基于激光雷达点云的道路几何信息提取与数字化建模研究

为实现快速、自动化的道路几何信息提取和数字化建模，基于激光雷达点云提出了一套从道路语义分割、几何线形提取到集成化建模的通用框架。首先，基于空间上下文特征基础框架，将局部特征的最大值和邻域均值进行聚合以作为局部特征，使用径向分布参数与三维坐标描述全局上下文特征，构建道路语义分割网络。其次，基于道路场景分割结果，通过体素降采样和半径滤波法减少点云数据量、去除离群点，并利用可变半径Alpha Shapes (VA-Shapes)算法提取道路边线，结合获取的边线横纵坐标，计算路段几何信息(路宽、纵坡、横坡等),使用inshape函数和插值法构建交叉口的数字高程模型。最后，采用Dynamo for Revit将道路几何信息导入并生成道路路线，通过Revit软件设计道路自适应族构件及不同类别基础设施族构件，实现精细化道路数字建模。利用开源数据集Semantic3D进行训练和测试，分析与评价道路几何信息提取效果。研究结果表明：所提出的算法总体准确度为95%,路面的单类交并比为97.9%,能够很好地实现道路点云场景的自动化语义分割；相比于传统的固定半径Alpha Shapes算法，VA-Shapes算...     

基于融合分割和变尺度窗口的车道线距离检测

在车辆安全和驾驶行为相关研究中，车道线距离参数是重要的基础参数。针对传统机器视觉测量方法存在的标定过程复杂、测试成本高且移植性能差等问题，提出一种针对车侧摄像机图像的低成本车道线距离检测方法。首先，构建了一种融合局部Otsu算法与光照样条补偿算法的车道线区域分割方法，可在车道线磨损、复杂光照变化、车道线中断等场景中对车道线区域进行精确分割；其次，针对车道线边缘特征复杂多变的情况，设计了一种变尺度窗口算法来完成车道线边缘检测并可补全残损车道线；最后，采用多项式标定方法建立了车道线距离检测算法，实现了车道线距离的自动化快速检测。验证结果表明：在正常场景和多种复杂特殊场景下，所提出的检测算法平均检测误差为0.4 cm,平均检测速率达到30帧·s^-1,整体上优于目前其他技术方案。该方法在检测成本和可移植性方面具有显著优势，可为相关研究领域的技术人员提供新的解决思路。     

路基探地雷达图像层位智能识别与状态评价

针对有砟铁路路基层位探地雷达图像人工追踪效率低、精度低的问题，提出了基于深度学习的路基层位智能识别与状态评价技术。根据多条线路现场实测数据建立样本集，基于YOLO v5和U-Net训练智能识别模型，提出了层位厚度、道床-基床界面平整度评价指标计算方法。结果表明：本文提出的有砟铁路路基层位智能识别方法具有较高精度，且U-Net模型识别效果优于YOLO v5模型，识别、评价结果与人工追踪结果偏差较小，满足铁路路基检测工程的实际需求。     

基于分形理论和二次分割的图像裂缝特征提取方法与应用

在役跨海桥梁、港口工程等的服役环境恶劣，多数情况下采集到的裂缝图像背景复杂、噪声干扰较多。为了克服现有技术存在的不足，提出一种基于分形理论和二次分割的图像裂缝特征提取方法。该方法采用分形参数作为裂缝图像的特征参数，能优先抑制裂缝图像中产生干扰过多的问题，有效克服灰度不均匀、噪声块多和背景复杂的干扰因素，同时基于二次分割理论，结合两种不同的算法特点，利用粗分割排除干扰区域，利用细分割对目标区域内裂缝精准分割，实现混凝土结构裂缝目标准确有效的提取，具有更好的分割效果。     

通信时延和感知时延对车辆编队稳定性的影响

通信时延和传感器感知时延对智能车辆协同动作和行车安全至关重要。针对2类车辆编队控制策略(定常间距双向不对称控制和定常时距多前车跟车控制),引入通信时延和感知时延，并计算编队系统保持稳定性的通信时延阈值和感知时延阈值。首先，考虑到信息获取的便捷性和准确性，在直接相邻车辆的位移和速度分量上引入感知时延，在直接相邻车辆的加速度分量以及非直接邻居车辆的状态信息引入通信时延。将具有时延的信息用于反馈控制器。其次，对双向不对称控制下的同质车队及对多前车跟车控制下的异质车队进行模态分解得到多个低阶的双时延模态子系统。然后，基于双时延微分方程结构特性，提出了几何构型分析方法用于确定单个模态子系统保持稳定性的通信时延阈值和感知时延阈值。从而，车队系统稳定的通信时延阈值和感知时延阈值取决于解耦后的多个模态子系统。最后，进行了MATLAB数值仿真，研究通信时延和感知时延对2类编队系统稳定性的影响。仿真结果表明：在双向不对称控制下，当不对称度较大时，车队系统对时延具有较高容忍度；在定常时距单前车及两前车跟车控制下，车队系统的感知时延阈值和通信时延阈值随时距的增大整体上呈下降趋势。     

