基于视觉的前方车辆探测技术研究方法综述

对国内外关于车道上本车前方车辆检测方法进行了综述。根据探测车辆所采用的传感器不同,分别对采用单目视觉、双目视觉、视觉与其他传感器融合以及非视觉传感器的几种探测方法进行了比较与分析。同时,针对每种探测方法,进一步阐述了目前车辆识别的一些具体算法。最后,指出了每种方法存在的优点和一些不足。     

用于表面缺陷快速测量的图像检测系统（下）

4．1一般说明 作为一种测量仪器，为保证其检测结果的准确性和可靠性，就必须对其计量特性进行评定，以确认其能满足用户的要求。但图像检测系统又是一种特殊的、专用的设备，无现成的检定规程或校准规范，必须根据具体情况来确定评价参数和方法。     

基于虚拟现实技术的船舶航向自动跟踪控制方法

为解决传统船舶航向自动跟踪控制方法受外界因素影响大、控制效果差的问题,设计基于虚拟现实技术的船舶航向自动跟踪控制方法。为避免外界因素产生的影响、减小跟踪控制误差,考虑采用PID控制器,依据其控制原理引入早期修正信号;在此基础上,使用虚拟现实技术对航向节点集合进行预估,并剔除其中的不相干节点;通过虚拟现实规则中的加权因子寻找最优航向参数,结合PID控制器保证船舶实际航向与期望值一致,根据控制流程实现对船舶航向的自动跟踪控制。由实验结果可知,尽管存在外界因素的影响,但所提自动跟踪方法的控制控制精确度始终较高,能够有效为保障船舶稳定运行提供数据支持。     

道路运输

公路网图像平台互联技术规范实施日前,交通运输部科技司主办、全国智能运输系统标准化技术委员会承办的交通信息采集系列标准宣贯培训班上证实,《公路网图像信息管理系统平台互联技术规范》于7月1日起正式实施。随着我国城市化进程的进一步加快和公路网建设的快速发展,利用先进的交通信息采集技术采集实时交通流信息、路网图像信息等并进行快速信息发布显得十分迫切与必要,因此不同终端和系统图像信息之间的互联互通成为当下迫切需要解决的问题。     

考虑横向漂移的船舶路径跟踪自抗扰控制

针对船舶运动系统中内部动态不确定和外部干扰等问题,进行了欠驱动船舶路径跟踪的自抗扰方法研究。利用Backstepping设计参考航向角,并通过线性扩张状态观测器对流干扰和横向运动引起的横向漂移进行估计。其次,根据自抗扰算法对航向进行控制,采用线性扩张状态观测器对外界干扰及内部不确定项进行估计。最后仿真结果表明,在风流干扰下所设计的控制器仍能使船准确地跟踪上参考路径,验证了所提控制方案的有效性。     

利用无线传感器的动态分簇结构实现船舶跟踪

本文针对船舶运输中需要对船舶的航线进行跟踪监测,提出一种利用无线传感器的动态分簇结构实现船舶的跟踪,对船舶的无线定位跟踪技术进行介绍。在传统的分簇基础上提出一种新的分簇方法,并对本文提出的方法进行仿真。仿真结果表明这种方法具有较好的精度以及较低能耗,具有一定现实意义。     

海洋遥感图像舰船尾迹检测研究

针对传统小波变换的不足,提出利用方向小波进行遥感图像舰船尾迹检测算法。在理论分析的基础上,对模拟船舶尾迹进行不同方向的尾迹区分,方向性明显。最后通过传统小波变换和方向小波变换对比的仿真实验验证,本文所采用的算法更加接近真实的尾迹,且尾迹平滑、清晰,能够体现尾迹的纹理和方向。     

高速铁路道岔异构数据在Hbase上的云存储方案

实现健康预测管理（PHM）可以提高信号设备的运行安全性、系统可靠性和可维修性，道岔设备的数据对其PHM的研究有重要意义。目前，高速铁路道岔监测数据存储架构难以满足PHM海量异构历史数据存储问题，结合道岔监控数据以及道岔缺口监测图像等异构数据，引入大数据技术中的Hbase非结构化数据存储理念，提出高速铁路道岔设备海量异构数据的云存储及查询管理方案。针对图像数据尺寸不一致的问题，提出基于MapReduce的优化图像分块存储算法，实现高速铁路道岔异构数据的Hbase云存储，在实验室环境搭建平台对方案进行验证。结果表明:从MySQL到Hbase迁移10 GB历史数据约为15 min，在数量到达20万条以上时Hbase查询性能优于MySQL。通过MapReduce优化图像数据分块算法，存储速度得到提升。该方案对高速铁路道岔设备PHM中海量异构数据的存储提供了理论和技术支撑。     

船舶自动识别系统中的计算机视觉技术应用

船舶自动识别系统(AIS)是一种新型的数字助航系统。AIS的发展和应用可有效地解决海损事故,避免生命和财产的损失。计算机视觉是近年来迅猛发展起来的技术,将计算机视觉技术应用到AIS中,可以弥补AIS不可使用时的不足,完善AIS的功能。本文主要介绍计算机视觉技术在AIS中船舶识别和船舶跟踪的2个重要应用。     

基于神经网络的船舶航拍图像融合研究

航拍图像融合是船舶图像研究领域中的一个重要研究方向,针对当前船舶航拍图像融合过程复杂,计算量大,融合精度低等缺陷,提出了基于神经网络的船舶航拍图像融合方法。首先分析船舶航拍图像融合原理,并对船舶航拍图像进行分解,得到低频和高频的船舶航拍图像分量,然后采用神经网络对船舶航拍图像的高频分量进行处理,并用加权平均法对船舶航拍图像的低频分量进行处理,最后通过逆变换对船舶航拍图像融合,并进行了仿真实验。实验结果表明,神经网络可以获得高精度的船舶航拍图像融合结果,船舶航拍图像融合时间短,相对于其他船舶航拍图像融合方法,神经网络的船舶航拍图像融合结果更胜一筹。