基于语义分割与道路结构的车道线检测方法

车道线的准确检测对于智能辅助驾驶和车道偏离预警系统的性能有着非常重要的作用,当前的传统研究方法普遍存在对复杂道路环境的适应性不够,检测精度有待提高等问题。针对复杂交通环境的车道线检测问题,充分考虑到复杂道路结构的语义信息,提出了1种基于语义分割与道路结构的车道线检测方法。该算法采用Encoder-Decoder的基础网络结构模式,通过改进实现语义分割,利用池化层的索引功能,以反池化的方式进行上采样,在每个上采样之后连接多个卷积层。然后再使用标准交叉熵损失函数训练分割网络,利用深度学习方法得到排除外部环境干扰的道路分割图像,并对分割后的道路图像进行透视变换,采用Hough变换和边缘点的参数空间投票,快速提取和修正车道线左右边缘点,将提取的边缘点进行贝塞尔曲线拟合,实现车道线的平滑显示。提出的算法在相关车道线数据集上进行了训练和测试,与基于参数空间投票方法相比,准确度提升5.1%,时间平均增加了8 ms;与卷积神经网络（convolutional neural networks,CNN）方法相比,准确度降低了1.75%,时间平均减少了6.2 ms。测试结果表明,利用提出的语义分割编解码网络...     

基于Unix平台的视频监控存储与管理系统的研究与开发

道路交通视频监控是ITS的重要子系统之一。在Windows平台上开发的系统在稳定性、安全性、海量视频数据的处理能力等方面不尽人意。基于Unix平台集群环境下的视频监控存储与管理系统有效地解决了这些问题。通过视频数据的并行实时存储子系统、基于B／S的视频数据管理子系统和视频数据的回放3个子系统的独立和协同作用，实现对多路交通监控视频数据的实时存储及管理。实践证明，运行于Unix平台的视频监控存储与管理系统。数据吞吐率高，能对海量视频数据同时进行存储和管理。且安全可靠。     

基于实例分割的车道线检测算法

为实现在自动驾驶复杂场景下检测数量变化的车道线，提出一种基于实例分割的车道线检测算法。首先以ResNet18网络作为主干网络提取图像特征，采用特征金字塔网络进行特征融合。同时设计一种扩张卷积残差模块来提高检测的精度；然后基于车道线的位置进行实例分割，利用语义分割出的车道线点位置预测对应的聚类点位置，通过对聚类点采用DBSCAN聚类算法实现车道线实例区分。结果表明，该算法能够在复杂的自动驾驶场景下有效地进行多车道线检测，在CULane数据集和TuSimple数据集上的调和平均值分别达到75.2%和97.0%。     

基于深度学习的土木基础设施裂缝检测综述

基于深度学习的裂缝检测对于降低基础设施运营风险、节约运维成本并推进中国土木工程行业智能化转型具有重要意义。算法、数据集和评价指标是构建深度学习裂缝检测模型的关键要素；裂缝检测模型集成于机器人平台，从而实现对土木基础设施的全自动裂缝检测。为此，从以上4个方面对当前研究进行了系统梳理。首先，回顾了深度学习的发展历程，重点介绍了深度卷积神经网络在计算机视觉领域的应用及其在图像处理方面较传统算法所具有的显著优势。接着，详细介绍了3类基于深度学习的裂缝检测主流算法，包括分类算法、目标检测算法和语义分割算法。然后，对现有裂缝图像数据集以及模型性能评价指标进行了归纳。最后，总结了土木基础设施的各类裂缝检测机器人平台。综合分析表明：基于卷积神经网络主干结构的深度学习算法已被广泛用于土木基础设施表面裂缝的精准定位与分类，而裂缝的尺寸信息仍需依靠传统图像处理技术进行提取；由于像素级标注的成本和专业性高，大型的裂缝语义分割数据集相对缺乏，致使当前基于语义分割算法的裂缝检测模型鲁棒性较差；目前多数研究人员采用个人建立的裂缝数据集进行模型训练且采用不同的指标进行模型性能评价，缺乏统一的基准测试数据集和评价指标体系，无法对不同模型的性能进行平行比较；目前针对不同基础设施已相应开发了一些裂缝检测机器人，提高裂缝检测机器人的多场景适应性，并降低其应用成本是未来的发展方向。     

基于计算机视觉的驾驶员转向操作实时监测研究

为实时监控驾驶员操纵转向盘的状态，构建了基于机器视觉汽车转向盘实时监控系统，并运用阈值分割和边缘检测方法对转向盘图像中感兴趣区域进行了图像分割，提出了转向盘转角的计算公式。试验结果表明，感兴趣区域图像分割与转向盘转角监测方法有效。     

