区域旅客运输空间联系特征提取方法研究 ——以云南省为例

区域旅客运输空间联系特征提取能够为区域交通规划及客运组织提供基础数据.为高效提取区域旅客运输的空间联系特征,引入平均运距这一重要的运输特征指标,通过对质量因子进行重新标定,建立引力模型的改进方法,并运用高速公路客车流量数据与该特征进行匹配分析,最后以云南省为实例进行验证.结果表明,以昆明为核心,云南省旅客运输空间联系强度具有明显的圈层结构;道路客运联系的空间分异特征显著,呈现出与“中心-腹地”经济关系相吻合的空间格局;滇中城市群客运吸引力较大,滇西地区客运吸引力普遍较小;客车流量数据分析结果与旅客运输空间联系特征总体吻合.     

多特征多阈值级联AdaBoost行人检测器

为了满足更快、更准、更鲁棒的行人检测需求, 考虑交通监控视频图像质量不高与局部特征不明显的缺点, 采用简单的行人特征来实现行人检测。除矩形度、高宽比、轮廓复杂度、宽度比、行人面积特征外, 特定选用了对遮挡等干扰具有强鲁棒性的头部圆形度这一简单的局部特征。考虑交通监控视频图像中行人的尺寸变化, 引入区域划分策略划分图像区域。兼顾高检测率和低误检率, 根据分类误差最小原则与正样本分类率最大原则训练多个单特征多阈值AdaBoost行人检测器。为了优化多个行人检测器级联后的检测性能, 在兼顾检测性能和检测速度的基础上, 定义了以贡献率作为行人检测器的级联规则, 依据贡献率大小确定的级联次序为基于高宽比、宽度比、矩形度、行人面积、轮廓复杂度和头部圆形度的行人检测器, 依次进行级联, 建立了新的多特征多阈值级联AdaBoost行人检测器。选用3个交通场景对行人检测器进行测试, 并与单级AdaBoost行人检测器与现有2种级联AdaBoost行人检测器进行比较。分析结果表明: 在3个交通场景的检测中, 相比其他几种行人检测器, 多特征多阈值级联AdaBoost行人检测器具有较高检测率、较快的检测速度和较低误检率, 检测率最低为96.70%, 误检率最高为0.67%, 检测时间小于5s, 满足交通场景中对行人检测实时性和可靠性的要求。     

基于局部特性的月球撞击坑边缘处理方法研究

针对月球撞击坑边缘检测的问题,主要研究了基于局部统计特性的各向Sobel算子的撞击坑边缘检测方法。依据撞击坑图像模型的特点,采用属性形态学方法消除噪声对边缘的干扰,并提出针对局部弱边界保留和伪边界消除的多向Sobel算子的权重调整方法,使撞击坑边缘依局部分布特性而自适应加强,较好地保持了撞击坑边缘重要细节和特征。     

基于机器视觉的道路上前方多车辆探测方法研究

本文提出了一种基于车辆特征的方法识别和跟踪前方的车辆。首先，利用车辆底部存在阴影的特征，在图像中获得可能的车辆存住区域。然后，通过分形维数计算车辆的纹理特征，排除非车辆区域。最后，利用车辆的边缘信息，通过投影变换方法，对候选区域内的车辆进行定位。此外，利用NMI特征法对定位的车辆进行确认。该算法对不同环境和光照条件下的车辆图片进行了测试，以及在高速公路上进行了实时跟踪，具有较好的鲁棒性和可靠性。     

试论战略管理会计

从战略管理会计的定义和特点出发,对战略管理会计的主要内容及基本方法进行了阐述。     

基于遥感图像信息特征的单调递增SSDA算法

图像配准就是将不同时间、不同传感器或不同条件下对同一景物获取的两幅或多幅图像,进行比较找到该组图像中的共有景物,或是根据已知模式到另一幅图中寻找相应的模式。利用遥感图像进行目标监测需要进行图像配准处理。匹配算法如何达到高精度、高匹配正确率和实时性成为人们追求的目标。文章在传统匹配算法的基础上,提出两点改进:一是通过PCA-圆形SIFT算法提取图像特征角点,降低维数,优化计算;二是利用图像角点作为单调递增阈值序列SSDA算法匹配的基本像素点,利用遥感图像信息特征降低匹配计算量。最后进行实验仿真,结果表明,改进后的算法使得配准速度进一步提高,能够满足遥感图像配准实时性的要求。     

