共查询到20条相似文献,搜索用时 0 毫秒
1.
车辆紧急呼救(Automatic Crash Notifi cation,ACN)系统中传统的车辆碰撞类型识别算法仅能判断四个碰撞方向且不能准确计算斜角碰撞的碰撞力主方向(Principal Direction of Force,PDOF)。针对此问题,提出了改进的PDOF计算算法和碰撞类型识别新算法。研究表明,改进后的PDOF计算算法能够准确计算碰撞力的主方向并以此正确判断碰撞的方向,并且碰撞类型识别新算法能够通过y轴速度变化量以及|ΔVy|/|ΔVx|峰值出现时间上的显著差异而准确区分三种正面碰撞类型。与传统算法相比,新算法具有更好的准确性与可靠性。 相似文献
2.
自动驾驶汽车技术的日新月异,主要得益于深度学习和人工智能的进步。然而深度学习模型大多是在静态同分布数据集上进行训练,无法随着时间而适应或扩展其行为。针对这一问题,论文将持续学习模型运用于车辆目标识别领域进行研究。首先搭建可以使得算法流畅运行的环境,选定目标识别的原始图像数据集;在分析现有评估指标的基础上,选取适合于本次实验的评估指标,并采用卷积神经网络(CNN)、最接近类均值(NCM)、增量分类器与特征表示(iCaRL)三种持续学习算法对原始图像数据集进行学习训练与对比验证,通过实验验证了应用iCaRL算法使机器进行持续学习训练时,其精度和效率均优于其他两种方法。针对智能驾驶目标识别图像数据集不完善这一问题,构建了一个新的图像数据集,包含车辆、行人、交通标志及信号灯,将iCaRL算法应用于新建图像数据集进行研究,并在新建智能驾驶图像数据集上进行了训练与测试。结果表明,采用iCaRL算法能够较好地学习新建图像数据集,不会因为环境的改变而使得其性能发生大幅变化,测试结果良好,证明该方法可以在智能驾驶领域进行目标识别。 相似文献
3.
基于特征的车辆牌照定位算法 总被引:14,自引:1,他引:14
车辆牌照定位是车辆牌照识别中的重要步骤,文章针对车图象的复杂背景及非均匀的光照条件,提出了一种基于特征的车牌实定位算法。实验结果表明,该处一位准确率较高,鲁棒性较好。 相似文献
4.
针对自动驾驶车辆识别红绿灯的需要,文章采用YOLO深度学习框架和Opencv视觉库,解决了交通灯识别的问题。试验结果表明,基于YOLO和Opencv的交通灯识别算法,能准确地识别出红灯、绿灯或黄灯,解决了自动驾驶车辆的交通灯识别难题。 相似文献
5.
6.
7.
为了将有效地识别车辆类型用于智慧交通系统,本文在分析Inception V3模型的基础上,提出了一种基于迁移学习理论的车型分类深度学习模型。该模型首先在Inception V3模型的基础上去除最后的全连接层,并加入参数优化层,然后采用Dropout和全局平均池化层。理论分析和试验结果表明,该模型的性能优于基于VGG-16的车型分类模型、基于Xception的车型分类模型和基于Resnet50的车型分类模型,其训练精度优于96.48%、测试精度优于83.86%。 相似文献
8.
正当前,在新一代信息技术引领下,数据快速积累、运算能力持续提升、算法模型不断优化、多场景应用快速兴起,人工智能发展环境发生了深刻变化。车辆检测及车型识别作为深度学习目标检测领域在智能交通的重要应用,也是近年来国内外学者的研究热点。本文针对已有的车辆检测方法缺乏车型识别问题,利用深度学习图像识别技术,提出了基于Faster R-CNN的车辆检测及车型识别方法。通过将Faster R-CNN深度学习模型应用 相似文献
9.
