基于空间序列级联的停车场场景语义分割算法

通过利用深度学习模型对停车场场景中的视觉信息进行处理,以辅助无人驾驶车辆进行自主泊车定位.针对目前用于停车场场景进行语义分割的方法不够成熟,FCN等方法不能满足自主泊车的定位需求,提出一种基于空间序列级联机制的语义分割方法,在停车场场景中,背景及车位线等标识物具有不同的像素区分难度,采用空间序列级联机制,使用浅层网络处理简单像素,使用深层网络处理较难像素,最后将两次结果进行叠加.采集了北京及上海等地共八个不同类型的停车场数据,人工标注40 000张图像构建了停车场场景数据集进行验证,实验表明,在分割精度方面,相比FCN方法,mIoU由69.3%提升到77.9%,速度由15.8 fps提升至35.7 fps.     

双注意力引导的跨层优化交通场景语义分割

针对交通场景目标分割边缘不平滑以及小目标难以准确分割等问题，本文提出一种双注意力引导的跨层优化交通场景语义分割算法。首先，构建多分支特征提取编码网络，并利用串行非比例式空洞卷积实现空间上下文信息提取，进而改善小目标信息的丢失；其次，构建基于空间对齐的跨层特征融合解码网络，实现语义信息和细节信息的融合，增强不同尺度目标的表达能力；最后，提出通道和空间注意力机制，建模全局通道相关性和长距离位置相关性，增强网络对关键特征的学习能力。交通场景数据集Cityscapes和CamVid上的实验结果表明，所提特征提取编码网络、跨层特征融合解码网络以及注意力机制模块是有效的；所提语义分割算法获得了77.79%和78.66%的平均交并比，能够平滑目标分割边缘，尤其对细长条形目标具有鲁棒性。     

多尺度特征增强的路面裂缝检测方法

针对路面裂缝检测不完整和分割出现断裂的问题，提出了一种多尺度特征增强的路面裂缝检测网络MFENet,实现端到端的路面裂缝图像检测、分类和分割处理；设计了多尺度注意力特征增强模块，建立了网络模型的上层多尺度特征通道与底层特征通道权重系数之间的映射关系，以提升有效通道的特征输出；基于路面裂缝的坐标信息和像素语义信息在物理位置上的相关性，设计了多语义特征关联模块，实现不同语义信息之间的特征融合增强，并通过特征维度转换实现对路面裂缝图像的前景特征过滤；提出了一种针对深度特征强度进行量化评估的方法，用于提升模型提取特征能力的可解释性。在自采集数据集上的研究结果表明：MFENet对路面裂缝图像检测的平均精准率和平均召回率相比Mask R-CNN分别提升了4.3%和5.4%,相比基线模型RDSNet分别提升了14.6%和14.3%;MFENet对路面裂缝图像分割的平均精准率和平均召回率相比Mask R-CNN分别提升了6.6%和8.8%,相比RDSNet分别提升了8.1%和9.7%;与Mask R-CNN等主流方法相比，MFENet对不同类型路面裂缝图像的检测、分割精度最高。在公开数据集(CFD、C...     

基于MS-RG混合图像分割模型的道路检测研究

道路场景因其结构的多样性、纹理变化的复杂性和自然曝光的不稳定性,使得传统基于道路分割的道路检测方法大多存在信息冗余,并且存在边界丢失、模糊等质量问题.本文首先在道路图像上使用 Meanshift均值漂移算法,通过空间内的概率密度呈梯形上升去寻找局部最优,并搜索属于同一模点的像素然后生成获得超像素块.然后利用 Meanshift算法获得的聚类超像素块进行多种子点区域生长,规范生长规则,克服不能得到封闭边界的缺陷,改进道路图像的分割效果.实验结果表明,本文提出的模型适用性强,相比于传统方法有效地提升了分割准确性和实时性,可准确识别出图像中的道路信息,确保车辆能够行驶在可行驶区域上.     

