全文获取类型
收费全文 | 1397篇 |
免费 | 57篇 |
专业分类
公路运输 | 682篇 |
综合类 | 304篇 |
水路运输 | 286篇 |
铁路运输 | 157篇 |
综合运输 | 25篇 |
出版年
2024年 | 34篇 |
2023年 | 91篇 |
2022年 | 87篇 |
2021年 | 109篇 |
2020年 | 79篇 |
2019年 | 46篇 |
2018年 | 22篇 |
2017年 | 26篇 |
2016年 | 15篇 |
2015年 | 35篇 |
2014年 | 69篇 |
2013年 | 52篇 |
2012年 | 59篇 |
2011年 | 59篇 |
2010年 | 66篇 |
2009年 | 78篇 |
2008年 | 80篇 |
2007年 | 76篇 |
2006年 | 62篇 |
2005年 | 48篇 |
2004年 | 26篇 |
2003年 | 46篇 |
2002年 | 28篇 |
2001年 | 26篇 |
2000年 | 27篇 |
1999年 | 20篇 |
1998年 | 11篇 |
1997年 | 21篇 |
1996年 | 14篇 |
1995年 | 7篇 |
1994年 | 7篇 |
1993年 | 7篇 |
1992年 | 4篇 |
1991年 | 8篇 |
1990年 | 2篇 |
1989年 | 7篇 |
排序方式: 共有1454条查询结果,搜索用时 84 毫秒
521.
为了揭示驾驶风格对驾驶行为的影响规律,进而提取表征驾驶风格的特征参数,对不同风格驾驶人在感知层和操作层的驾驶行为数据进行了量化分析。首先,基于驾驶行为问卷对18名中国非职业驾驶人进行了驾驶风格问卷调查,并采用主成分分析、K-均值聚类等方法将被试驾驶人分为谨慎型、正常型和激进型3种类型。接着,被试驾驶人在搭载了SmartEye眼动仪的驾驶模拟器上开展了高速公路行车环境下的驾驶试验,同步采集了感知层的视觉特性参数和操作层的驾驶绩效参数,并采用判断抽样的方式将驾驶样本按照驾驶风格和驾驶模式(换道意图和车道保持)进行了划分,共选取了810组有效样本。最后,采用方差分析法分析了不同风格驾驶人在不同驾驶模式下的注视行为、扫视行为、横向控制特性、纵向控制特性方面相关参数的差异显著性,并提取了不同风格间存在显著差异的参数作为表征驾驶风格的特征参数。研究结果表明:驾驶风格越激进,驾驶人对周围环境关注越少,对车辆的横向控制稳定性越差,急加速和急减速行为发生的频次越高;不同风格驾驶人在意图时窗内对后视镜的注视次数(p=0.002)、方向盘转角熵值(p=0.04)、加速踏板开度(p=0.01)、制动踏板开度(p=0.02)这4个参数的差异均较为显著,因此可作为表征驾驶风格的特征参数。 相似文献
522.
与前方车辆距离是影响行车安全的重要因素,因此本文提出一种面向未来智能交通的前方车辆单目视觉测距方法.首先,提出融合物联网、智能识别、云计算技术的车联网模型,车辆可实时向车联网回传位置信息及前车图像,请求附近交通标志及前方车辆几何尺度信息,车辆端可计算图像坐标系下车道标志线、交通标志、车辆尺度信息.然后,建立单目相机数学模型,介绍以交通标志、车道分界线为合作标志的单目视觉测距方法.最后,综合应用单目视觉测距方法,设计了前方车辆自适应视觉测距方案.通过仿真实验,证明了单目视觉测距方法的正确性与有效性,可丰富驾驶辅助系统的前方车辆测距手段. 相似文献
523.
为克服机器人视觉伺服系统对位姿估算及标定精度的依赖性,结合前期特征识别和后期视觉伺服控制,提出基于冗余特征的机器人视觉伺服控制方法.首先,针对图像处理计算密集的问题,从加快特征提取运算速度考虑,研究了矢量数据的递归贪婪压缩算法;其次,从提高图像空间测量精度考虑,研究了基于向量正交性的亚像素特征提取方法,并结合合作目标形状,给出基于多边形形状拟合的目标识别实验性准则;最后,基于图像视觉伺服理论和任务函数方法,直接以具有亚像素级的冗余图像特征作为反馈信息,建立了机器人视觉伺服控制模型,并进行了视觉伺服验证试验.理论分析和实验结果表明,本文提出的视觉伺服控制方法能够在复杂的环境下快速稳定地提取伺服特征,并对标定误差和深度估计误差具有一定的鲁棒性. 相似文献
524.
525.
实时检测机车乘务员的疲劳程度,是提高机车运行安全的有效途径.本文提出一个基于被动视觉的车载机车驾驶疲劳时实检测系统.系统通过CCD摄像头获取驾驶状态下机车乘务员的图像,然后运用图象处理技术进行人脸检测、眼睛定位等处理,并提取眼睛的闭合度作为PERCLOS疲劳检测的依据.针对实时图像处理数据量大、运算复杂的特点,采用TMS230DM 6437作为核心处理器进行了硬件实现.实验表明,系统能准确实时地检测驾驶疲劳程度,具有较好的实用性. 相似文献
526.
近年来新能源汽车得到广泛推广应用,新能源汽车自动驾驶技术作为汽车领域的重要创新,依赖高精度视觉检测技术实现对环境的准确感知。本论文深入研究了新能源汽车自动驾驶中的高精度视觉检测技术及其应用策略。在机器视觉与视觉检测技术的发展阐述后,重点探讨了汽车自动驾驶中高精度视觉检测技术在城市道路和高速公路等场景中的实际应用策略。通过分析特斯拉和谷歌自动驾驶项目等典型汽车厂商的实践经验,以及高精度视觉检测在事故预防和安全性方面的实际效果,为深入理解该技术的价值和潜力提供了实质性的支持。 相似文献
527.
528.
目标跟踪是计算机视觉领域的基本问题,行人多目标跟踪在智能监控、智慧交通等多个领域有着广泛的应用前景。然而实际跟踪场景中存在频繁遮挡、尺度变化等情况,给多目标跟踪算法带来了极大的挑战。为了进一步提升跟踪精度,在DeepSORT的基础上,提出一种基于改进YOLOX与多级数据关联的行人多目标跟踪算法。对于检测器,为了增强网络的特征表达能力,提高检测精度,在YOLOX骨架网络与颈部网络分别引入ECA通道注意力模块与ASFF自适应特征融合模块。对于身份识别特征,为了减少数据关联步骤的错误匹配数量,提高跟踪效率,使用轻量的OSNet重识别网络与NSA卡尔曼滤波获取目标特征。对于数据关联,为了减少身份切换次数,避免目标丢失,将检测与跟踪都进行分类处理,使用不同的相似性计算方法,实现基于检测置信度与轨迹状态的多级数据关联。实验结果表明:与改进前YOLOX与DeepSORT简单结合的算法相比,在YOLOX中引入ECA模块与ASFF模块使误检数量大幅降低,使用YOLOX-s模型时降幅可达17%;结合OSNet模型与NSA卡尔曼滤波的特征提取方法能提高跟踪稳定性,IDF1指标提高0.77%,IDSW减少94... 相似文献
529.