城市轨道交通安全智能融合监控体系的构建

从轨道交通所具有的开放的复杂巨系统特性出发,探讨实现轨道交通安全智能监控目标的一条途径——智能融合理论和方法体系.采用系统工程全方位思维模式,将知识工程、信息智能处理等理论和方法,与传统的数学、信号处理方法相互渗透和融合,来完成轨道交通安全监控中的各项工作.将智能融合监控分为数据级融合、分析级融合、诊断级融合和评价级融合等4级体系结构,叙述了各级融合的基本原理和典型实现方法.该融合监控体系能够对轨道交通系统安全状况及安全级别做出综合分析和评价,从而实现全过程的轨道交通系统安全分析和评价.     

柴油机故障诊断中的变权重多证据体融合应用研究

为了能够确定各证据的权重,对证据进行权重调整,应用了基于遗传算法的加权平衡证据调整方法.首先,利用遗传算法确定最优化的或者近似最优化的权重系数,然后依据加权平均值和优先权的证据分布形态对证据进行加权调整,且保证调整后的证据加权平均值不变以及优先权证据分布形态稳定.柴油机故障诊断实例表明,采用基于遗传算法的加权平衡证据调整方法能提高故障诊断的信任度和准确率,明显优于普通D-S等权重证据组合方法.     

基于虚拟现实技术的全景泊车系统及其扩展应用

本论文充分研究倒车摄像头图像处理上的特征原理,从基本的成像原理出发,利用图像转化方法、图像拼合算法及融合算法,实现了虚拟图像和现实图像的融合,最终完成了全景泊车系统的设计,本方案仅用单个(两个)摄像头。通过本方法极大降低了生产成本,使得全景泊车系统对后保盲区的探测能力大幅提升,并且新增非常实用的透明底盘功能。本文方案扩展至倒车雷达系统使得性能的提升,并且新增非常实用的侧方障碍物提醒功能。为今后更多传感器的在虚拟现实技术上的创新开拓了方向。     

基于HOG-Gabor特征融合与Softmax分类器的交通标志识别方法

为了提高交通标志识别的正确率和实时性, 提出了一种基于HOG-Gabor特征融合与Softmax分类器的交通标志识别方法。采用Gamma矫正方法提取HOG特征, 采用对比度受限的自适应直方图均衡化方法提取Gabor特征, 基于线性特征融合原理, 将提取的HOG和Gabor特征向量直接串联, 得到刻画交通标志的融合特征向量, 采用Softmax分类器对融合特征向量进行分类, 采用德国交通标志识别基准(GTSRB) 数据库测试了所提方法的有效性, 比较了基于单特征与融合特征的交通标志识别效果。试验结果表明: 在图像增强过程中, 针对HOG特征, 采用Gamma矫正方法的分类正确率最大, 为97.11%, 针对Gabor特征, 采用限制对比度的直方图均衡化方法的分类正确率最大, 为97.54%;采用Softmax分类器的最小分类正确率为97.11%, 耗时小于2s;针对HOG-Gabor融合特征, 采Softmax分类器的识别率高达97.68%, 因此, 基于HOG-Gabor特征融合与Softmax分类器的交通标志识别方法的识别率高, 实时性强。     

针对铰接工程车辆的变角度全景环视系统研究

针对铰接工程车辆车头与车厢间存在铰接角度且车身长导致的视觉盲区大的问题,提出了一种可以根据铰接角度实时调整拼接图像的变角度全景环视系统。对于静态俯视图像的生成,提出一种用于将畸变图像转换为俯视图像并对齐到指定位置的查找表快速映射方法,实现了通过一步变换完成鱼眼校正、逆透视变换与图像配准,提升了静态俯视图像生成的速率。对于动态全景环视图像的生成,提出了一种根据铰接角度改变后对应的动态查找表直接生成变角度全景环视图像的方法,提升了角度改变时图像重新配准的速率。对于全景环视图像的融合,提出了一种循环颜色调整和透明度融合相结合的方法,从而对整幅变角度全景环视图像进行均衡化处理并降低拼接缝带来的图像损失。试验结果表明：在同样的硬件平台下,对于静态俯视图像的生成,该系统不仅将运行速度提升了接近1倍,并且有效减少了图像的失真程度;在图像融合方面,该系统不仅获得了较好的融合效果,并且保证了运行的实时性;通过实车验证,该系统可以生成全局均衡且无缝的变角度全景环视图像并在嵌入式处理器上实现了接近30 帧·s^-1的处理速度;该系统实时生成的变角度全景环视图像可以有效消除铰接工程车辆周围的视觉盲区,从而提升铰接工程车辆行驶的安全性和便捷性。     

舰艇主被动声纳方位航迹信息融合研究

介绍了舰艇水声融合系统位置级融合的典型融合技术.重点研究了舰艇水声系统中一部主动声纳和一部被动拖曳线列阵声纳航迹关联的融合,主要是在等样本容量条件下的航迹关联方法,并对融合性能进行了分析.     

Synthetically Evaluation System for Multi-source Image Fusion and Experimental Analysis

Introduction The image fusion technology produces a singleimage from a set of input images. The fused imageshould have more complete information which ismore useful for human or machine perception.With the merits of high degree of system explo-ration, automation, availability, reliability, capa-bility and low cost, it boasts broad application per-spective in many fields such as computer vision,automatic object detection, image processing, par-allel and distributed processing, robotics and re-m…     

基于时序融合的自动驾驶多任务感知算法

采用连续图像帧作为输入,挖掘连续图像帧之间的时序关联信息,构建一种融合时序信息的多任务联合驾驶环境视觉感知算法,通过多任务监督联合优化,实现交通参与目标的快速检测,同时获取可通行区域信息;采用ResNet50作为骨干网络,在骨干网络中构建级联特征融合模块,捕捉不同图像帧之间的非局部远程依赖关系,将高分辨率图像通过卷积下采样处理,加速不同图像帧的特征提取过程,平衡算法的精度和速度;在不同的图像帧中,为了消除由于物体运动产生的空间位移对特征融合的影响,且考虑不同图像帧的非局部关联信息,构建时序特征融合模块分别对不同图像帧对应的特征图进行时序对齐与匹配,形成融合全局特征;基于共享参数的骨干网络,利用生成关键点热图的方法对道路中的行人、车辆和交通信号灯的位置进行检测,并利用语义分割子网络为自动驾驶汽车提供道路可行驶区域信息。研究结果表明：提出的感知算法以多帧图像代替单一帧图像作为输入,利用了多帧图像的序列特性,级联特征融合模块通过下采样使得计算复杂度降低为原来的1/16,与CornerNet、ICNet等其他主流模型相比,算法检测精确率平均提升了6%,分割性能平均提升了5%,并保持了每秒12帧图像的处理速度,在检测与分割速度和精度上具有明显优势。     

һ���µĻ��ڴ������ںϵĸ��ӽ�ͨ�������·���

复杂交通场景由于背景构造困难限制了视频监控技术的应用. 为了解决这个问题,本文提出了一种新的基于传感器融合的复杂交通视频背景构造方法. 首先通过基于EM算法的高斯混合模型提高背景建模的准确性;其次,对于运动缓慢或者静止的区域,通过设定不同的采样频率来提高背景建模数据的可靠性;对来自线圈和虚拟检测线检测到的数据进行数据融合来提高虚拟线圈检测车速的精度,通过引入局部稳态最优Kalman平滑器提高了数据融合算法的自校正能力. 最后,实验结果证明了所提方法的有效性.