潜水救捞发展现状与展望——第四届国际潜水救捞与海洋工程技术论坛综述

伴随着我国海洋经济的快速发展和海洋资源开发活动的日益活跃,潜水打捞在国家应急保障体系中的作用凸显.第四届国际潜水救捞与海洋工程技术论坛在此背景下由中国潜水打捞行业协会主办召开.通过对论坛报告内容的梳理和总结,探讨了沉船整体打捞工程、水下装备、"智慧海洋"战略展望、灾害应对与环境保护以及涉海法律法规等当前行业关注的多个方面的热点话题,结合我国救捞力量发展历程与现状,分析并展望了大型救捞船舶、水下高精度感知、大深度潜水、水下潜航器、仿真演练与辅助决策及水下作业工具等关键技术与装备的发展趋势.     

变化光照条件下的交通标志快速鲁棒检测

变化光照条件下交通标志检测算法的准确率往往会显著降低。针对此问题,提出了1种新颖的概率图建立方法,并结合最大稳定极值区域特征进行交通标志检测。该方法包括3个处理步骤:①根据不同光照条件对真实场景交通标志样本图像进行明确分类以构建多类颜色直方图,将交通标志输入图像由原始色彩表达转变为概率图(直方图反投影);②通过在概率图上进行 MSER特征提取,获取候选的交通标志区域;③根据候选区域的面积、宽高比等特征快速有效去除非交通标志区域。实验结果表明在弱光照和强光照条件下基于归一化RGB的交通标志检测算法检测准确率分别下降到84.4%和83.0%,基于红蓝图的交通标志检测算法检测准确率分别下降到87.4%和86.3%,提出的算法在变化光照条件下依然可以保持90%以上的检测准确率,对光照变化有较好的鲁棒性。     

基于CS-SD的车载环境下实时行人检测模型

针对车辆辅助驾驶系统中行人检测的实时性问题, 提出一种基于路面边缘线标定结合显著性纹理检测(CS-SD) 的算法和定位方向梯度直方图(L-HOG) 的行人检测模型, 应用CS-SD算法替代穷尽搜索快速标定图像中的行人区域, 应用L-HOG快速提取行人特征, 并采用附加核心的支持向量机(AK-SVM) 进行高效目标分类。分析结果表明: 在个人计算机上对包含832个行人的500幅图像进行检测时, 模型正确检测720个行人, 检测率为86.5%, 误检率为4.1%, 检测时间为39ms; 在基于BF609的车载行人检测系统上对包含988个行人的48 400幅图像进行检测时, 模型正确检测861个行人, 漏检127个行人, 误检13个行人, 检测速度为20fps。可见, 提出的行人检测模型在不降低检测率的前提下, 可以达到满意的检测速度, 并且可以用于实时行人检测车载设备。     

基于图模型与卷积神经网络的交通标志识别方法

为了提高交通标志识别的鲁棒性, 提出了一种基于图模型与卷积神经网络(CNN)的交通标志识别方法, 建立了一个面向应用的基于区域的卷积神经网络(R-CNN)交通标志识别系统。构造了基于超轮廓图(UCM)超像素区域的图模型, 有效利用自底向上的多级信息, 提出了一种基于图模型的层次显著性检测方法, 以提取交通标志感兴趣区域, 并利用卷积神经网络对感兴趣候选区进行特征提取与分类。检测结果表明: 针对限速标志, 基于UCM超像素区域的图模型比基于简单线性迭代聚类(SLIC)超像素的图模型更有利于获取上层显著度图的大尺度结构信息; 基于先验位置约束与局部特征(颜色与边界)的层次显著性模型有效地融合了局部区域的细节信息与结构信息, 检测结果更加准确, 检测目标更加完整、均匀, 查准率为0.65, 查全率为0.8, F指数为0.73, 均高于其他同类基于超像素的显著性检测算法; 基于具体检测任务的CNN预训练策略扩展了德国交通标志识别库(GTSRB)的样本集, 充分利用了CNN的海量学习能力, 更好地学习目标内部的局部精细特征, 提高了学习与识别能力, 总识别率为98.85%, 高于SVM分类器的95.73%。     