隧道安全风险管理系统在高铁隧道工程中的应用研究

依托某高铁隧道施工概况,基于安全风险开发隧道监控信息化系统。该系统基于现场检测组网的理论基础,包括检测数据的采集传输、管理分析及远程接收子系统等部分,运用该系统对隧道围岩变形、锚杆应力、围岩与钢架之间喷锚混凝土应力开展全天候的实时监测,形成监测量程应变、应力及压力时程曲线。该系统对隧道进行超前地质预报检测和环境净空扫描检测,及时掌控隧道地质情况和环境安全,为隧道施工方案调整和变更提供更有效的依据,增加了现场管控的时效性。     

基于深度学习和虚拟模型的路面全域伤损状态自动化感知

路面全域伤损的有效感知是全面、系统地实施维护决策的关键依据。提出一种基于深度学习和虚拟模型的路面全域伤损状态自动化感知方法。该方法首先基于无人机实测数据建模生成路面虚拟实体；然后使用深度语义分割网络从实测数据中精细化地检测路面伤损；最后，将输出的伤损特征检测结果与虚拟实体数据进行匹配和UV映射，获取各个伤损在虚拟空间中的定位信息并逐一部署，得到面向路面全域的伤损状态感知模型。结果表明：在现场实测统计长为236 m,宽为20 m的实际路面区域试验研究中，充分训练的U-Net网络的平均交并比(MIoU)达到0.86,显示出对无人机采集到的路面伤损区域极佳的分割精度。建立的路面伤损状态感知模型有效感知实际存在的伤损91处，与传统的二维检测结果相比，能够更加系统地对路面全域伤损进行全局表征，便于高效地推断伤损的特征和位置信息，实现精准、动态的路面服役状态评估。     

桥梁裂缝智能识别与监测方法研究

当前,裂缝识别与监测一直是桥梁结构健康监测的重要研究内容。在桥梁结构现场检测与监测中,传统的裂缝识别与监测技术尚不足以满足实际工程的时效性和精确性需求,尤其是裂缝监测技术。基于深度学习的裂缝图像识别极大提升了裂缝检测的效率和精度,但目前仅能获得特定时刻的裂缝信息,缺乏对裂缝产生和演化过程的监测能力,而这些信息对混凝土结构服役安全量化和科学评价具有重要意义。鉴于此,对基于深度学习的裂缝识别与监测方法进行了系统研究,分析和讨论了裂缝数据集构建基准,改进优化了裂缝目标检测和语义分割算法,提出一种多任务集成一体化实时识别算法,并建立了该模型推理效果评价方法,优化了裂缝参数计算方法,最终形成了裂缝识别及动态扩展自动化实时监测方法。结果表明：所提出的裂缝智能识别与监测方法可以对新裂缝的产生和既有裂缝的全局演化实现良好追踪,监测数据可以为桥梁结构当前服役性能的科学量化评估提供支撑。     

山岭隧道施工人员辐射剂量评估方法及应用

为合理评估山岭隧道施工阶段的辐射对施工人员的影响,通过测试隧道内环境的γ辐射剂量率、空气氡浓度、粉尘质量浓度、围岩放射性核素比活度等环境参数,以工人年均个人剂量为主要评估指标,推荐了一套基于新奥法施工的山岭隧道施工阶段辐射对施工人员影响的评估方法。运用该方法对摩岗岭隧道不同施工工序下的各项辐射指标进行测试和评估,研究得出： 摩岗岭隧道施工人员各工序年均个人剂量为0.203~1.13 mSv,隧道内部辐射环境对施工人员的影响处于较低范围。该评估方法不仅考虑了隧道不同工序施工人员接受辐射时间、辐射来源等问题,而且辐射指标的选取符合山岭隧道施工的实际情况,对隧道穿越辐射异常区的施工安全和辐射防治具有指导作用。     

基于BIM装配式桥梁灌浆密实度检测实验研究

以江西赣州赣南大道装配式桥梁工程为研究背景,进行装配式桥梁施工过程中盖梁孔道灌浆密实度检测的实验研究,基于BIM完成实时检测、数据可视化表达、预警通知等功能,通过互联网平台实现信息实时传递,并实现预警功能。在施工过程中应用新型阻尼振动传感器及灌浆饱满度检测仪,将传感器布设在灌浆料中,将测量得到的信号,转化为能量值和波形图数据形式上传至监测平台,结合云平台实现信息实时传递和预警通知功能,从而实现盖梁灌浆实时检测,密实度不合格的灌浆部位实时通知,进行二次灌浆以达到合格要求。研究结果显示该预制盖梁施工的实验最终达到预期功能要求,该盖梁灌浆密实度检测的方法具有较高的可靠度,能够检验施工质量,实验选取的实验方法切实可行,对改进装配式桥梁连接节点的质量,推动灌浆施工和检测技术的创新,具有参考价值。     

