汽车白车身机器视觉检测系统

本文论述了由多传感器“融合”的轿车白车身机器视觉检测系统的原理、组成及其工作过程，设计了利用双经纬仪实现座标系统一的方法，完成了实验及数据采集，并与标准值进行了比对，取得了较高的测量精度。     

基于机器视觉的路面裂缝病害多目标识别研究

为了建立一种基于深度学习卷积神经网络的多目标路面裂缝检测模型,实现对路面裂缝的精确识别、分割与统计,采用卷积神经网络Mask R-CNN为主干框架,融入ResNet模型与特征金字塔网络(FPN)提高对病害特征提取的精度,建立了针对裂缝病害识别的基础网络体系;考虑裂缝病害图像特征,采用随机梯度下降算法与冲量算法优化损失函...     

汽车白车身机器视觉检测系统

本文论述了由多传感器“融合”的轿车白车身机器视觉检测系统的原理、组成及其工作过程，设计了利用双经纬仪实现坐标系统一的方法，完成了测试实验及数据采集，并与标准值进行了比对，取得了较高的测量精度。     

基于机器视觉的智能车辆障碍物检测方法研究

着重阐述基于机器视觉的前方车辆障碍物检测方法，首先根据公路上前方车辆的先验特征模型，建立障碍物探测的感兴趣区，以缩小搜索区域，随后提出一种新的对称变换算子，用于检测障碍物车辆的对称轴，并确定障碍物车辆的矩形轮廓，为进一步提高障碍物检测的实时性，采用递归模板匹配法对障碍物进行跟踪，试验表明上述方法是有效的。     

路面破损状况自动检测系统

介绍了路面破损检测自动化的原理，数字化图像的概念，现有系统的设计，硬件性能和特点，系统研究和开发的前景等方面的内容。     

路面破损诊断的神经网络方法

由于路面病情机理的复杂性，因而难以得到一套精确、实用的病情识别诊断判据。本文通过对神经网络分类功能及公路路面病情诊断技术的分析，提出了利用神经网络进行路面病情诊断方法，为进一步开发相关实用技术作了一定的理论准备。     

机器视觉系统在激光焊接中的应用

为了满足柔性化生产的要求,机器视觉被广泛应用在激光焊接中。文章通过机器视觉系统在汽车制造业激光焊接中的应用实例,介绍了视觉激光焊接系统的组成,并重点分析了视觉技术的应用,如标定、焊前检测、焊缝轨迹控制及焊后质量检测等。     

基于机器视觉的汽车车身划痕检测与处理

随着科技发展与进步,汽车走进人们的日常生活,成为出行所需的必要品之一。由于擦洗、护理不当的人为原因或是汽车行驶时与其他车辆、路边树枝或固定物发生刮擦的自然原因等,往往都容易使车身造成深浅不一的划痕,影响美观与使用。而对于划痕检测往往采用人工检测的方法比较常见,但随着社会发展,各种无损伤的检测技术逐渐普遍出现,国内外在划痕检测与识别的技术上得到不断提升,从一开始由传统的人工主导检测方法到现在常见的渗透识别、磁粉识别、图像识别以及基于超声波激光的识别方法。针对人工检测存在低效率、高漏检率和误检率等缺点,文章通过提出一种基于OTSU算法的以机器视觉检测技术为基础的实现车身划痕能够自动检测的方案,此方案安全可靠,在艰难复杂的工作环境里可以较长时间工作,并且能够获得较高的检测精度。为了恢复汽车车身的美观性,根据划痕损伤程度不同,提出了几种不同的修复工艺。     

基于视觉图像处理的路面裂缝量测算法研究

利用机器视觉图像处理方法,针对传统的人工测量高速公路路面裂缝方法的多种弊端,提出一种对高速公路路面裂缝的图像信息进行自动分析处理的新算法,采用几何学原理,将现实世界的三维坐标,投影为二维信息,通过一系列的转换,可以精确地得到裂缝的长度与面积。实验结果表明,可以较精确地测量出裂缝的长度、宽度及面积,为高速公路路面裂缝的分析和管理提供了技术基础。     

基于视觉图像处理的路面裂缝量测算法研究

利用机器视觉图像处理方法,针对传统的人工测量高速公路路面裂缝方法的多种弊端,提出一种对高速公路路面裂缝的图像信息进行自动分析处理的新算法,采用几何学原理,将现实世界的三维坐标,投影为二维信息,通过一系列的转换,可以精确地得到裂缝的长度与面积。实验结果表明,可以较精确地测量出裂缝的长度、宽度及面积,为高速公路路面裂缝的分析和管理提供了技术基础。     

基于RBF神经网络识别路面谱的新方法

路面不平度是车辆行驶中振动的重要激励。为了识别路面不平度的功率谱密度函数(路面谱),提出了一种基于径向基函数(RBF)神经网络识别路面谱的新方法。该方法以7自由度汽车振动模型为基础,以MATLAB软件仿真得到的汽车车身质心垂直加速度谱为神经网络理想输入样本,以GB7031-86建议的路面谱为神经网络理想输出样本,应用RBF神经网络建立汽车车身质心垂直加速度谱和路面谱之间的非线性映射模型。另取一组仿真得到的车身质心垂直加速度谱代入已训练好的网络进行路面谱识别。结果表明:该方法具有较强的抗噪声能力和较理想的识别精度,识别的路面谱与拟合的路面谱吻合一致。     

基于模糊神经网络的公路隧道通风控制的应用

运营公路隧道中的通风系统耗能最多,如何在满足卫生标准前提下,改进现有的控制方法,使隧道通风系统实时节能地运行已成为当前公路隧道通风十分紧迫的课题.     

