Open Inventor在隧道交通仿真中的应用

介绍了三维图形软件包Open Inventor特点及其相关技术．并就其在隧道交通仿真中的应用为例。详细阐述了Open Inventor在虚拟场景建立。三维漫游,仿真数据可视化等方面的应用。     

基于粒子滤波的场景事件实时识别

为解决智能监控场景中场景事件的检测与分析问题,提出了一种基于粒子滤波的场景事件实时识别方法.将场景事件分解为一系列的子事件,构成多层动态贝叶斯网络模型,模型中每一状态对应一种事件.采用Particle F ilter粒子滤波方法对模型中各节点状态的后验概率进行实时估计,以对场景事件进行实时识别.采样不同的粒子数目进行了对比仿真试验,仿真结果表明该方法能够得到较高的识别精度.     

虚拟三维环境中汽车模型的照明设置

通过在虚拟三维环境中怎样对汽车模型进行灯光设置的研究,提出车身金属材质的具体设置方法,以及对虚拟场景中灯光的设置,以达到显示其形状、材质、气势等效果,追求虚拟三维汽车模型的艺术效果。     

咖啡之爱

霍华德·舒尔茨(How ard Schultz)在《一路向前》(On ward)中讲述了从20世纪80年代早期开始打造咖啡连锁店的故事,故事描述了,星巴克于2008年濒临倒闭,直到舒尔茨重返CEO岗位,力挽狂澜的经历。书中讲述了很多大胆的尝试,场景遍及全球各地,其间不乏一批出色的人才。但《一路向前》更是一个爱的故事:是对咖啡和好人们(无论是咖啡师还是农民)的赞美,是对星巴克的讴歌,而最最重要的,可能是对舒尔茨本人的赞颂—如果不是因为白手起家、和蔼可亲的舒尔茨,这一切都不可能发生。     

城市轨道交通全自动运行系统一致性协调方工作模式研究

为了提高全自动系统场景说明书设计的效率和完整性,达成各专业功能设计和场景功能需求的高效协同,结合深圳地铁14号线全自动运行系统一致性协调的经验,分析一致性协调方在项目建设中各阶段关键工作内容,提出适合于全自动运行系统一致性协调方的工作模式,为后续新建线路提供参考。     

驾驶模拟器在自动驾驶系统中的应用研究

自动驾驶车辆在实际道路上行驶之前的测试阶段是一个至关重要的环节。一个低成本、高效率以及高精度测量的自动驾驶车辆的测试方式,对于自动驾驶车辆的开发具有重要意义。将驾驶模拟器运用到研究自动驾驶车辆测试已是近年来的一个研究热点。基于虚拟驾驶场景的自动驾驶车辆的检测,通过组合虚拟驾驶场景的背景车辆、行人、交通灯、建筑、指示标牌等元素,研究将驾驶模拟器与虚拟驾驶场景的联合应用来测试自动驾驶车辆。设计了典型的交通场景,通过自动驾驶车辆和背景车辆的实时交互,研究自动驾驶车辆的各项性能指标。研究结果表明:该驾驶模拟器可以高度拟合人类驾驶体验,驾驶员通过驾驶模拟器控制背景车辆能够很好的模拟现实中的驾驶行为,对自动驾驶车辆的仿真测试起到了促进作用。     

智慧地下立体交通网概念设计

城镇化的不断加速,城市范围的不断延伸,使得当前城市不得不面临四大交通问题：“热”—绿色化不足,污染严重;“平”—立体化不足,形式单一;“挤”—智慧化不足,交通拥堵;“灾”—安全化不足,灾害频发。为应对四大问题,提出智慧地下立体交通网,即“慧地之衢”,以戈德堡多面体的正十二面体为交通网结构,设计同层路网和层间磁流体管道,其转换节点作为交通换乘枢纽,并倡导地下城市建设围绕交通换乘枢纽展开,实现“交通引导开发”内涵;以构建的“交通大脑”云平台为中枢,实现与智慧设施的实时通信;以正常工况和灾害工况为背景进行场景设计,实现正常工况的运营设想和灾害工况的运营预演。此概念设计作品——“慧地之衢”旨在以可持续发展为目标,建立绿色、立体、智慧、安全的地下立体交通网,以期为未来城市规划设计提供解决思路和方法。     

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...     

基于无损跨尺度特征融合的交通目标检测算法

针对复杂道路环境下交通目标与背景区分度低、交通小目标密集度高、部分遮挡严重、容易产生漏检、误检等问题,提出了一种融合注意力的无损跨尺度复合空洞残差网络的交通目标检测算法。通过改进SSD基础骨干网络和残差结构,加强网络提取强表征性的高级语义信息能力,解决信息传递损耗和丢失问题。在此基础上提出一种新的多视野聚合空洞残差单元,通过设置不同膨胀率的空洞卷积,获得不同大小感受野,聚合上下文信息实现大目标与小目标的兼顾。提出一种新的无损失跨尺度融合模块,通过该模块进行通道重组,结合通道维度信息填充像素,实现跨通道像素信息融合,进一步提升特征提取的能力。同时引入了坐标注意力机制,将轴向的空间坐标通道信息有效整合到生成注意力图中,构建出能够捕获跨通道信息且包含方向感知和位置敏感信息的注意力残差单元与多视野聚合空洞残差单元。此外,通过引入Soft-NMS降低与高置信度预测框重叠度较大的目标框的置信度,增加二次检测机会,提升了网络模型召回率。最后引入解耦检测头以加快模型收敛速度和提高检测精度。在VOC数据集07+12上的试验结果表明,算法平均精度提升了6.46%,证明了提出算法的准确性和鲁棒性。     

雷达场景仿真测试如何助力自动驾驶研发?

从L1、L2驾驶辅助到L4、L5自动驾驶,各项智能及网联技术的发展,推进了自动驾驶产业的进程.在这个过程中,仿真测试是新技术研发必不可少的环节.针对目前自动驾驶研发中,对于真实仿真场景测试的需求,是德科技推出了雷达场景仿真器,用于雷达传感器和算法研发.汽车制造商可以在实验室中测试复杂的真实场景,从而加快自动驾驶研发进程...