遥控式移动监控监测系统在隧道工程中的应用

对于隧道施工中一些不适于施工人员直接进场的灾害发生区间或易发生灾害区间,需要提前进行现场情况采集,以确保施工人员的生命安全和及时采取措施避免灾害的发生。将全景视频技术、无线信号传输技术、无线传感器网络技术、无线遥控技术相结合,开发遥控式移动数据采集系统并应用到隧道工程。经测试,该系统能够在没有网络覆盖的地区远程进行现场全景视频、全景图片、音频、现场环境信息的采集与传输,直接或间接地减少了施工过程中对施工人员生命健康的威胁,并提供了一种工程施工中危险区间的信息采集方案。     

动态场景下基于语义分割与运动一致性约束的车辆视觉SLAM

传统的车辆同时定位与建图方法多依赖于静态环境假设,在动态场景下易引起位姿估计精度下降甚至前端视觉里程计跟踪失败。本文结合Fast-SCNN实时语义分割网络与运动一致性约束,提出一种动态场景视觉SLAM方法。首先利用Fast-SCNN获取潜在动态目标的分割掩码并进行特征点去除,以获取相机位姿的初步估计;随后基于运动约束与卡方检验完成潜在动态目标中静态点的重添加,以进一步优化相机位姿。验证集测试表明,所训练的语义分割网络平均像素精度和交并比超过90%,单帧图片处理耗时约14.5 ms,满足SLAM系统的分割精度与实时性要求。慕尼黑大学公开数据集和实车数据集测试表明,融合本文算法的ORB-SLAM3部分指标平均提升率超过80%,显著提升了动态场景下的SLAM运行精度与鲁棒性,有助于保障智能车辆的安全性。     

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。     

基于局部窗口交叉注意力的轻量型语义分割

在自动驾驶汽车环境感知任务中，采用环视相机在统一鸟瞰图（bird’s eye view,BEV）坐标系下对车道线、车辆等目标进行语义分割受到广泛关注。针对相机个数增加致使任务推理延迟线性上升、实时性难以完成语义分割任务的难题，本文提出一种基于局部窗口交叉注意力的轻量型语义分割方法。采用改进型EdgeNeXt骨干网络提取特征，通过构建BEV查询和图像特征之间的局部窗口交叉注意力，完成对跨相机透视图之间的特征查询，然后对融合后的BEV特征图通过上采样残差块对BEV特征解码，以得到BEV语义分割结果。在nuScenes公开数据集上的实验结果表明，该方法在BEV地图静态车道线分割任务中平均IoU达到35.1%，相较于表现较好的HDMapNet提高2.2%，推理速度相较于较快的GKT提高58.2%，帧率达到106 FPS。     

基于三维视频融合的隧道运营管理创新应用研究

针对目前隧道数字化运营管理中存在的视频碎片化、视频与业务数据分离、缺乏二三维联动响应手段等问题，提出一种基于三维视频融合的隧道运营管理创新应用方法。1）对隧道运营过程中视频监控的应用现状与需求进行分析，为三维视频融合技术应用与创新实践提供方向； 2）利用BIM与点云重建技术构建隧道场景三维模型，形成隧道虚实融合的静态模型基础； 3）提出一种隧道监控视频三维注册与虚实融合绘制方法，将多路视频实时融合到三维隧道场景模型中； 4）在融合后的三维场景中汇聚融合多源物联传感数据，形成与真实隧道交通运行场景基本一致的数字孪生场景； 5）基于视频融合场景开展二三维联动的隧道保畅、事故救援、设施管理、应急响应等运营管理应用实践。示范应用结果表明，该方法有助于实现更加实时、高效、智能的隧道管理与服务。     