基于改进DeepLabv3+的接触网开口销缺陷检测

针对当前基于语义分割的开口销缺陷检测算法存在分割精度不高、检测效率低等问题，提出一种基于改进DeepLabv3+的接触网开口销缺陷检测方法。首先，采用减枝后的MobileNetv2作为DeepLabv3+的骨干特征提取网络，提高检测效率。然后，通过在DeepLabv3+的编码器网络中引入CBAM注意力机制，提高开口销语义分割精度。同时，为缓解开口销区域和背景之间不平衡带来的负面影响，采用CEDice Loss作为损失函数。最后，根据开口销语义分割图像的颜色、形态信息，对开口销进行缺陷识别。实验结果表明：在语义分割方面，相比于原DeepLabv3+模型，改进DeepLabv3+模型的平均像素准确率和平均交并比分别提高了3.54%和3.42%，且测试用时减少了14.41 ms/张，模型参数量缩减了88.61%；在缺陷识别方面，对开口销缺失，松脱，正常三种状态的识别准确率分别为100%,98.1%,99.5%，能够快速有效地识别出开口销缺陷。     

一种允许误差的异构图形语义匹配技术

为解决二维和三维异构图形数据匹配问题,以流程工厂协同设计为背景,提出了基于允许误差的最大语义匹配算法(MSMGE).该算法首先用类无向图描述二维和三维图形数据的工程属性和拓扑关系,消除了研究对象的异构性;然后,用语义表达式表示类无向图顶点与边的语义关系,将二维和三维异构图形数据的匹配转化为允许误差最大公共序列的匹配;最后,通过采用基于工程语义的类无向图语义分割、语义规整和语义裁剪等方法降低MSMGE的复杂度.研究表明,用此算法,匹配精度能够达到90%以上.     

结合区域分割和Wishart分类器的机场跑道区域快速检测方法

提出了一种结合区域分割和Wishart分类器的极化合成孔径雷达图像机场跑道区域快速检测方法; 利用简单线性迭代聚类算法分割极化合成孔径雷达图像, 并将分割得到的超像素作为后续分类处理的基本单元; 采用一种优化后的距离度量方式给超像素分配类别标签, 解决了传统Wishart距离度量因子冗余运算量大的问题; 分析了机场跑道区域像素的极化散射特性, 利用机场跑道区域的弱散射特性从分类结果中提取感兴趣区域; 利用机场跑道的结构特征筛选辨识感兴趣区域, 进而确定机场跑道区域的准确位置; 利用极化合成孔径雷达实测数据测试了算法的有效性, 并与传统基于像素的检测结果进行对比。试验结果表明: 该算法在复杂大场景下能够快速有效检测出机场跑道区域, 检测出的跑道轮廓清晰, 结构比较完整; 采用简单线性迭代聚类算法预处理图像极大地降低了后续处理的复杂性; 针对墨西哥湾试验数据, Wishart分类器处理单元个数分别是Freeman+Wishart算法和FCM+Wishart算法的1.0%和2.4%, 整个检测过程耗时分别为Freeman+Wishart算法和FCM+Wishart算法的9.9%和27.1%;针对大岛试验数据, Wishart分类器处理单元个数分别是Freeman+Wishart算法和FCM+Wishart算法的1.0%和2.6%, 整个检测过程耗时分别为Freeman+Wishart算法和FCM+Wishart算法的14.0%和31.8%。可见, 所提检测方法的实时性能优于基于像素的检测方法。      

基于成本-效益分析的公共停车场建设评估模型

首先论述了公共停车场建设前进行成本-效益分析的重要性.通过对目前公共停车场建设项目评估方法的分析和比较,对费用效益分析法、层次分析法和模糊综合评判进行了综合运用.结合交通建设项目特点,构建了公共停车场的效益评估指标体系,并选择使用升半岭形分布函数作为隶属函数对效益评估数据进行处理.使用费用效益分析法对公共停车场建设进行投资成本计算,并使用极差变换法得出评估结果.在分别给出成本和效益的评估方法和评估模型基础上,最后综合得出停车场建设评估模型,并通过实例说明了该方法的实用性.     

基于DenseNet结构的轨道暗光环境实时增强算法

车载视觉系统是未来城市轨道交通安全运行的重要保障，列车在封闭环境或夜间运行时所处的弱光照环境会严重影响车载视觉系统的检测效果. 为此，提出了一种针对铁路封闭环境或夜间行车环境下低照度图像的实时视觉增强算法. 该算法以密集连接网络（densely connected network，DenseNet）结构为骨干网建立特征尺寸不变网络，提取图像光照、颜色等信息输出光照增强率图，并基于非线性映射函数调整每个像素的光照强度，通过分级结构将低照度输入图像的曝光率由低层到高层不断增强. 建立的深度学习网络模型采用自监督的方式训练网络参数，利用低照度图像自身特征和先验知识构建损失函数，其由曝光损失、色彩恒定损失及光照平滑度损失3个分量组成. 多种场景下的低照度增强实验结果显示:本文算法能够对输入图像曝光值进行自适应，对低曝光以及高曝光区域动态调整曝光率从而改善低照度图像的可视化效果，处理速度能够达到160帧/s，满足实时性处理的要求；通过在低照度增强前后的轨道分割及行人检测算法性能对比实验证明:所提出的算法能够大大提高暗光环境下的视觉检测效果，在RSDS （railroad segmentation dataset）数据集中轨道分割F值提高5%以上，在轨道场景下行人检测误检率及漏检率均有效降低.      

