基于深度约束的水下稠密立体匹配

  目的  针对水下双目图像特征点稀疏、极线约束模型失效等难题,提出一种基于自适应深度约束的水下图像特征匹配(ADC-UFM)算法。  方法  结合FAST算子与SIFT描述子,提高图像匹配精度;提出基于水下折射因子的特征匹配约束模型（MCM）,有效剔除误匹配点;提出自适应阈值选取（ATC）方法,最大限度地保留复杂水下环境下的图像特征信息。  结果  实验结果显示,ADC-UFM算法优于现有的SIFT,SURF和UCC-SIFT等典型方法,匹配准确率可达85.2%,满足实时匹配需求。  结论  研究成果可为基于双目视觉系统的水下三维重建提供关键技术支撑。     

三一重工智能碾压系统在路面施工中应用研究

三一重工研发的智能碾压技术是通过在压路机上安装智能监测与控制体系,实时获得路面碾压各项数据,实现对路面压实度、渗水、构造深度均匀性进行控制.对溧高高速公路路面智能碾压段中间带边缘、路肩边缘和行超车道内随机取样,其渗水系数、构造深度均值、方差假设检验P值均大于0.05,说明其渗水、构造深度均值、方差均相等,表明路面碾压均...     

济南公交:让服务更加贴近乘客需求

济南公共交通集团有限公司(以下简称:济南公交集团)是市属国有一级企业,至今已有70余年的历史.截至目前,拥有职工13000余人,运营车辆5800余辆,客运出租车1700余辆,公交线路340余条,日均运送乘客200万人次.     

应用YOLO深度卷积网络的轨道图像定位算法

将摄影测量技术应用于铁路轨道检测是未来轨检技术的发展趋势。对轨道图像扣件的快速定位,是判断扣件是否缺损,匹配连续图像以及对轨道线形三维重建的基础。由于实际中轨道图像易受到拍摄角度、光照等因素影响,同时有砟轨道图像具有背景复杂、色彩单一、特征分布多变等特点,使得传统基于钢轨、轨枕布设关系的扣件定位算法具有局限性,对弯道和上下行道岔咽喉区域的扣件定位鲁棒性差。将近年在计算机视觉领域发展迅猛的深度学习算法引入铁路轨道检测,利用YOLO端对端输出的网络特点,根据图像全局信息直接对扣件的Bounding Box和类别进行迭代回归,输出扣件位置信息。试验检测50份测试数据,检测正确率达到94%,检测速度54 fps,可以达到实时检测的要求。     

仿驾驶员DDPG汽车纵向自动驾驶决策方法

汽车纵向自动驾驶的决策层根据车辆当前运动状态与环境信息,决策出理想的动作指令.目前如何在自动驾驶决策策略中考虑人类驾驶员的行为成为研究热点.在纵向自动驾驶决策策略中传统的基于规则的决策策略难以运用到复杂的场景中,而当前使用强化学习和深度强化学习的决策方法大多通过设计安全性、舒适性、经济性相关公式构建奖励函数,得到的决策...     

基于多源数据的车流量时空预测方法

为提高车流量的预测精度,本文中从外部特征、时间特征和空间特征的角度综合考虑了多因素对车流量的影响,提出了一种基于多源数据和时空预测的车流量预测方法.在外部特征方面,深入探索了日期、天气和兴趣点特征对车流量影响;在时间特征方面,提出了基于时间卷积网络(TCN)的时间序列预测框架,并以近邻周期和日周期为基线分别建立时间预测...     

降雨对高填土路堤的入渗深度的确定及有限元稳定分析

能持续一定时间的强降雨使得非饱和土高填土路堤的稳定性大幅度降低 ,应用两种不同的降雨入渗深度计算方法 ,计算了路堤在不同的降雨重现期、降雨强度、降雨持时情况下的入渗深度 ,通过两种方法的对比研究 ,提出了合理的降雨入渗深度的计算公式 ;在所得出的入渗深度的基础上 ,运用渗流有限元和弹塑性有限元程序对高填土路堤进行了稳定分析 ,得出了一些有价值的结论 ,可供工程设计和施工参考     

无锡市胡埭污水处理厂提标改造方案研究

胡埭污水处理厂一期改造建成有10年之余,出水标准难以满足激增的排放量与日益严格的排放标准,本次提标改造在原规模基础上增加深度处理工艺。 通过进、出水水质分析与现污染物去除的要求,确定了本次提标改造的深度处理工艺,深度脱氮工艺采用深床反硝化滤池,深度除磷工艺采用气浮工艺,并介绍了深度处理单元与新增构筑物的单体工艺设计。本工程于2020年12月建成,运行效果稳定。     

基于改进的YOLOv3模型的焊缝缺陷检测方法研究

文章针对目前汽车生产线中焊接检测自动化程度较低、检测鲁棒性较差等问题,利用深度学习算法的特征提取能力,提出了一种基于改进的YOLOv3模型的焊缝缺陷检测方法.该方法基于连通域提取工件上的焊缝图像,并将提取到的焊缝图像输入到改进的深度学习模型中进行训练,通过融合大、中、小3个尺度的感受野,实现不同尺度焊缝缺陷的高精度识别...