新能源汽车车载终端下线检测系统设计

在车辆的生产过程中,除了需要确保车辆装配正常,还需要确保各个零件功能正常才能确保车辆正常下线。传统的车辆下线检测系统,需要人为的对车辆的识别码、车载终端的各路参数进行人工记录和比对,再将参数录入后台系统,耗费人力较多,检测耗时也较长,车辆下线检测的效率也较低。同时,通常的下线检测过程中,未对车载设备的正常运行进行判断,如果将问题车载终端装车下发,会导致监控平台无法对该车辆进行正常监控,存在安全隐患,也不满足相关要求,同时增加售后维护成本。基于此,本文设计开发了一种新能源汽车车载终端下线检测系统,实现了新能源车辆在出厂时,通过检测时,由检测人员操作该系统来查看终端工作状态,系统自动根据终端返回平台信息判断该终端工作是否正常,然后把结果反馈至生产系统。     

一种基于语义分割结果的车道线检测拟合方法

车道线等地面标志物的检测是自动驾驶车辆环境感知的重要内容,能够为车辆提供可行驶区域的信息。文章提出一种基于语义分割结果的车道线检测拟合方法。使用车载单目相机获取车辆行驶过程中采集的道路图像,送入卷积神经网络进行车道线语义分割。将分割得到的仅含车道线的二值图像进行透视变换得到鸟瞰图,筛选有效车道线像素点,对有效车道线点使用最小二乘法进行多项式拟合,输出左右车道线多项式拟合系数,能够有效解决传统车道线检测算法的环境适应性差,鲁棒性不强,对弯道车道线检测信息不够准确等问题。     

基于STM32的蓄电池内阻测量系统设计

文章设计了一款以STM32微处理器为核心的蓄电池内阻测量系统,采用交流阻抗法对电池内阻进行测量.针对测量信号微弱,易淹没于噪声的特点,应用相关检测技术以检出有用信息.调试和对比实验数据表明,该系统可实现对蓄电池内阻的在线、快速、精准测量.     

城市轨道交通轨道检测系统关键设备研制及应用

为了探索一种可应用于城市轨道交通运营列车组的轨道检测方法,基于ARM微处理器和现场可编程门阵列(FPGA)设计搭载式轨道检测系统。分析了搭载式轨道检测系统的总体架构和数据处理印刷电路板的设计过程,并对系统的核心部件嵌入式微处理板卡进行了重点探讨,该板卡可实现小型化、低功率、多样化数据集成。对该系统进行了动态试验验证,试验结果说明该系统在准确性、重复性、一致性等方面都满足标准要求。搭载式轨道检测系统可安装于城市轨道交通运营列车上进行实时检测,大大提高了轨道检测的效率和实时性,可有效指导线路养护维修工作,且该系统不必占用专门检测车资源,具有良好的经济效益。     

一种新型汽车ABS整车检测系统

为了提高汽车ABS整车检测效率, 开发了一种新型的基于台架的汽车ABS整车检测系统。该系统利用飞轮的转动惯量模拟车辆在道路上运动的平动惯量; 通过扭矩控制器在4个车轮所在滚筒上加载不同的扭矩, 实现不同路面附着系数的动态模拟; 采用基于CAN总线的分布式网络测控技术完成台架的运动控制和车辆速度数据的采集; 利用BP神经网络自学习功能分析台架检测数据, 总结大量模式映射关系, 用训练好的网络实现检测结果自动分类。室内台架检测结果和道路试验结果对比分析表明: 台架检测结果与道路试验结果基本相同, 主要参数误差小于4%, 因此, 台架检测系统能够准确地反映装有ABS的车辆在不同路面工况下的制动性能。     

施工场景下基于YOLOv3的安全帽佩戴状态检测

针对现有安全帽检测研究中采用的两阶段检测法存在检测效率偏低,累积误差对精度影响较大的问题,提出一种对安全帽的单阶段检测法.将安全帽和工人头部视为一个整体,将检测目标分为2类,即佩戴安全帽的头部和未佩戴安全帽的头部,同时对2类目标进行检测,避免了冗余的计算步骤及累积误差的影响.同时,针对施工场景安全帽佩戴状态检测特点,对...