基于深度残差学习的自动驾驶道路场景理解

随着道路场景理解技术的快速发展，自主驾驶领域取得了长足的进步。在相关任务中，包括道路分割、分类和车辆检测的实时性和准确性是安全性的一个关键问题。为此，提出了一个具有编/解码器网络结构的基于深度残差学习的方法。一方面，编码器网络结构使用不同层次的残差网络来提取高维中的抽象特征，这些特征在接下来的三个任务中共享使用；另一方面，解码器网络结构采用一种子任务的并行计算机制，即道路分割、车辆检测和道路分类任务同时执行。此外，全卷积神经网络用于对提取的图像特征进行上采样以解决道路分割问题。最终，实验结果表明在保证高精度的前提下处理帧率可达到15 fps以上。     

苛刻环境嵌入式智能监测平台

针对监测环境中可能存在易燃、易爆条件，湿度大，灰尘多，监测场所分散，距离较远等特殊问题，通过对比两种不同环境的特点，分析了两种监测环境的平台选择，讨论了苛刻环境监测平台的通信与编码标准，阐述了建立苛刻环境嵌入式智能监测平台的思想，介绍了智能监测平台的设计与实现.     

基于密度的离群噪声点检测

针对三维扫描仪获取的带噪声和离群点的点云数据,提出了基于局部离群点概念的去噪算法。通过k-近邻(KNN)搜索建立散乱点之间的拓扑关系,进而计算当前测点的局部离群因子以衡量该点的离群程度,从而限制噪声并剔除离群点。重点解决了高密度扫描点云周围分布的低密度离群噪声点的识别问题。实验结果证明,该算法能有效检测出紧挨模型边界的噪声点,并最大限度地保持模型边界。     

用LTL模型检验的方法验证SpaceWire检错机制

SpaceWire是应用于航空航天领域的高速通信总线协议,对SpaceWire设计正确性与可靠性要求极高,由于传统的验证方法,存在不完备性等缺陷,对SpaceWire的严格验证一直是备受关注的问题之一。模型检验以其验证的完备性得到设计人员的重视。提出用线性时态逻辑（LTL）模型检验的方法验证SpaceWire系统的检错机制。在检错模块中,该方法与用分支时态逻辑（CTL）验证方法相比,BDD分配数和状态数明显减少,提高了验证效率,还验证了错误优先级;对检错模块处理的五种错误的发生进行验证,验证结果均为正确。该方法实现了对检错机制的完备性验证。     

正确使用汉字dBAsE—Ⅲ日期型字段的多重索引

本文简要地介绍了笔者在实际工作中发现的汉字dBASE—Ⅲ的日期型字段在多重索引过程中出现的错误,并在分析了错误原因的基础上,提出了切实可行的解决办法。本文还就如何实现日期字段的降序索引进行了说明,并给出了实例程序SSSD·PBG。希望本文能对大家的工作有一点帮助。     

城市环境下GPS导航系统的地图匹配估计

针对城市环境下车辆的行驶特点,在GPS定位数据的基础上,利用位置择近算法对车辆进行地图匹配估计,使车辆在道路法线方向的定位误差显著减小,误差仅保留在车辆行驶方向的径向分量中.试验结果表明,经地图匹配修正后,车辆运动轨迹的定位精度达到了道路城内,进一步提高了系统的跟踪能力.     

基于简化自适应滤波的DSI图象降噪

在分析数字胃肠造影机DSI序列图象特性的基础上,根据时域递归滤波原理,对非线性自适应滤波器进行改进,便于工程实现.用简化自适应滤波算法确定滤波系数,设计和实现了DSI序列图象的动态降噪,并抑制了快变图象的拖影,具有较好的动态跟踪效果.实验结果表明:图象降噪效果显著,提高了图象的信噪比,满足临床要求.     

大规模孔洞点云的快速重建算法研究 *

针对实际中经常存在的含有孔洞的点云数据 ,在原多层重建算法的基础上提出了一种可以进行点云补洞的快速曲面重建算法。首先对散乱点云数据进行空间自适应八叉剖分 ,然后对点云数据进行由粗到精的多层插值 ,建立隐式曲面方程 ,最后提出了两种加快重建的方法。加速算法可以减少重建时间 ,非常有利于处理大规模点云。实验结果证明 ,本算法对点云孔洞修补效果良好 ,重建速度快 ,效率高。     

经济实用的DSP电源解决方案

笔者介绍了两种低纹波的DSP电源解决方案:一为采用MAX1793和大电流EMI静噪滤波器NFM41P;二为改进的去耦p型滤波电路和大电流EMI静噪滤波器NFM41P。并对方案的特点及其实现进行了详细的解析。试验结果表明:所述方案的纹波小,仅100 mV左右;成本低,仅几十元;适用范围广,通过改变MAX1793芯片的输出电压,可将本方案移植到TI的C5000,C6000系列,且还可用于其他的脱机工作系统。