数字能见度仪中目标物自动定位技术

针对相机抖动和旋转造成的观测目标物定位不准确的问题, 提出了新颖的快速抗旋转匹配算法, 该方法利用与运算形成卷积运算的模式, 使匹配时间呈指数级下降. 大量实验结果表明, 利用该算法, 数字摄像能见度仪的目标物自动定标准确, 单次定标时间平均为24.2 ms, 在相同情况下比原始算法至少快200倍以上, 且观测准确度比普通算法提升7倍多, 比手动定位观测提升将近5倍. 基于该算法的数字摄像能见度仪测量结果符合世界气象组织对能见度仪研制标准的要求, 且价格更低, 具有广阔的应用前景.     

散射式无线能见度仪设计

设计了一种前向散射式高精度能见度仪.该能见度仪接收端采用光电传感器BPV10,将发射光在空气中的散射信号,并经过放大、滤波和A/D转换取得数字信号.系统采用TMS320X2812以提高系统终端数据处理速度,采用CC2530实现无线数据传输.实验结果表明:该系统精度高、使用维护方便,能够较好满足气象站的观测要求.     

路况视频能见度检测算法

针对现有气象能见度仪价格昂贵且无法全程分析的不足,提出一种利用路况视频图像的能见度检测算法,通过目标物预置获得距离信息,通过图像预处理得到含有目标物的去噪图像。利用目标物的相互关系和SAD图像匹配算法从图像上分割出目标物,利用Kohler的一致对比度法实现目标物图像的人眼模拟,进而对其特征进行拟合,得出能见度值,实现基于路况视频的能见度检测。实验结果表明,该算法与人眼观察一致,对噪声有较好的鲁棒性。     

四探头双光路新型气象能见度仪的研究

介绍了一种技术先进的能见度自动观测仪,这种能见度仪与国内目前的能见度仪相比也是前向散射能见度,由于它采用独特的双光路设计,能消除测量误差并简化校准过程,共有4个探头进行观测,不但保证了观测精度,还提高了可靠性.     

能见度自动观测仪与人工观测资料对比分析

利用四川5个能见度自动观测站2012年整年数据与人工平行观测数据进行对比分析。结果表明,当能见度小于3kin时,能见度自动观测与人工观测差异较小,在此能见度范围下人工观测结果小于自动观测结果,能见度自动观测结果可以代替人工观测结果。当能见度为3-10km时,由于观测员自身的视力、习惯以及对“能见”的最远目标物和“不能见”的最近目标物的不明确,导致能见度自动观测和人工观测结果差异偏大至-1．62km,自动观测结果开始小于人工观测结果。当能见度大于10km时,差异加剧。     

基于LightGBM算法的能见度预测模型

为了提高能见度预报的准确率,尤其是低能见度预报的准确率,提出一种基于集成学习随机森林和LightGBM的能见度预测模型。首先,以数值模式系统的气象预报数据为基础,结合地面气象观测数据、PM_2.5浓度观测数据,利用随机森林算法构建特征向量;其次,针对不同时间跨度的缺失数据,设计了3种缺失值处理方法对缺失值进行替代,生成用于训练和测试的连续性较好的数据样本集;最后,建立基于LightGBM的能见度预测模型,并用网络搜索法对其进行参数优化。把所提模型与支持向量机（SVM）、多元线性回归（MLR）、人工神经网络（ANN）在性能上进行对比。实验结果表明,对于不同的等级的能见度,应用LightGBM的能见度预测模型获得预兆得分（TS）均较高,而对于<2 km的低能见度,该模型对各观测站点的能见度预测值与各观测站点的能见度实况值的平均相关系数为0.75,平均均方误差为6.49。可见基于LightGBM的预测模型能有效提高能见度预测精度。     

改进的基于图像边缘的能见度反演方法

针对现有的基于图像边缘的能见度计算方法效果不理想的问题,提出一种改进的基于图像边缘检测求能见度的方法。相对于原有的方法,该方法首先选取目标图像并用sift算法对其进行模板匹配,然后利用离散Shearlet变换提取边缘特征,再将这些特征和前向散射式能见度仪测量的数据进行线性拟合,建立它们之间的关系式,从而求出能见度。实验结果表明,该算法相对于sobel算法和小波变换算法,相对误差减少了2.761%和1.607%,计算的准确性和有效性明显得到改善。     

基于车道线检测与图像拐点的道路能见度估计

为了解决传统的能见度仪价格昂贵、采样有限,以及现有的一些视频测量手段需人工标记物、稳定性差等问题,基于车道线检测与图像拐点提出一种通过固定摄像机识别雾天天气并计算道路能见度的算法。与以往研究不同,在交通模型增加了均质雾天因素。该算法主要分为三步：首先,计算场景活动图,利用区域搜索算法（ASA）结合纹理特征提取待识别区域,如果在待识别区域内像素自顶向下以双曲线形式变化则判断当前天气为雾天,同时计算区域内图像亮度曲线的拐点;其次,基于可伸缩窗算法检测车道线,提取车道线端点并标定摄像机;最后,结合图像拐点以及摄像机参数计算大气消光系数,根据国际气象组织给出的能见度定义计算能见度。通过三种场景下的能见度检测,实验结果表明,该算法与人眼观测效果一致,准确率高于86%,检测误差在20m以内,鲁棒性好。     

考虑行车能见度状况的车辆队列协作控制

本文考虑了能见度状况影响下的车辆队列协作控制问题.针对车辆行驶中可能出现的3种(正常、低以及超低)能见度状况,分析了其对距离传感器测量输出的影响,并建立了具有切换结构的车辆控制模型.基于平均驻留时间技术以及分段Lyapunov函数方法,在不同能见度状况下,得到了能够保证车辆列队跟踪误差稳定的车辆控制器存在条件以及控制器增益求解方法.通过对车辆控制器增加限制条件,得到了能够保证队列稳定性要求以及实现零稳态距离跟踪误差的车辆协作控制算法.通过MATLAB仿真实验以及Ardunio智能小车实验,验证了本文所提出的算法的有效性以及实用性.     

基于拐点线的大雾能见度检测算法

针对基于区域增长算法的能见度检测方法精度低和计算复杂度高的问题,提出一种基于拐点线(IPL)检测滤波器的能见度检测算法。首先,分析了拐点线所具有的各向异性、连续性和水平性等特征;然后,根据这些特征构建了一个拐点线检测滤波器,以提高拐点检测的精度和速度;最后,结合能见度计算模型和拐点线检测滤波器的检测结果计算大雾天气下的能见度值。与基于区域增长算法的能见度检测方法相比,该算法的运行时间和检测误差分别降低了80%和12.2%。实验结果表明,基于拐点线检测滤波器的能见度检测算法能够有效提高雾天能见度的检测精度,降低拐点定位的计算复杂度。