基于图像与点云融合的公路撒落物检测算法

公路撒落物是影响行车安全、造成交通堵塞的重要因素，及时检测并清理公路撒落物十分重要。通过总结分析撒落物的特点，利用点云处理定位精度高和图像处理分类精度高的特点，提出一种基于图像与点云融合的公路撒落物检测算法。所提算法包括路面目标提取、点云与图像信息融合和撒落物目标分类等3个步骤。首先，通过激光雷达点云进行道路边缘检测、地面点云滤波和点云聚类，提取路面上的目标点云团簇；然后，将目标点云团簇投影到时间与空间对齐的视觉图像中，获取对应的图像感兴趣区域；最后，使用优化后的ResNet-50进行目标分类。所提算法的平均检测精确率为94.84%，召回率为91.92%，具有良好的检测效果。     

一种用于自动驾驶场景的轻量级语义分割网络

在自动驾驶场景下,针对语义分割模型在车载硬件设备中部署时内存受限且算力不足的问题,需要设计一种较好权衡效率和精度的语义分割模型。采用单分支网络结构,设计了一个轻量级多尺度双向注意力网络。为了实现高效的特征提取,设计了一种轻量级卷积单元来构成网络的特征提取骨干。为了较好地定位和分割道路场景中尺度差异较大的物体,提出了一种多尺度双向注意力模块。它具有全局多尺度感受野,并且在沿一个方向编码通道注意力的同时保留了另一个方向的空间位置信息。基于该注意力模块,设计了跳跃注意力连接模块和特征注意力融合模块,使得输出特征兼具细节信息和语义信息。模型在Cityscapes数据集上以0.9M的参数量,取得了71.86%的平均交并比,同时在单个RTX2080Ti GPU下实现了88FPS的推理速度。实验结果表明,该模型能够实现较高的分割精度,适用于车载硬件下的部署和应用,具有一定的实用价值。     

一种基于曲线拟合提取干涉条纹中心点的新方法

介绍一种提取干涉条纹中心点的边界法向曲线拟合法。根据干涉条纹灰度分布规律，首先对干涉图像依次进行二值化处理和边缘提取，对所得到的条纹边缘进行曲线拟合，计算边缘上各点法线方向；再根据条纹灰度余弦分布特点，对法线方向上的条纹灰度数据进行最小二乘法拟合，求出极值点位置；进而获得条纹中心点坐标。该方法具有精度高、抗干扰的特点，不仅适用于平行直线型条纹图像，而且对含闭合条纹的复杂干涉图像同样适用。     

结合极坐标建模与神经网络的IVUS图像分割

针对现有血管内超声(IVUS)图像分割网络不能保证分割结果之间的拓扑关系符合医学先验知识，影响后续临床参数计算的问题，提出了一种基于极坐标建模和密集距离回归网络的IVUS图像分割方法。首先通过极坐标建模将含有先验知识的二维掩膜编码为一维距离向量；然后构建一个结合残差网络和语义嵌入模块的密集距离回归网络，用于学习IVUS图像和一维距离向量之间的映射关系。同时提出联合损失函数约束网络的学习方向。预测结果最终通过样条曲线拟合被重建为二维掩模。实验结果表明，所提方法在血管、管腔和斑块区域的分割结果拓扑关系100%符合先验知识，Jaccard测量值分别达到0.89、0.87和0.74。该算法适用于一般的IVUS图像分割，分割结果中血管结构定位准确，拓扑关系正确，可提供可靠的临床参数。