为解决隧道内交通监控视频的低分辨率以及光照不均匀导致的再识别准确率偏低的问题,提出了一种基于多特征融合的车辆再识别方法,通过充分利用车辆的各种有效特征信息提升车辆再识别精确度。首先,将卷积块注意力模块(Convolutional Block Attention Module, CBAM)嵌入到YOLOv5模型的骨干网络卷积层,同时采用CIoU损失和DIoU-NMS方案,提高车型检测准确率;其次,使用改进DeepSORT的表观特征提取网络和ResNet网络,分别获取深度卷积神经网络(Deep Convolution Neural Networks, DCNN)特征和车型ID特征;再次,将车型特征、DCNN特征及车辆ID特征使用加和表示层进行融合,形成可鉴别身份特征,以提高车辆再识别精度;最后,基于Softmax交叉熵损失和三元组损失设计指标函数并进行学习,对学习结果进行重排序以进一步提高模型的精度,并将算法在公开数据集VeRi776、VehicleID和自建数据集Tunnel_Veh4C进行训练验证。结果表明:与现有方法相比,提出的Rank-1、Rank-5和Rank-10识别准确率以及... 相似文献
10.
近20年来,随着以物联网技术,计算机视觉技术为代表的核心技术蓬勃发展,基于深度学习的目标检测算法在各个领域都受到了较高的重视,而车辆目标检测是基于深度学习的目标检测中的一个重要研究领域,也是应用在智能驾驶、智能交通系统中非常重要的一部分。针对车辆目标检测任务,首先对深度学习的车辆目标检测进一步探讨,提出检测任务的重点、难点及发展现状,以时间线对卷积神经网络下车辆目标检测算法进行概括,并对目前2种主流的基于候选框和基于回归的车辆目标检测算法进行总结。伴随着目标检测算法的更加轻量化,检测性能更加优越,将在嵌入式设备得到应用,以提高检测任务的效率。在未来自动驾驶,智能交通系统领域对于安全性,实时性的要求会更高,使得车辆目标检测算法有较好的发展前景。 相似文献
11.
12.
13.
14.
《公路交通科技》2017,(Z2)
介绍了地下无轨车辆自主导航驾驶技术的发展情况,分析了井下采矿装备的发展趋势,结合井下环境特点提出了基于环境自识别的井下无轨车辆的定位导航方法。介绍了地下巷道形状自识别定位导航原理,通过激光扫描仪扫描巷道环境完成自主驾驶。研究了利用激光扫描仪扫描路口等巷道形状完成定位导航的方法,对激光扫描匹配定位算法的具体过程进行了详细说明,利用加权最小二乘法对车辆航向误差、位置误差进行了校核修正。通过仿真分析,对车辆的航向角度误差和位置距离误差校核效果进行了比较,车辆校核后的平均航向误差只有车辆校核前航向误差的2.8%,车辆校核后的平均位置误差为车辆校核前的位置误差的23.1%。另外,对激光扫描环境匹配定位方法的局限性进行了分析,提出了利用航迹推算加激光测距/识别的组合定位导航方法。 相似文献
15.
16.
基于高速公路不停车收费与手机支付结合的迫切需要,文中提出了基于车辆特征识别和征信的高速公路不停车手机支付系统模型和架构,比较该技术与现有ETC和未来电子车牌不停车收费的区别和联系,结合国家对高速公路通行费"营改增"发票系统改造的要求,分析了该技术推广将迎来重要机遇。 相似文献
17.
针对车辆在行驶时由于车道线检测方法单一,导致对直道线和弯道线检测效果不一致,从而影响车道偏离识别效果的问题,基于摄像头采集到的图像信息,提出了1种自适应车道偏离识别算法。该算法对车辆在直道行驶时采用偏离判断基准线法,而在弯道行驶时采用基于触线时间阈值法,分别对行驶状态进行车道偏离判断,该算法既保证了计算速度,又保证了结果的准确性。为了验证所提出方法的有效性,采用仿真的方法,使用车道偏离识别算法获取的数据,通过比例-积分-微分(PID)算法对车辆行驶状态进行控制,得到车辆在预期车道内的行驶状况,以此证明了所提出的车道偏离识别算法的有效性。 相似文献
18.
19.
20.