船舶航行交通事件实时检测技术研究现状与展望

船舶航行交通事件检测依赖基于历史数据的离线检测方法, 检测模型适用性差, 难以满足监管人员的实时监测需求。通过分析船舶异常行为检测、航行事故检测等现有交通事件检测技术, 可以发现: 在数据层面, 监测数据来源单一、环境信息缺失; 在方法层面, 基于统计、风险评估等经典模型的事件监测方法效率高但准确性低, 基于神经网络、图像识别等机器学习的检测方法准确性高但效率低; 多源数据融合、多项技术结合的交通事件检测方法成为实时检测方法的发展趋势。在此基础上, 梳理了实时船舶航行交通事件检测的3项关键技术: (1)海事大数据技术: 高效处理船舶运动数据和航行环境数据, 统一多源异构数据结构标准, 降低数据源单一造成的事件误报率; (2)船舶行为动态建模技术: 利用知识图谱等技术融合船舶航行情境信息, 在不同船舶运动环境下利用深度学习、语义关联、图神经网络等方法构建不同的船舶行为模型, 提高检测准确性; (3)实时分析和可视化技术: 结合平行系统进行虚实系统间信息传递, 定性分析检测结果, 实时显示检测全过程, 提升监管过程中的人机交互效率。然后, 提出了包括数据采集、后台服务和客户端应用3个功能模块的交通事件平行检测系统; 该系统具备实时接收并处理船舶航行数据、分析并预测交通状态、动态检测并预警交通事件和仿真结果展示等功能。从数据融合、交通状态感知和交通虚实映射3个方面, 展望了面向海事监测实务的实时检测技术发展方向。      

基于激光雷达点云的道路几何信息提取与数字化建模研究

为实现快速、自动化的道路几何信息提取和数字化建模，基于激光雷达点云提出了一套从道路语义分割、几何线形提取到集成化建模的通用框架。首先，基于空间上下文特征基础框架，将局部特征的最大值和邻域均值进行聚合以作为局部特征，使用径向分布参数与三维坐标描述全局上下文特征，构建道路语义分割网络。其次，基于道路场景分割结果，通过体素降采样和半径滤波法减少点云数据量、去除离群点，并利用可变半径Alpha Shapes (VA-Shapes)算法提取道路边线，结合获取的边线横纵坐标，计算路段几何信息(路宽、纵坡、横坡等),使用inshape函数和插值法构建交叉口的数字高程模型。最后，采用Dynamo for Revit将道路几何信息导入并生成道路路线，通过Revit软件设计道路自适应族构件及不同类别基础设施族构件，实现精细化道路数字建模。利用开源数据集Semantic3D进行训练和测试，分析与评价道路几何信息提取效果。研究结果表明：所提出的算法总体准确度为95%,路面的单类交并比为97.9%,能够很好地实现道路点云场景的自动化语义分割；相比于传统的固定半径Alpha Shapes算法，VA-Shapes算...     

基于SHEL和三角模糊数理论的地铁钻爆法施工安全评价方法研究

为合理应用决策数据中不同专家的背景知识,找出地铁施工过程中安全测评体系的关注重点,根据地铁施工的特点和SHEL安全模型理论,建立以人-软件(L-S)、人-硬件(L-H)、人-环境(L-E)和人-人(L-L)4个环节为基础的钻爆法地铁施工安全指标体系。请专家给出指标语义评价等级和指标权重语义评价等级,并根据其与三角模糊数的对应关系分别得出三角模糊数评价值。针对不同专家的重要性程度差异,提出基于三角模糊数的群一致性评价方法,得出专家综合权重,集结评价数据,最终得到安全评价结果。最后,对青岛地铁1号线过海段进行实例分析。结果表明,该方法可以解决群评价过程中专家个体权威与群体共识难以兼顾的问题,能够充分利用群决策中的原始评价信息,提高地铁施工安全水平评价的准确性。     

港口船舶自动监控系统的设计与实现

基于VC 环境,以MapX作为地图平台、以GPS数据为基础,通过坐标运算判定需要被监控的移动目标所在的云台摄像机,并将当前监控中心视频画面自动切换到该云台的追踪画面.整个平台将地图显示和视频监控相结合,实现了实时地图显示、实时视频追踪、轨迹回放等功能,使工作人员更直观有效地对港口船舶进行监控.     

基于YOLOv5和DeepLabv3+的桥梁结构病害智能识别技术

传统以人工为主的桥梁表观病害识别方式存在着效率低下、风险高等问题，已不能满足当今桥梁检测任务的要求。针对上述问题，本研究结合目标检测与语义分割技术，提出了一套桥梁表观病害智能识别算法，完成了桥梁病害的智能识别与尺寸计算任务。研究中通过多种手段收集桥梁病害图像，构建桥梁表观病害目标检测数据集和语义分割数据集；训练了YOLOv5病害识别及定位网络和DeepLabv3+病害区域提取网络；对病害区域提取结果进行噪点去除、毛刺剔除、裂缝体分解等预处理后，采用邻域划分和正交骨架实现了病害长、宽尺寸的计算，并在桥梁实拍病害图像上进行了算法测试。本研究开发的病害识别技术实现了桥梁表观病害高效率、高精度的自动识别和尺寸计算，提升了桥梁检测的工作效率和安全性。