从日本政府主导型金融体制看中国政府经济职能

本文尝试从经济发展理论出发,来分析和解释日本政府经济职能问题进而从一个全新的视角来理解日本经济的增长从而得出有利于中国经济发展的经验教训.     

众豪车齐聚北京车展 为观众打造视觉盛宴

<正>随着北京国际汽车展览会的圆满落幕。一场汽车界的盛会让广大车迷大饱眼福,尤其是众豪车的亮相,更是成为车展一场不容错过的华丽盛宴。下面,就请跟随《驾驶园》杂志社的记者一道,重温一下2014北京车展上的天价豪车吧。迈凯轮旗舰P1中国首发在2014北京国际车展上,迈凯轮旗舰P1超级跑车正式发布,这也是该车在国内的首次亮相。一向专注于跑车研发的迈凯轮,此次发布     

钢结构工程高强度螺栓微小松动视觉检测方法研究

基于计算机视觉的螺栓松动检测方法中,一类是通过对连接节点图像进行透视矫正并分析螺栓轮廓边缘直线角度的变化以及时发现微小的松动缺陷。然而,目前这类方法在图像矫正和螺栓轮廓边缘检测的可靠性方面还有较大的改进空间。为此,针对钢结构螺栓连接节点,提出了基于深度学习的螺栓松动视觉检测方法。首先,基于YOLOv5检测螺栓目标。针对螺栓感兴趣区域(RoI),基于鲁棒性较高的Attention U-Net提取螺栓轮廓边缘直线。为了提高螺栓目标检测精度,目标检测模型应设定较低置信度阈值以保证目标无漏检,再通过螺栓RoI提取的边缘直线数量筛除伪螺栓。使用透视变换法对节点图像进行矫正,变换所需的参考点是根据螺栓检测框之间空间移动后的相交关系自动定位的。最后,根据矫正图像中的螺栓轮廓边缘直线计算螺栓角度,通过检测螺栓和基准螺栓之间的角度差异判断松动情况。研究结果表明：螺栓目标检测的AP值为0.97;螺栓轮廓边缘检测的准确率、召回率和F1的均值分别为0.846、0.807与0.825,且在多种复杂背景干扰下具有较高的鲁棒性;伪螺栓筛除法可过滤掉99.82%的伪螺栓目标;提出的图像矫正法适用于常见的多种螺栓排列形...     

基于视错觉的公路隧道中部安全控速方法

公路隧道中部低照度、环境单调的特点,容易导致驾驶人产生严重视错觉,从而低估车速,引发交通事故.高频视觉信息容易导致驾驶人高估车速,而中、低频视觉信息则会导致驾驶人低估车速,但不同频率视觉信息,不同照度水平对公路隧道中部行车环境中驾驶人的车速感知影响缺乏定量分析.文中利用3ds Max软件制作公路隧道中部行车仿真模型,利用E-prime软件进行基于极限法的车速感知心理物理实验,并用实车试验数据校核了模型精度,对高频视觉信息与高、中频组合视觉信息在不同照度水平(100％,50％,25％标准照度)条件下的速度感知、反应时进行了对比研究.实验结果显示:公路隧道中部的速度感知主要由高频视觉信息决定,在100％标准照度条件下高频视觉信息的车速高估约为20％,在加人中频视觉信息后,车速高估情况趋于合理,约为14％;照度变动对速度感知和反应时均有显著影响,显著度分别为0.008和0.013,照度条件越好,车速高估越低,反应时越短.     

桥梁检查视觉机器人系统

大多数的桥梁检查采用人工统计裂缝数量、测量裂缝长度和宽度,并对裂缝部位拍照,检查报告的质量和可信度在很大程度上取决于检查工人的勤奋度和训练度.提出一种用于桥梁检查的机器人系统,该系统由3部分构成:专门设计的汽车、用来移动的机器人装置和控制体系及自动检查裂缝的机器视觉系统.该系统已经被开发用于收集准确的数据,以记录大桥安全环境2年的变化以及查验桥梁安全状况.通过对一座实桥裂缝检查,证明该系统裂缝检查和裂缝跟踪处理的有效性.     

后视镜的调整步骤

后视镜的调整哲学相信大部分开车的朋友们,都知道车身左右侧后视镜有视觉盲点,也因此会对后视镜存有一些疑点,例如,变换车道时是否要频频回头确认左方或右后方来车?要消除视野盲点一定要加装大曲面镜吗?侧方后视镜要看到自己车身才安全吗?针对以上问题,在此传达给你的观念是:左右两侧后视镜主要目的在于提供驾驶人车身两旁与后方的视野,其调整应尽可能达到最大视野。所谓"看见自己车身占镜面1/4"的     

大众CC运动版

大众CCR-Line能够给你带来更多驾驶乐趣和更强烈的视觉冲击吗？作为豪华轿车定制的大众CC运动车型R—Line终于与大家见面了。仅仅推出大众新CC三个月后,运动版的R—Line车型便在莱比锡车展中揭幕,并且在欧洲几个国家开始接受预定。四门版轿车可以提供从118kW 1．8 TSI到220kW 3．6 V6汽油发动机和103kW与125kw的两个柴油版本发动机。     

基于双目视觉计算的车辆跟驰状态实时感知系统

双目视觉技术能够实现目标的识别与距离计算,在自动驾驶领域有很大的应用空间。然而,现阶段双目视觉存在光照干扰、遮挡、弱纹理区域歧义匹配等问题,影响其测量的准确性和可靠性。提出基于双目视觉的跟驰状态实时感知系统,该系统采用基于车辆跟驰模型的扩展卡尔曼滤波方法对车辆跟驰状态进行实时估计,包括跟驰距离、前后车速度差等。通过实际道路试验,证明了该系统能够识别并修正测量数据中的异常值,解决弱纹理区域误匹配问题。试验结果表明：25 mm焦距与12 mm焦距的双目系统跟驰间距测量值的平均误差分别为2.66%与9.14%;在相对速度测量方面,2种焦距系统的测量精度基本相同,平均误差均为1 m·s^-1左右。所提出的方法在自动驾驶车辆环境感知领域有较好的应用前景。     

基于机器视觉的智能车辆前方道路边界及车道标识识别方法综述

为了全面了解国内外在基于机器视觉的智能车辆前方道路边界及车道标识识别领域的研究进展，文章介绍了近年来一些典型的基于机器视觉的道路边界及车道标识识别系统，对基于机器视觉的前方道路边界及车道标识识别方法进行了分类，对各大类方法中采用的不同技术进行了阐述，然后对基于机器视觉与其他传感器融合的识别方法进行了总结，最后就该领域的研究难点及发展趋势进行了简要论述。