硬路面碎块抛物运动模型

事故现场固体抛落物及其分布场隐含着揭示交通事故状态的重要信息。基于抛物运动的各种运动成分描述 ,分析了道路交通事故汽车碰撞速度与抛物距离之间的各种关系模型 ,揭示了包括经典抛物方程、弹跳运动和滚动—滑动运动模型的广义抛物运动规律。以汽车大灯玻璃碎片为例 ,给出了校验广义抛物运动方程的参数     

图形编辑系统中从面状目标到其属性的查询

地理信息系统的图形编辑系统中，从面状目标到其属性查询的关键在于经过多边形内点判别快速地检索出该目标的图形数据与属性数据相互关联的计算机内码。通过对传统面状目标的数据结构改进和对构成面状目标周边的坐标串预处理，利用Ｂｏｒｌａｎｄ Ｃ＋＋环境进行程序设计与调试，在试验系统中实现了从而状目标到其属性的查询，大大地降低了多边形内点判别的运算量，明显的提高了查询的效率。     

基于面向对象技术的石笼支挡综合设计软件系统的开发

以山区石笼支挡结构物为研究对象,采用可视化建模技术和面向对象技术,在Windows平台下, 以Visual C 为工具,进行了山区石笼支挡结构物综合设计软件的设计和开发.文章介绍了系统的功能和结构;对系统的模型实体类和窗口界面类的设计进行了说明;对该系统进行了实例分析,并将该系统应用到了实体示范工程中.     

院务车辆管理系统的设计与开发

介绍了院务车辆管理系统的设计和开发过程,阐述了如何利用VB的Data控件和DAO数据对象开发应用系统.     

实时二维多尺度目标识别方法及其应用

序列图像中多尺度目标具有灰度值分布一致性和不变性的特点．据此，提出基于量化灰度值自结构的动态目标识别方法．自结构的形成是通过相邻采样点之间的比较实现的．量化是对比较结果进行开关运算得到的．量化自结构之间的差值表示识别结果．识别计算过程可在0．3s～0．5s内完成，比一般的识别方法较大地提高了运算速度．本方法不受图像模糊的影响，提高了识别的可靠性和鲁棒性．应用实践表明，此方法是可行的和实用的。     

基于船舶卫星遥感图像的目标特征算法

在现代海洋运输及海上军事业务中,对船舶目标的有效定位及跟踪是保证海洋运输安全的有效方法之一。现有的海上目标检测跟踪系统中,有基于雷达目标检测﹑水声目标检测及卫星遥感图像的目标检测方法。由于海上环境的复杂性及目标物的快速移动性,基于遥感图像的目标检测成为最重要的方法之一。本文分析现有船舶目标物的特征参数,提出船舶卫星遥感图像快速有效的船舶目标特征值提取算法,最后给出了基于此算法的数据库设计。     

AutoNet数字信息平台及其在舰船上的应用

AutoNet是基于中国发明专利的新型数字信息平台,由于高性能免编程并能简化应用软件编制的特点,将取代RS232、RS485、CAN等计算机通信标准,成为舰船信息监控领域里的新标准。本文介绍了AutoNet的分布数据库高速刷新、平台管理技术、工业以太网等技术原理和技术指标,介绍了AutoNet标准接口的使用方法和设计方法。AutoNet已成功地应用到舰船、工业等领域里几十个工程项目,促进了舰船数字集成平台技术的发展。     

基于深度数据的车辆目标检测与跟踪方法

现有基于几何特征的目标检测与跟踪方法误检率较高,目标跟踪过程中的漏检易导致错误的目标关联.针对这些问题,本文提出了一种基于激光雷达(LiDAR)深度数据的车辆目标检测与跟踪方法.根据激光雷达深度数据特性,采用一种基于栅格的参数自动化聚类(PAG) 算法对原始数据进行处理,并在每个聚类中提取目标线段,获取目标特征.在此基础上对车辆目标进行识别,并计算得到目标的位置信息.采用卡尔曼滤波算法,制定滤波器管理策略,完成目标关联及状态估计.最后利用装备有一个前向激光雷达的实验车辆对提出的方法进行验证. 实验结果表明,本文提出的方法可准确识别并跟踪多个车辆目标,避免错误的目标关联.     

面向智能汽车测试的弱势群体服饰色彩研究

智能汽车测试是其技术开发与应用中必不可少的环节，封闭场景下测试目标物准确反映真实道路环境下交通对象特性是保障测评结果可信的关键，而道路弱势群体服饰色彩是相应测试目标设计的关键参数，也是智能车测评相关标准中要求的一个主要指标。为此，通过对中国某省份2018～2020年间重大交通安全事故案例的分析和筛查，得出178例弱势道路使用者群体伤亡人员样本，首先提取样本服饰颜色，然后选取适当的色彩空间，将色彩数据从RGB(Red-Green-Blue)空间转换至LUV(Lightness-Chroma)空间。以转换结果作为聚类参数，采用K-means聚类算法，获取受害者样本基于季节、出行方式等不同因素下的服饰代表颜色。区别现阶段欧洲标准中目标物黑色上衣/蓝色长裤的搭配组合，黑色上衣/黑色长裤作用于符合中国国情的自动驾驶场景中测试目标物的服饰颜色更具代表性。鉴于中国新车评价规程(China-New Car Assessment Programme, C-NCAP)选取行人目标物与自行车骑行者目标物，将目标物服饰改为黑色上衣/黑色长裤组合，以测试目标物与测试车辆位置分别构建相对横向及纵向运动的多个场景，...     

双注意力引导的跨层优化交通场景语义分割

针对交通场景目标分割边缘不平滑以及小目标难以准确分割等问题，本文提出一种双注意力引导的跨层优化交通场景语义分割算法。首先，构建多分支特征提取编码网络，并利用串行非比例式空洞卷积实现空间上下文信息提取，进而改善小目标信息的丢失；其次，构建基于空间对齐的跨层特征融合解码网络，实现语义信息和细节信息的融合，增强不同尺度目标的表达能力；最后，提出通道和空间注意力机制，建模全局通道相关性和长距离位置相关性，增强网络对关键特征的学习能力。交通场景数据集Cityscapes和CamVid上的实验结果表明，所提特征提取编码网络、跨层特征融合解码网络以及注意力机制模块是有效的；所提语义分割算法获得了77.79%和78.66%的平均交并比，能够平滑目标分割边缘，尤其对细长条形目标具有鲁棒性。