排序方式: 共有24条查询结果,搜索用时 46 毫秒
1.
2.
3.
4.
为探究手机社交娱乐操作对驾驶人视觉参数的影响,基于模拟驾驶器和SmartEye 眼动仪设计模拟驾驶实验,采集驾驶人正常驾驶、拨打电话、收发信息等5种操作下视觉特征数据,应用拉依达准则和联合频数分布直方图进行数据归约.针对不同操作下视觉参数,应用箱形图和Kruskal-Wallis显著性检验,验证视觉参数评价指标的有效性.结果表明:随手机操作类型的不同,驾驶人水平和垂直视角标准差、视线离开道路时间百分比、扫视平均速度和眨眼持续时间呈显著性变化,可作为视觉参数影响的评价指标;观看视频和刷朋友圈操作对驾驶人视觉影响程度明显高于拨打电话和收发短信操作. 相似文献
5.
以砼抗折强度为设计目标,通过建立砼抗折强度多元线性关系直接评价不同品种及不同掺量活性混合材对路面砼抗折强度的影响,结论对掺活性混合材路面砼配合比设计具有较好的指导作用. 相似文献
6.
7.
8.
基于单目视觉的道路边界检测由于其在车辆辅助驾驶系统中的重要应用价值成为当前计算机视觉和智能车辆领域最为活跃的研究课题之一。指出图像边缘检测现有算法的不足,采用领域平均法对图像进行平滑处理,根据图像的边缘特征运用Prewitt算子实现边缘增强,以获取精确的边缘信息。使用最大熵算法分割二值化图像进一步减少噪声,从而得到良好的道路特征图像数据。利用道路约束条件,建立视觉系统动态感兴趣区域(DAOI),运用改进的Hough变换最终识别道路边界。试验结果表明:本文所述算法不仅能准确、实时检测出道路板边界,而且能有效地抑制噪声,为区域交通智能车辆的换道和超车提供研究基础。 相似文献
9.
10.
轨迹数据驱动的行人行为分析建模在公共场合异常事件监测、人车冲突风险评估等方面具有重要意义,广布的交通视频监控是行人群轨迹数据的重要来源。行人轨迹具有趋势性和规律性,提取的原始轨迹信息冗余较大,且密集行人群频繁遮挡,不同行人轨迹易发生误匹配,导致数据失真。针对以上问题,根据行人轨迹的局部结构特征和数值特性,设计一种改进的两阶段自适应滑窗轨迹压缩算法ATSSW (Adaptive Two Stage Sliding Window)和基于轨迹局部转向角的误匹配识别和分割方法ABTDS (Angle-based Trajectory Detection and Segmentation),清洗和压缩行人轨迹数据。首先,ATSSW算法考虑轨迹各坐标分量的数值分布特征,将提取到的所有原始轨迹分为漂移和非漂移2类,采取不同的策略分别压缩2类轨迹;然后,ABTDS算法分析压缩后的轨迹局部转角特征,辨识误匹配轨迹样本;最后,ABTDS算法分割误匹配样本,并用分割后的轨迹更新原始轨迹数据集。研究结果表明:ATSSW算法压缩了653条原始行人轨迹,总压缩信息损失1 002.04,总平均轨迹压缩率为6.07%,总平均轨迹压缩保留率为95.35%;原始轨迹集中存在126条误匹配轨迹,ABTDS算法辨识并成功分割了其中的107条,检出率为84.92%;所提算法抑制了原始行人轨迹中漂移点和误匹配现象所致的干扰,减少了原始轨迹数据噪声,可提高轨迹数据驱动的行人行为建模精确度;适当压缩原始轨迹,可减轻轨迹数据存储处理的负担。 相似文献