在此基础上提出一种新的多视野聚合空洞残差单元,通过设置不同膨胀率的空洞卷积,获得不同大小感受野,聚合上下文信息实现大目标与小目标的兼顾。提出一种新的无损失跨尺度融合模块,通过该模块进行通道重组,结合通道维度信息填充像素,实现跨通道像素信息融合,进一步提升特征提取的能力。同时引入了坐标注意力机制,将轴向的空间坐标通道信息有效整合到生成注意力图中,构建出能够捕获跨通道信息且包含方向感知和位置敏感信息的注意力残差单元与多视野聚合空洞残差单元。此外,通过引入Soft-NMS降低与高置信度预测框重叠度较大的目标框的置信度,增加二次检测机会,提升了网络模型召回率。最后引入解耦检测头以加快模型收敛速度和提高检测精度。在VOC数据集07+12上的试验结果表明,算法平均精度提升了6.46%,证明了提出算法的准确性和鲁棒性。     

融合自适应光照预处理和深度学习的钢桥腐蚀检测方法

针对钢结构桥梁实桥腐蚀图像往往由于光照条件较差或光照不均匀导致腐蚀区域检测困难的问题,提出了一种融合自适应光照预处理方法和深度学习的钢桥腐蚀检测方法。首先,采用Global and Local Fusion(GLF)对比度增强算法结合KinD++低光增强模型的方法,对图像进行预处理;其次,采用粗标注结合K-means算法标注腐蚀区域得到分割标签;最后,采用原始图像和预处理后图像分别对UNet++网络进行了训练和测试,验证了所提出的预处理方法的有效性和优越性。结果表明：所提出的自适应光照预处理方法有效改善了实桥腐蚀图像的光照不均和低光照问题,修复和增强了细节和纹理特征信息,颜色保真度较高;所提出的数据标注方法能够精准标注腐蚀区域,减少边缘描绘工作;与原始图像相比,该方法预处理后的图像训练的模型在准确率、精确率、召回率、F1-score、交并比IoU和A_UC上分别提高了5.2%、2.7%、22.5%、19.4%、25.4%和10.5%;对于光照良好的均匀腐蚀图像,预处理对分割精度提高有限,对于点蚀图像,分割精度有较大的提高,对于低光照或光照均匀性较差的图像,分割精度得...     

基于深度学习的多角度车辆动态检测方法

针对在复杂场景下,背景区域干扰特征过多、被检测目标运动速度快等导致的动态目标检测率低的问题,研究了基于深度学习的多角度车辆动态检测方法,将带有微型神经网络的卷积神经网络(MLP-CNN)用于传统算法的改进.使用快速候选区域提取算法提取图像中可能存在车辆的区域,之后使用深层卷积神经网络(CNN)提取候选区域的特征,并在卷积层中增加微型神经网络(MLP)对每层的特征进一步综合抽象,最后使用支持向量机(SVM)区分目标和背景的CNN特征.实验表明,该方法能够处理高复杂度背景条件下,部分遮挡、运动速度快的目标特征检测,识别率高达87.9%,耗时仅需225ms,比常用方法效率有大幅度提升.     

基于高维特征和RBF神经网络的湿滑道路图像判别方法

建立湿滑道路图像模式识别的分类模型,以J判据对图像高维复杂特征进行降维,按照优化后的特征和不同的样本数量建立多个测试条件,采用RBF神经网络进行8类不同湿滑道路图像的判别实验,分析RBF神经网络用于湿滑道路图像分类的优劣、影响因素以及性能改善方法.分析表明:通过图像特征降维后,采用RBF神经网络对不同道路湿滑状况进行判别,正确率约可达78.4%.     

基于相机与激光雷达融合多目标检测算法研究

准确的多目标感知系统是自动驾驶技术的关键。本文提出了一种基于相机与激光雷达融合的多目标检测算法。针对相机传感器无法获得准确的目标距离等深度信息,激光雷达无法获得准确的目标类别信息的问题,首先采用嵌入自适应特征融合模块的YOLOv7网络处理相机数据,同时对激光雷达数据进行点云预处理以消除无用的噪声点;其次,利用坐标变换将激光点云数据和相机数据转换到像素坐标系中;最后,采用基于ROI感兴趣区域的方法对点云进行聚类处理,以参数加权的方式融合两种传感器的检测结果。实验结果表明,嵌入改进YOLOv7网络的融合算法能够检测出更加准确的目标信息。