考虑低光照场景的自适应路面病害检测模型

为提升低光照环境下路面病害识别模型的精确度与鲁棒性，提出了一种考虑低光照场景的自适应路面病害检测模型。将采集的数据按照亮度分成低光照图像和正常光照图像2类，随后对低光照图像进行自适应增强，并接入路面病害检测流程。为解决现有光照增强图像失真的问题，在Zero-DCE++基准模型上引入光照约束网络，提出了光照增强模块Zero-DCE-Retinex。在此基础上，以提升路面病害检测精度为核心需求，提出了以病害识别模型为驱动的光照增强模块训练策略。具体的，在训练过程中，将病害识别模型嵌入光照增强模块，并通过损失函数来引导光照增强模块的训练。试验结果表明：当使用所提模型对低光照图像进行增强后，再经过YOLOv7模型进行检测，比直接输入低光照图像的方式，AP指标提升了7.04%,F1-score指标提升了11.22%;图像质量亦得到进一步改善，表现在图像信息熵、标准差和平均梯度的提升分别为0.62、13.24和21.61。与同类无监督光照模型相比，所提模型在目标检测任务的AP和F1-score提升方面显著优于其他模型，同时有效避免了增强结果出现色彩失真和过度曝光等问题。因此，提出的模型可广泛适用于...     

支持抗光照目标检测的改进YOLO算法

针对现有的深度学习目标检测算法中存在的复杂光照场景下检测精度不高、实时性差等问题，提出了一种基于YOLO算法的抗光照目标检测网络模型YOLO-RLG。首先，将输入模型的RGB数据转换为HSV数据，从HSV数据分离出抗光照能力强的S通道，并与RGB数据合并生成RGBS数据，使输入数据具备抗光照能力；其次，将YOLOV4的主干网络替换成Ghostnet网络，并对其在普通卷积与廉价卷积的模型分配比例上进行调整，在保证检测精度的同时提高检测速度；最后，用EIoU替换CIoU改进模型的损失函数，提高了目标检测精度和算法鲁棒性。基于KITTI与VOC数据集的实验结果表明，与原网络模型比较，FPS提高了22.54与17.84 f/s，模型降低了210.3 M，精确度（AP）提升了0.83%与1.31%，且算法的抗光照能力得到显著增强。     

车辆造型设计渲染中基于全局光照理论下的真实感与实时性研究

车辆造型渲染对于真实感的追求通常基于光照模型理论,不同的光照模型对于真实感表现不同,对生成真实感的照片图像至关重要。以基于全局光照模型中的光线追踪算法真实感表达能力最强,算法最为复杂,但因其模拟于真实世界的物理光线传播的特性,计算成本非常高昂,故其不流畅的交互体验无法被应用于造型展示情境等各类交互式场景。当今随着硬件技术的提升,全局光照模型中的光线追踪技术已经逐渐可以被用于实时渲染,不过仍然需要通过计算减重的算法实现质量换取速度,但在很多工业领域中其展示的质量与速度也取得了一定的平衡。真实感与展示实时性是车辆造型渲染的主要追求目标,利用计算机图形学领域的研究成果使车辆造型渲染同时兼顾真实感与展示实时性,研究成果将指引未来车辆造型渲染及展示评审的建设方向。     

新品

您完美的终极旅伴FinePixF605EXR 富士胶片全新的FinePixF605EXR——一款将成像质量标准重新定义的超强卡片机。先进的1600万像素的EXR-CMOS现在搭载了全新的EXRAuto功能，新功能能够在任何光照条件下自动侦测动态影像，并在最大限度上降低因被摄体移动所导致的画面抖动的发生。15倍广角变焦镜头也将变得更为强大，因为有了全新的超解像变焦模式。     

基于语义分割网络模型的路面裂缝识别

沥青路面在使用过程中,很容易因基层的干缩、温缩以及外部的车辆荷载作用发生开裂。随着时间推移,在内、外部应力的不断作用下,这些裂缝的开裂状况会逐渐加深,导致路面使用寿命降低。目前,路面裂缝识别多集中识别图片中是否存在裂缝,并未达到像素级的精度。文中提出利用语义分割网络模型去识别路面裂缝,能够将裂缝图片与对应标签进行逐像素的学习与训练,从而使训练出的网络模型能够识别裂缝的具体区域和形态,实现像素级的识别精度。     

基于线性模型的导航路径图像检测算法研究

对智能车辆视野内的车道采用线性模型进行拟合，分析线性模型拟合车辆道的误差，提出减小误差的方法，并分析户外环境中几种典型光照变化和阴影响对智能车导航的影响，改进基于线性车道模型的边缘检测算法。实验证明：在JUTIV-Ⅱ上采用线性模型可提高导航路径识别的准确性，减少数据处理量和获得较高计算机处理频率。     

乘用车密封条光照老化性能部分影响因素研究

针对密封条光照老化的主要失效模式,分析了乘用车用密封条光照老化性能的影响因素.以某乘用车玻璃导槽Roof段的密封条为例,在炼胶和挤出工艺不变的前提下,对采用5种不同配方的EPDM密封条样件进行了光照老化性能试验.结果表明,配方中石蜡油的闪点和硫化剂的含量是影响密封条光照老化性能的主要因素;过硫或欠硫也是导致密封条光照老化性能下降的重要原因.     

复杂光照环境的车道线检测方法

为了解决高速公路和城市道路上复杂天气环境下车道线检测的问题,提出一种复杂光照环境的车道线检测方法。该方法通过自动调节复杂光照环境下图像的对比度特征,从而更好地提取道路上的车道线,实现黑暗及雾天环境下的车道线检测。通过实验验证,该方法在黑暗环境下车道线检测识别率为96.7%,雾天环境下的车道线检测识别率为95.2%,具有较好的算法鲁棒性、准确性和实时性。     

基于轻量化卷积神经网络的桥梁混凝土裂缝检测方法及验证

针对基于边缘检测算法、阈值法等传统的混凝土裂缝检测算法易受到干扰的问题，采用基于轻量化卷积神经网络的桥梁混凝土裂缝检测方法对混凝土裂缝检测难的问题进行研究，并通过对桥梁裂缝图像真实数据集进行检测验证。检测结果表明：1)所研究的轻量化卷积神经网络模型能够实现像素级的标注；2)所研究的轻量化卷积神经网络模型训练参数相比其他文献明显减少，权重文件所占内存明显减小；3)所研究的神经网络模型能够清晰准确地划分出图像中的裂缝像素，且不受图像分辨率大小、对比度等因素影响。上述结果表明，所研究的网络模型具有在像素级准确检测裂缝的良好性能，且权重文件占用内存小，能很好地适用于工程实践。     

基于DS证据理论的不同光照条件下道路边界识别

为提高在不同光照条件下道路识别算法的适应性,采用从局部区域提取方向、道路边界梯度和灰度等3个特征的方法,该特征的提取几乎不受不同光照导致的道路图像全局灰度变化和阴影等噪声的干扰。共选取了14种特征单元,将道路的方向特征准确融入到局部梯度和局部灰度值中。通过应用DS证据理论,将道路边界3个特征和有效统计单元所占比例进行有效信息融合,使得目标函数可以准确拟合曲线的总体质量。在大量实验样本和光强信息的基础上,设定不同光照条件下的道路边界检验阈值选取范围,提高了识别的实时性。实验结果表明,该方法可以适应各种不同光照条件下的道路边界识别,且具有良好的准确性和实时性。