基于视频列车车号识别系统的研究

提出了基于视频的铁路列车车号的识别系统,为铁路列车设计了一种全新的列车车号识别方法.系统通过对铁路现有设备的利用优化了列车图像的采集方法,同时提出用图像的色彩信息准确进行列车车牌图像定位分割和以像素面积原理为基础的搜索寻优进行列车车牌倾斜校正.在字符分割与识别部分使用了改善后的快速准确算法对列车车号进行处理.各个部分均采用改进了的针对性强、实用、快捷的算法和技术,完成了对列车车号识别的功能.     

低照度边缘增强的语义分割模型研究

为提高对低照度图像的语义分割精度,提出了一种基于RPN的边缘增强语义分割模型(EESN)。在该模型中,首先利用深度残差网络提取图像的高阶语义特征,并通过RPN快速生成待分割目标候选区域;然后,利用设计的融合算法对候选区域进行融合,并剔除重复的候选区域;最后,对融合的目标候选区域做低照度边缘搜索,并利用失真代价较小的局部增强算法对低照度边缘进行特征增强。将EESN用于Pascal VOC12和Cityscapes两个数据集的语义分割中,分别获得了81.2%和67.6%的mIoU,该结果证明了EESN对具有低照度边缘的图像具有较好的分割性能。     

�����ͨģ���ʻ��ά�Ӿ����ɷ���

依据模拟驾驶区段的工务数据,在模拟驾驶过程中实时地生成三维视景.根据平面几何和立体几何的基础知识,设计三维空间直线和圆曲线对象的空间走向求解公式,以及以线路中心线为基准的纵断面顶点坐标求解公式.在将坡道、曲线重新组合的基础上,以线段为单位,计算轨道线路中心线的空间走向,根据线路、设备(设施)的纵断面结构,依据线路中心线的空间走向,求解纵断面的顶点坐标,构造三维视景所需要的三维平面要素.同时结合列车的运行状态,确定列车的空间方向,将线路的三维视景经三维平移、旋转得到驾驶场景.使用结果表明,三维虚拟场景能够还原真实场景,帧频率可达25fps,满足真实和实时的要求.     

面向GIS应用的铁路工程三维信息模型数据交换方法

为实现铁路三维信息模型在不同平台之间的互操作和信息共享,本文提出一种基于多元信息分离和独立存储、支持简化层次细节和场景构建的模型数据交换方法RIMTrans.首先,从RIM各单元要素中提取描述几何特征的参数,并通过快速网格化等算法将其转换为GIS需要的Mesh数据;其次,建立IFC与RIM语义之间的映射关系,保证了数据交换过程中语义信息的完整性;然后,引用IFC规定的属性定义和描述方式作为标准交换格式,实现属性信息的传递;最后,以语义为主导,从几何、属性、语义三个方面对RIM进行了多层次细节简化.通过选择某铁路工程设计工点案例区域,本文采用RIMTran,方法开展了设计阶段信息模型的格式转换实验.结果表明,本文提出的数据交换方法灵活可控,三维模型中附带的铁路工程语义信息完整性可达85%,与传统作业方式相比,RIM信息模型的转换时间耗用降低70%,集成到三维GIS场景中的准确度达100% .     

基于ITK和VTK的医学图像分割与重建

基于开源软件开发包ITK,使用连接门限法和快速步进法分别完成对肺实质和脊柱的医学图像的自动分割,分割效果良好.通过对分割结果的对比分析,得出两种分割方法的适用对象.使用连接门限法分割CT序列图像,并输入到VTK中,实现了胸椎的三维重建.实验结果准确还原了目标组织空间位置、几何特征等信息,各脊柱块间没有粘连,能够满足医生对局部组织的观测需求.     

