融合Lite-HRNet的Yolo v5双模态自动驾驶小目标检测方法

针对目前自动驾驶领域的目标检测算法在对道路小目标和密集目标进行检测的时候出现漏检的问题,提出一种融合Lite-HRNet的Yolo v5网络。首先为了获得高分辨率的特征检测图将Lite-HRNet作为Yolo v5的主干网络,以增强对小目标及密集目标的检测。为提升暗光场景下的检测性能,将红外图像与可见光图像进行动态权值融合,充分发挥可见光图像与红外图像的互补优势。由于主干网络进行了充分的特征融合,为加快检测速度取消在检测层中的特征融合结构。其次为了加快收敛速度和提高回归精度采用α-EIoU作为边界框损失函数,同时为选取针对数据集更合适的先验框,使用二分K-means算法进行聚类,并且使用小目标数据增强算法对数据集进行样本扩充。最后在flir数据集上进行对比测试,根据实验结果,提出的算法比Yolo v5在平均精度上提高了7.64%,小目标和密集目标的漏检率明显减少。     

基于自适应阈值DBSCAN的路侧点云分割算法

针对路侧采集的激光雷达点云数据随距离增大而密度下降导致同一目标的点云被分割成多个目标的问题,提出了一种基于自适应阈值DBSCAN的路侧点云分割算法。首先,使用改进GPF和直通滤波对采集的路侧点云进行过滤,提取出道路区域上的非地面点云;然后,基于有效距离和sigmoid函数构建自适应系数函数,对DBSCAN聚类算法集群生长中近邻点搜索时半径阈值的选取规则进行优化;最后,利用自适应阈值DBSCAN聚类算法对非地面点进行聚类,得到隶属于单个目标的点云。采集了1 055帧真实场景的连续数据进行测试,结果显示：C-H系数平均约增加3倍、D-B系数平均减少4.52%、轮廓系数平均增加77.78%,这表明基于自适应阈值DBSCAN的分割算法能提高点云簇的类内一致性和类间差异性,有效减少路侧激光雷达点云的过分割现象,具有较高的工程应用价值。     

不为人知的"催化转换器"

在美国,窃贼们长期来以汽车上的立体声收音机、安全气囊、高亮度的车头灯乃至烟灰缸内零钱,作为偷窃的目标。但是,如今他们已转移目标,爬到汽车的车厢底下,将催化转换器(cafalgfic converfer)割下来偷走。窃贼们为什么要瞄准催化转换器呢?     

路用探地雷达反褶积法应用研究

从路用探地雷达资料中提取路面各层的目标信号特征是路面检测的关键要素.但雷达接收信号往往受干扰因素影响,严重模糊目标信号特征.该文提出了先应用小波多尺度去噪方法进行降噪处理,然后采用反褶积和局部异常识别相结合的方法增强雷达目标信号.该方法在实际道路现场检测中的应用结果表明:处理后的雷达剖面分辨率和可异值分解性得到提高,目标信号特征明显加强.     

普利司通(中国)发布2012环境报告书

1月28日,统管普利司通在华轮胎事业的普利司通(中国)投资有限公司发布了《2012普利司通(中国)环境报告书》。报告书中全面总结了2012年普利司通(中国)在环境管理和环保行动等方面的实际成果,并针对2013年的环境保护目标做出详细     

沥青路面严重车辙病害的治理

车辙是沥青混凝土路面特有的一种破坏形式,它是在行车荷载重复作用以及气候(高温)等因素综合作用下产生的一种永久性变形,表现为沿行车轮迹产生纵向的带状凹槽,严重时车     

物流:成长烦恼知几许?

或许很多人没有想到,中国物流业在五年内可以发展的如此迅速。与这种拔节般生长如影随形的,则是许许多多困扰物流业的"成长的烦恼"。在物流业复杂而漫长的产业链中,为数众多的中小运输企业正挣扎在亏损边缘:多头分割的管理、昂贵的税费、运能的膨胀,使得本土企业只能靠压低工资、超载、套牌、挂靠等手段来"节     

公路工程的精细化管理

精细化管理的总体目标贯彻落实"安全、环保、和谐、耐久、节约"的公路建设新理念,在执行国家有关法律、法规、规章和相关行业标准、规范和规程的基础上,建立以合同为依据,涵盖建设管理、勘察设计、工程施工、施工监理、质量与安全生产监督等各个环节的精细化管理体系。通过细化管理目标,标准、任务、流程,实施精细化管理,促进建设管理的科学化、规范化和程序化,不断提高公路建设管理水平,确保工程质量及安全生产,打造精品工程。     

水声目标辐射噪声谐波特征提取算法

水下目标辐射噪声中的谐波分量包含了反映目标自身本质特性的信息,能否有效提取目标谐波特征关系到目标识别的效果。论文基于目标辐射噪声的一般数理模型,利用最大似然估计和卡尔曼滤波理论,提出一种水下目标辐射噪声谐波特征的提取与分析算法,估计得到了谐波的瞬时基频;然后利用卡尔曼滤波器跟踪瞬时基频的时变特性,实现对基频的精确跟踪和估计;并提取各阶谐波的振幅,得到目标的谐波特征;最后结合仿真信号与实测数据进行对比,验证了谐波特征提取算法估计基频和提取谐波信息的可行性。