基于复合信号特征的崩塌落石监测方法

行车限界内的崩塌落石灾害监测是保障山区铁路行车安全的重点研究课题.若干基于单信号特征的监测方法已经投入应用,其固有的误报率和漏报率超出了铁路运输所能容忍的限度.考虑到崩塌落石会产生侵限目标和冲击波等多种信号特征,提出了一种基于复合信号特征的监测方法,对信号源不同的多种信号特征进行提取,同时要求这些特征必须具备高度的时空域相关性.理论分析和各山区路局的实践表明,此方法可以使监测系统的误报率和漏报率同时降低到若干数量级以下.     

基于中介理论的车道线识别方法研究

以中介真值程度的数值化度量为基础,利用单个像素点的真值度,设计了新的图像去噪滤波算法。与经典算法相比,新算法具有较好的视觉效果。通过研究道路图像车道线的特点,采用中介距离比率函数来衡量像素点间相似程度,并设计了相应的图像边缘检测算法。与传统的道路图像边缘检测算法相比,新方法边缘增强效果显著。最后,基于道路直线模型,采用Hough变换实现了车道线的识别。     

面向智能车定位的道路环境视觉地图构建

为实现智能车视觉定位,提出了一种基于多视角、多维度道路环境表征的高精度视觉地图构建方法,该方法明确了视觉地图的表征模型,包括视觉特征、场景结构信息以及轨迹信息等。在视觉特征中,运用前视场景全局特征描述道路环境,视觉特征不局限于某一种特征描述子;在场景结构信息中,运用俯视路面的2D结构信息进行描述,该特征与前视视觉特征构成多视角;轨迹信息则通过视觉维度以及地理维度的多维度方式完成计算,在视觉维度中,通过平面单应性计算节点间的轨迹;地理维度中,通过高精度经纬度信息消除累积误差问题。试验选取武汉理工大学内长约700 m的半开放式环形路段进行试验。试验结果表明：制图的单节点平均误差为3.1 cm,标准差为2.3 cm,最大节点误差为9.3 cm,累积误差率为0.5%。运用所制地图进行定位检测,平均定位误差约为11.8 cm,因此,研究所提出的方法可应用于半开放式路段或固定场景的视觉地图构建,为实现智能车在上述场景的定位打下基础。同时,研究提出的制图方法不需使用双目摄像机,在降低数据存储量以及制图成本的前提下,实现了对道路环境的充分表征;此外,运用路面2D特征结构信息计算轨迹,解决了视觉3D重建精度不稳定的问题,为视觉地图构建提供了新的构建思路。     

A low-cost video-based pavement distress screening system for low-volume roads

This study investigates the use of consumer-grade video camera to develop a low-cost pavement distress screening system, with a particular focus on low-volume roads. Due to the oblique view of video data captured in the car front, existing crack detection algorithms that are tailor-made for nadir view cannot be used directly. Instead, we propose and develop a Video-based PAvement Distress Screening (VPADS) system, which includes an automatic data processing workflow by first defining a Region of Interest (RoI) through robust line fitting of the two side lanes. The pavement condition can be assessed within the RoI by implementing a multi-scale ridge detection filter followed by a boundary contour analysis. Since the proposed VPADS system is designed for preliminary screening purpose, each video image scene is examined if there exists any potential crack or distress feature(s). We tested the proposed system on video data collected for two low-volume roads (Highway 624 and 668) in Northern Ontario region, Canada. The overall accuracy of detecting crack and distress features yielded 80%. Instead of replacing traditional field inspection or high-end multi-sensor pavement evaluation system, the proposed VPADS system aims to provide a computer-aided screening solution for transportation authorities of a vast rural road/highway network and with limited inspection budget. The scope of the work can be further expanded by developing a crowdsensing inspection network built by any regular road user, who can also act as a data provider for the regional/municipal pavement distress screening system.