自适应均衡学习的端到端类人驾驶控制决策网络

针对现有端到端自动驾驶网络对于类人驾驶行为与思维特征模拟不足的问题,从类人驾驶特征出发,设计了一个包含时空特征、历史状态特征及未来特征的端到端类人驾驶控制决策网络。采用多层卷积和长短期卷积时序记忆网络（Conv-LSTM）,对前方道路视觉感知图像时间序列进行时空特征提取,同时采用一维卷积和长短期时序记忆网络（Long Short-Term Memory,LSTM） 对车辆状态信息时间序列进行历史状态特征提取,进而采用多任务参数共享方式进行当前时刻和未来序列的方向盘转角、车速的控制决策,并以未来序列作为辅助任务督促当前时刻的主任务学习。为更好地耦合汽车纵横向控制参数学习的过程,还提出一种权衡纵横向控制参数损失量级及学习速度的权重自适应方法,并引入容差阈值,建立衡量纵横向控制参数训练效果的评价方法。依托Comma2k19数据集对所构建控制决策网络进行训练和验证,体现出良好的可行性及优越性。     

图形系统中自然界物体模拟方法综述

本文介绍了在计算机图形系统领域进行自然界物体和自然现象的模拟的方法,文章将传统方法和最新方法进行比较论述。在文中描述的自然物体和现象的模拟包括树和水的模拟,天气系统的模拟(雨,云)和大气现象的模拟。     

基于粗集料表面纹理特性的沥青混合料性能研究

目前缺乏对集料表面纹理的直接定量测量和评定方法，基于光纤传感法设计了激光轮廓仪，直接测量了7种不同粗集料的表面纹理，应用算术平均偏差Ra对集料表面纹理进行了定量评定，并对集料表面纹理的粗糙度进行了简单的分类，最后通过沥青混合料力学性能试验对测量和评定结果进行了验证。结果表明，采用激光轮廓仪能够直接、准确地测量集料表面纹理；算术平均偏差对集料表面纹理的评定是合理有效的；其他条件相同的情况下，粗集料表面纹理的R值越大，沥青混合料的高温稳定性、水稳定性和低潭抗裂性能越好.     

深度学习的车道线检测方法

随着人工智能技术的不断发展,无人驾驶技术已经成为当下社会发展的热门,车道线检测是无人驾驶技术的关键一环,但传统的基于视觉的车道线检测方法处理时间较长、过程繁琐、需要人为干预。基于深度学习的车道线检测可大大减少此类问题。文章设计了一个完成双任务的Enet网络,分别解决目标区域分割问题和不同车道区分问题,以实现端到端的检测。与主流车道线检测网络模型deeplab v3和YOLO v3进行对比。实验验证表明,网络模型的最终训练准确率为99.8%,相对于deeplab v3和YOLO v3网络分别提升1.2%和0.8%。     

辅助车道线检测的端到端自动驾驶

基于深度学习的端到端自动驾驶有着简洁高效的优势,尤其在车道保持上有着良好表现,但是面临路况复杂时存在极大的不稳定性,表现为车辆偏离车道现象。针对此问题,文章首先在虚拟环境下利用神经网络可视化方法分析了车道偏离的原因,然后在方法上将方向盘转角序列作为神经网络输入,同时根据车道线检测的方法求出车辆所在车道的面积作为辅助任务。文末分析对比了文章方法和递归神经网络(RNN,LSTM)方法在平稳性上的差异,最后通过虚拟实验和实车实验验证文章中的方法的有效性。结果表明,本文中的方法能有效改善车辆行驶平稳性问题,和LSTM方法相比稳定性效果相近,但本方法操作应用简单,节省计算资源。     

基于纹理分类与局部分水岭的肝脏轮廓提取

腹部CT图像中肝脏区域提取是医学图像分割中的难点之一。本文基于多尺度分析的思想,提出将肝脏区域的粗分割与肝脏轮廓精细定位相结合的方法解决肝脏分割的算法复杂性和分割精度的矛盾。试验结果表明本文提出的算法除具有较高的分割精度和较低的计算复杂性之外,还适用于不同层次的腹部CT(Computed Tomography)图像中肝脏区域的提取,为肝脏的三维重建和疾病诊断奠定了基础。     

成都公交扩张“毛细血管” 开支线通小巴为民办实事

120辆小巧玲珑、古香古色的支线公交车穿行在成都市的小街小巷小区间,门到门的服务方便了市民的出行。过去购物买菜手提重物,来回步行,现在坐车来回,确实方便多了。市民高兴地说开这些线路方便了我们,公交公司真是为我们老百     

影响沥青路面渗水的因素分析

水损坏是高速公路沥青路面普遍存在的一种破坏形式,表现为路面结构内部水的渗入与温度、湿度、交通荷载共同作用所诱发唧浆、坑槽、沉陷等病害,这些病害严重影响路面使用寿命。文章从沥青路面空隙率、构造纹理深度及施工碾压方式三方面对路面渗水影响进行分析。     

关于闭环电码化电路设计的改进建议

在西陇海线洛阳至局界"三改四"自动闭塞工程中,站内采用四线制闭环电码化设备.在施工及试验过程中,发现带有折返进路及到发线含中岔闭环电码化电路设计中存在不足,采取了改进方案并在现场实地运用,现介绍如下.     

优化的GPU体绘制

体绘制方法采用了GPU在现成的硬件上就能提供高性能的能力.本文讨论了在执行基于GPU的体绘制的时候图象硬件中出现的多种不同的瓶颈问题,提出一种新的策略,在不损害图象质量的情况下,这个策略可以平衡在特定瓶颈中的加载问题.介绍了双阶段的空间跳过,第一阶段应用于对一个半常规的网格进行分块,第二阶段使用八叉树来获得更好的间隔.同时,对数据块使用了提前光线终止的技术,并分析了两个阶段如何解决瓶颈问题和为了特定的硬件管道而如何被调节的.