云南省通建高速公路沿线滑坡降雨阈值估计

山区高速公路沿线每年雨季常发生滑坡，严重威胁高速公路的安全运营。目前，降雨阈值估计已成为降雨诱发滑坡气象预警最常使用的方法。然而，有些研究区数据不全(如历史滑坡以及对应的降雨事件),经验统计方法往往受到限制；同时，经验统计方法通常提供的是一个区域阈值，对于高速公路这种线形工程适用性不强。针对以上问题，以云南省通建(通海县-建水县)高速公路为研究对象，利用数值模型(TRIGRS)和最小二乘支持向量机(LSSVM)开发了基于物理模型的降雨阈值计算方法；最终，获得了研究区降雨阈值的空间分布。结果表明，与简单的经验阈值相比，通过数值模型给出的降雨阈值空间分布，不仅能反映研究区不同位置地形条件、土壤厚度等关键指标的差异对降雨阈值的影响，也能给出在不同降雨强度下最容易发生滑坡的区域，可为区域滑坡气象预警提供依据。     

基于实例分割的车道线检测算法

为实现在自动驾驶复杂场景下检测数量变化的车道线，提出一种基于实例分割的车道线检测算法。首先以ResNet18网络作为主干网络提取图像特征，采用特征金字塔网络进行特征融合。同时设计一种扩张卷积残差模块来提高检测的精度；然后基于车道线的位置进行实例分割，利用语义分割出的车道线点位置预测对应的聚类点位置，通过对聚类点采用DBSCAN聚类算法实现车道线实例区分。结果表明，该算法能够在复杂的自动驾驶场景下有效地进行多车道线检测，在CULane数据集和TuSimple数据集上的调和平均值分别达到75.2%和97.0%。     

基于CB-CNN与分割残差优化的列控系统网络攻击流量检测

复杂环境中的列控系统容易遭到各类网络流量攻击，现有的攻击流量检测方法往往特征选择差、稳定性较弱，导致检测精度较低。为此，提出一种通道增强卷积神经网络与分割残差优化的攻击流量检测方法。首先通过降噪式自动编码器对正常流量进行建模，同时使用无监督训练将原始特征空间转换为重构特征空间；然后利用通道增强使相关误差向量转化为分类器的多通道输入变量；最后为增加神经网络的特征表示多样性，设计一种多路径的分割残差网络来优化CB-CNN,通过学习不同维度级别的流量特征来优化分类。实验结果表明：所提方法具有较好的训练性能，NSL-KDD数据集与真实铁路安全网络中获得的平均精确率分别为94.573%与96.78%。在误报率较低的同时均具有较好的分类可视化效果。综合对比其他检测方法，提出方法检测实时性较好，能够适用于复杂场景的列控系统网络攻击检测，在噪声存在时具有较好的鲁棒性。     

一种新型轻量级语义分割网络的轨道及障碍物检测方法研究

针对当前常用的语义分割算法普遍存在无法同时兼顾分割精度与分割速度，以及因下采样带来分辨率损失所导致分割精度不佳的问题，提出一种可同时兼顾分割精度和分割速度的语义分割模型MBv2-DPPM。首先对MBv2网络的逆残差深度可分离卷积块进行修正，去除下采样以增强分割精度；其次在原始主干特征网络的最后4层加入级联空洞卷积，解决网络感受野不足的问题；然后提出一种融合双层金字塔池化多尺度复合结构，聚合图像浅层和深层上下文信息，解决由于交通场景复杂、干扰因素众多导致各物体边界混淆无法区分的问题；最后使用公共数据集和自建轨道数据集对算法进行验证。实验结果表明：与传统语义分割模型相比，在满足分割速度的条件下，本算法精度更高，且对于复杂交通场景效果更明显，MIoU指标可达87.09%,mAP指标达到90.42%,图片推理速度为66 ms/帧。     

基于生成对抗网络的隧道裂缝自动分割算法研究

传统裂缝识别技术需要大量带标签的裂缝图像作为试验数据集，为减少裂缝图像标注的工作量，利用生成对抗网络图像分割的特性与优势，构建一种Crack-GAN网络用于隧道裂缝自动分割。Crack-GAN网络结构集成2个模块：融合残差化U-Net网络的生成器网络和利用全卷积网络生成置信图的判别器网络。首先U-Net模块使用密集的残差模块来生成保留细粒度信息的深层表示，然后判别器来判断输入真假，并以端到端的方式训练，再经过生成对抗模型之间不断迭代，使生成模型达到分割裂缝的最优状态。试验表明，Crack-GAN网络在自制铁路隧道裂缝数据集上的像素准确性为98.35%,精准率为71.23%,召回率为80.78%,F1得分为75.98%,单次检测时间80 ms,综合表现优于U-Net和CrackSegNet。