UHPC纤维定向法及对受拉性能影响

基于新拌UHPC流动改变内部纤维取向的特性,采用通道流动结合振动的方法,实现UHPC的纤维定向浇筑,并采用图像分析技术测量了纤维定向浇筑对UHPC内部纤维取向的影响,利用抗折试验和轴拉试验测量了纤维取向对UHPC抗拉性能的影响,最后提出了用于定量评估纤维取向对UHPC抗拉强度影响的指标.研究结果表明:常规浇筑下UHPC的纤维取向系数为0.487,接近0.5,纤维定向浇筑的UHPC的纤维取向系数达到了 0.731;具有纤维定向效果的UHPC开裂强度提升24％,抗拉强度和抗折强度分别提升66％、71％;评估UHPC抗拉性能的指标计算出的强度提升约为69％左右,与实测值相近,可认为是一个可靠的用以定量评估纤维取向对UHPC抗拉强度影响的指标.     

云计算下海上多来源传输数据分类存储方法

针对传统的数据存储方法存储数据时负荷消耗过大的问题,研究云计算下海上多来源传输数据分类存储方法。使用小波变换对海上多来源传输数据去噪,根据计算数据间的支持度和相似度确定数据间的关联规则。利用后缀树聚类方法完成对数据的分类,确定分类后数据的存储位置,实现对分类数据的均衡负荷存储。通过与传统的应用MongoDB的数据存储方法的对比仿真实验,证明了云计算下海上多来源传输数据分类存储方法存储数据时的负荷消耗更少,具有优越性。     

雾天道路下智能车视觉图像实时快速去雾研究

针对智能驾驶视觉感知领域中去雾算法处理时间过长的问题，提出了一种基于大气散射模型的视频图像快速去雾算法。在暗通道先验去雾的基础上，计算大气光值的自适应参数，提高去雾速度，并优化设计去雾系数，获取半去雾图像，将单幅图像去雾应用到视频实时去雾中；进一步利用限制对比度自适应直方图均衡（CLAHE）算法抑制去雾残余噪声，增强图像道路交通特征。验证结果表明：提出的算法有效提高了图像质量，且视频去雾速度较传统算法大幅提升；图像边缘强度提升近2倍，极大提高了道路能见度。     

基于高密度激光点云和深度学习的高速公路标线识别

道路标线的自动识别是智慧城市建设中急需解决的重要难题，也是绘制高精地图及无人驾驶所需的核心技术。提出一种激光雷达数据环境下高速公路常见标线自动识别方法：基于端到端PointNet语义分割功能自动提取道路标线点云；采用体素降采样及半径式离群点剔除去除路面噪点；应用DGCNN自动区分典型交通标线(实线、长虚线、短虚线、箭头、导流带),实现道路标线识别。应用京承高速公路某段激光雷达数据测试验证。结果表明：道路标线分类准确率达到94.73%,F1达到74.18%,AUC达到0.98。证明了解决道路标线识别方法的可行性，为智能驾驶环境下道路标线的自动感知和识别提供了一种新的思路。