面向GIS应用的铁路工程三维信息模型数据交换方法

为实现铁路三维信息模型在不同平台之间的互操作和信息共享,提出了一种基于多元信息分离和独立存储、支持简化层次细节和场景构建的模型数据交换方法RIMTrans.首先,从RIM各单元要素中提取描述几何特征的参数,通过快速网格化等算法将其转换为GIS需要的Mesh数据;其次,建立IFC与RIM语义之间的映射关系,保证了数据交换过程中语义信息的完整性;第三,引用IFC规定的属性定义和描述方式作为标准交换格式,实现属性信息的传递;最后,以语义为主导,从几何、属性、语义3个方面对RIM进行了多层次细节简化.通过选择某铁路工程设计工点案例区域,采用RIMTrans方法开展了设计阶段信息模型的格式转换实验,结果表明,本文提出的数据交换方法灵活可控,三维模型中附带的铁路工程语义信息完整性可达85%,与传统作业方式相比,RIM信息模型的转换时间耗用降低70%,集成到三维GIS场景中的准确度达100%.      

视觉感知驱动的三维城市场景数据组织与调度方法

针对大规模复杂三维城市场景三维可视化的数据调度效率不高、视觉一致性差等关键问题,提出了一种视觉感知驱动的复杂三维城市场景数据自适应组织管理与动态调度方法.该方法根据三维场景数据的空间分布特征,利用自适应四叉树对复杂三维城市场景进行不同层次粒度的划分,并自底向上遍历四叉树,为中间节点生成LOD(level of detail)和计算各个层级的几何误差,构建灵活的多粒度三维瓦片模型,最后根据屏幕误差评估建筑物模型的三维几何特征(形状、尺寸、高度)等视觉感知参数,约束不同细节层次模型的自适应调度.选择了柏林4个细节层次的三维城市模型数据,进行交互式三维漫游测试.实验结果表明,基于视点相关HLOD(hierarchical LOD)动态调度,动态可视化的渲染帧率始终保持在40 f/s左右,达到了网络环境下复杂三维城市场景数据动态调度的高效性和三维可视化视觉一致性的要求.     

基于加权密集连接卷积网络的快速交通标志检测

为提高算法对交通标志快速定位的准确性,改善现有检测算法在复杂交通环境下检测效果不佳、实时性较差的问题,提出一种基于动态加权密集连接卷积网络的交通标志快速检测算法. 选用YOLOv2 作为基础网络,通过增加动态加权密集块对各层特征图的权重进行调节,实现深层高语义信息和浅层低语义信息的融合;使用MobileNet 轻量化网络结构,通过可分离卷积操作有效降低网络的计算成本;针对池化操作中图像特征丢失严重问题引入 CBAM模块,利用通道注意力和空间注意力信息增强关键特征的表达能力. 实验结果表明,本文算法在GTSDB数据集上分别达到了96.14%的检测精度和139 frame/s 的检测速度,在保证较高检测精度的同时,能够有效提高检测效率,满足实时检测要求.     

自适应铁路场景前景目标检测

现代铁路系统中,智能视频分析技术已被广泛应用于异物入侵监测,前景目标检测是入侵判断的必要过程. 背景差分常用于检测前景目标,但铁路场景复杂,存在动态变化的背景区域和未知类型的目标,现有基于阈值分割或深度学习的背景差分算法都不能满足需求,故提出一种基于阈值自适应调节的前景目标检测算法. 利用像素值在时间上的动态信息,分割结果的反馈信息和由超像素提供的空间信息确定阈值调节因子,动态调节阈值以适应环境变化;提出一种灵活可靠的背景模型初始化方法,消除鬼影问题,实现一帧到多帧初始化的灵活切换. 实验结果表明,所提算法在铁路场景上取得了较好的准确率和误分类率,且平衡了精度和速度.     

注意力孪生网络在生物医学文本相似性上的应用

将注意力机制引入到孪生网络中,利用注意力机制提取词的权重并影响孪生网络输出的语义特征,降低输入序列的噪音,而加强了两个序列的相互关系,从而提高改进孪生网络的性能.在两个生物医学文本相似性语料上(SICK和DBMI)的实验结果表明,注意力机制的孪生网络对评估文本相似性的性能有大幅度的提升(在SICK和DBMI数据集上,皮...     

基于街景数据的街道空间品质评价思路优化及实证研究——以兰州市城关区为例

为寻求利用街景数据从人本尺度进行街道空间品质评价的思路方法,研究通过构建步行安全性、街道舒适性、空间交往性三大评价指标,利用基于深度学习的全卷积神经网络进行街景图片语义分割,以兰州市城关区街道空间为例进行实证研究.结果表明:1)街道客观空间品质方面:城关区街道空间绿视率以较低水平及低水平分布为主,整体上街道绿视率低;大...