基于BP神经网络的路面不平度识别

将BP神经网络作为识别路面不平度的工具,确定了用于识别的评价指标。建立了前后轮路面不平度滤波白噪声模型和汽车平顺性4 自由度平面模型,通过仿真获得车辆响应和前后轮路面不平度,作为BP 神经网络的输入和输出。采用3 层BP 神经网络识别路面不平度,先后构造了44 种车辆响应输入方案进行训练和测试,通过评价指标选出最优输入方案。研究结果表明,在车辆行驶的常用路面和车速条件下,识别前后轮路面不平度的最优输入方案由车轮垂直加速度、车轮垂直位移和悬架动挠度组成。     

考虑路面不平度神经网络的悬架参数优化

以1/4车辆模型为例,构建了考虑路面不平度的3×3神经网络系统,并进行了多种路面条件下汽车悬架参数优化。计算结果表明,将路面不平度作为神经网络输入之一的神经网络优化系统与已有神经网络系统相比,可使设计人员综合考虑路面的影响,从而得到适应条件更广泛的悬架参数。     

基于RBF神经网络识别路面不平度的研究

针对应用RBF神经网络识别路面不平度的输入选择、输入方案确定和识别效果评价3个问题,提出了一种解决方法。对RBF神经网络和训练过程进行了分析,选择车辆可以测试的车辆响应作为RBF神经网络输入,引入正交试验设计确定RBF 神经网络输入方案,采用相关系数和均方根误差作为RBF神经网络识别效果的评价指标。通过采用车辆和路面不平度系统4自由度平面模型仿真获得车辆响应和前轮路面不平度,应用RBF神经网络对常用路面等级和常用车速行驶下某汽车的前轮路面不平度进行了识别。结果表明,所提出的方法解决了基于RBF神经网络识别路面不平度的3个问题,可以用于其它神经网络识别路面不平度。     

基于计算机视觉的汽车整车尺寸测量系统

针对汽车尺寸测量的应用背景，根据双目视觉原理开发了一套基于计算机视觉的汽车整车尺寸测量系统。论述了该双目视觉测量原理及传感器模型，利用图像差值法实现车身目标检测，并在此基础上利用Sobel算法、阈值化等技术实现特征点提取。结合特征匹配与区域匹配技术实现立体匹配，并完成自动测量。试验结果表明，该系统可以实现汽车整车尺寸的自动、快速、准确测量。     

基于主成分分析和学习向量量化神经网络的制动工况路面识别与验证

开展车辆制动时路面类型识别的研究,提出一种基于主成分分析-学习向量量化神经网络 （Principal Component Analysis - Learning Vector Quantization,PCA-LVQ） 的制动工况路面识别方法。利用主成分分析对多维度驾驶数据降维处理,提取能表征路面特征的主要成分,采用学习向量量化神经网络对降维处理后的驾驶数据进行训练,并用于路面特征分类,使用制动工况下实车试验数据和硬件在环仿真数据进行验证。结果表明,所提出的 PCA-LVQ算法能准确识别路面类型特征,路面识别的精度达到 97%,与传统 BP神经网络的路面类型特征识别精度提升 7%;同时,在不同车速下,基于PCA-LVQ算法也能较准确地识别路面类型特征。     

基于BP网络的道路水泥再生混凝土性能的评价

为了评价道路水泥再生混凝土的性能,在分析BP神经网络原理的基础上提出了用BP神经网络模拟道路水泥再生混凝土性能与各影响因素间关系的方法。根据道路水泥再生混凝土的实际工况,建立了3个输入节点、4个输出节点的BP神经网络模型,通过9组试验,验证了模型的可靠性。结果表明,实测结果与预测结果相接近,BP神经网络模型可以较准确的评价道路水泥再生混凝土的性能。     

基于RBF神经网络的不利天气道路通行能力计算

不利天气下影响城市道路通行能力的各种因素都具有随机的、非线性,采用常态条件下修正理论通行能力的计算方法是不适合的.文章结合RBF神经网络模型方法能够良好地分析出随机的、非线性的特点,对路网组成单元进行重新划分,选定不利天气下道路通行能力的影响因素,建立了道路通行能力计算的RBF神经网络模型.并依据哈尔滨市暴雨天气下道路的实际情况进行了算例分析,计算的道路通行能力与实测数据最大误差为-1.16%,验证了模型的可行性和有效性.