基于方向可变H aar特征和双曲线模型的车道线检测方法

针对快速路车道线易受多种因素影响而较难检测的问题,提出了一种基于方向可变 Haar特征和双曲线模型的分布式车道线检测方法。首先对车载摄像头进行标定,确定图像中车道平面消失线的位置,将车道平面消失线以下部分的下2/3区域作为感兴趣区域Ⅰ。利用边缘分布函数获得感兴趣区域Ⅰ内车道线直线模型倾角,再采用方向可变 Haar 特征提取边缘特征点并拟合车道线直线模型,利用直线模型参数进一步确定感兴趣区域Ⅱ。提出一种单方向搜索算法,提取边缘特征点并利用双曲线模型拟合获取完整的车道线模型。通过约10000幅实际道路图片对车道线检测方法进行验证。验证结果表明：检测方法能很好地实现多种环境下的车道线检测,在晴好天气检测率为99．9％,不良天气检测率为99．7％。     

科研院所做好新时代科研档案管理工作刍议

经过对新、旧两个版本的科学技术研究档案管理制度的认真对比和有效梳理,深度挖掘2020年修订的《科学技术研究档案管理规定》(简称《规定》)新增的主要内容,解读其体现的工作重心和主要亮点,包括丰富科研档案归档范围、完善制度体系建设、将电子科研档案纳入管理范畴、推进科研档案信息开放共享等.在此基础上,本文就科研院所档案工作者...     

基于粗集理论的决策规则约简算法的研究与应用

粗集理论是一种新型的数据挖掘方法，其中约简是它的重要概念．粗集理论的主要思想是在保持分类能力不变的前提下，通过属性约简和值约简，导出问题的决策或分类规则．本文不同于目前将属性约简作为决策规则挖掘的重点，而是在属性约简的基础上又进一步提出了值约简算法，大大提高了规则的挖掘效率．该算法对原有算法进行了改进，最终可获得更简的决策规则．实例分析表明了该算法是较优的、有实用价值的．     

近断层地震动作用下地铁隧道动力响应分析

为探究地震动引发的断层竖向效应对隧道等地下结构物的影响,选取有代表性的地震动监测数据,建立三维动力有限元模型,分析了不同竖向峰值加速度地震动下隧道结构与地层的动力响应规律.结果表明:断层对地震动具有放大作用,断层附近地层加速度较大;拱顶和拱腰受到地震动竖向效应的影响较大;在竖向地震分量比值较小时,随着竖向地震分量的增加...     

热拌沥青混合料在稀浆工艺中的应用研究

为了延长稀浆封层和微表处的使用寿命,本文在试验研究的基础上,通过对比分析稀浆工艺法和热拌热铺工艺法的优缺点,揭示了稀浆封层和微表处的使用寿命比热铺沥青路面的使用寿命短的原因,针对其原因改进了原有的稀浆工艺法,并详细介绍了稀浆封层和微表处新的施工工艺即预热拌沥青混合料稀浆工艺及其具体做法、施工参数、施工机械组合,以及预热拌稀浆混合料配合比的设计方法和预热拌稀浆混合料体系中沥青微珠优先吸附机理。阐述了预热拌沥青混合料稀浆封层和微表处使用寿命延长的机理。结果表明,预热拌沥青混合料稀浆工艺能够延长稀浆封层和微表处的使用寿命。     

基于多岛遗传算法的舱口盖结构优化设计

为降低空船质量，提高经济性，针对某船舱口盖结构减重进行研究。采用拉丁方试验法建立样本空间，根据样本参数进行有限元模型求解。采用响应面模型法建立舱口盖结构设计近似模型，以规范中对应力和变形的要求作为设计约束条件，基于多岛遗传算法对某船舱口盖结构进行优化设计。结果表明，优化解收敛性好，可满足规范要求。     

论城市轨道交通安全体系的前向引导与后向完善问题

城市轨道交通安全体系建设必须充分重视前向引导与后向完善问题.本文通过案例分析指出,导致大邱地铁火灾发生的主要原因可归结为两个,一是前向引导不足,二是后向完善缺乏,其中前向引导不足是火灾发生的主因.城市轨道交通工作者必须牢记"安全第一"的使命与宗旨,树立"建设、运营一盘棋"的整体观念,增强前向引导与后向完善的工作意识,努力建立起可靠的城市轨道交通安全体系.     

基于改进分层可拓理论的智能汽车AFS/DYC协调控制

针对紧急避障及大曲率工况的稳定控制难题，提出基于改进分层可拓理论的AFS和DYC协调控制系统，引入了鲸鱼算法解决了可拓边界的自适应划分问题，既简化了分层可拓理论的边界确定过程，又遏制了控制器的一些较为强烈的输出振荡，显著提高了车辆控制的稳定性和安全性。所提AFS/DYC协调控制系统分上下两层，上层是改进分层可拓协调模块，下层是AFS/DYC控制器模块。上层可拓协调模块主要通过横摆角速度、纵向车速以及规划路径曲率来确定AFS和DYC的权重系数，下层控制器模块主要通过上层协调模块确定的权重系数来分配AFS和DYC的输出量，最终实现对智能车辆的稳定性控制。Carsim和Simulink联合仿真结果表明，所提协调控制系统在紧急避障、双移线等大曲率及曲率突变工况下，对横摆角速度和纵向车速的控制效果相较于分层可拓控制、普通可拓控制均有较大提升。     

基于检测的高效自动驾驶实例分割方法

基于深度学习的实例分割算法在大规模通用场景中取得了良好的分割性能，然而面向复杂交通场景的多目标实例分割仍然极具挑战性，尤其在算法的高精度和较快推理速度的权衡方面，而这对于智能汽车的行驶安全性至关重要。鉴于此，本文以实时性算法Orienmask为基础，提出了一种基于单阶段检测算法的多头实例分割框架。具体来说，所提框架由骨干网络、特征融合模块和多头掩码构建模块组成。首先，本文通过在骨干网络中加入残差结构获取更加完整的高维表征信息。其次，为了产生更具判别性的特征表达，本文通过引入自校正卷积重构特征金字塔，并使用全局注意力机制改善信息传播以进一步优化所提框架的特征融合模块。最后，提出的多头掩码构建机制通过细化场景目标尺寸分布显著提高不同目标的分割性能。本文算法在开源数据集BDD100k上进行大量测试与验证，分别在边界框和掩码上获得了23.3%和19.4%的均交并比（mAP@0.5:0.95），与基线方法相比，平均指标提高了5.2%和2.2%。同时在基于自主搭建的实车平台上进行的道路实验也证明本算法能够较好地适应真实驾驶环境，且满足实时性分割需求。