数字摄像能见度仪的能见度算法设计及实现

针对传统能见度仪的不足,在已有的研究结果上,设计了数字摄像能见度仪的能见度算法,其中白天能见度采用双亮度差法,并作出改进使其有更大的适用环境;夜间能见度采用双光源法.整套算法通过CCD摄像机、图像采集卡和计算机平台得到实现.实验结果证明,该算法能够解决在气柱分布不均匀的情况下能见度无法准确观测的问题,提高了现有能见度的观测范围.将实验结果和前向散射仪及大气透射仪测量结果进行相关性对比,得到了较好的一致性,误差范围在国际标准的误差要求之内.     

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.     

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FIR滤波器的高速公路低能见度检测仪

能见度是影响高速公路交通安全的重要因素,低能见度天气,特别是具有突发性和随机性的团雾极易引起交通事故,对高速公路沿线能见度进行实时检测和预警是保证交通安全的重要措施.前向散射式能见度仪具有体积小、成本低,便于安装等特点,适用于高速公路沿线能见度检测.针对高速公路低能见度检测需要,设计了基于FIR滤波器的能见度检测系统,...     

利用图像识别技术的能见度观测研究

针对传统透射式及散射式能见度技术的局限性以及基于图像算法测量能见度的复杂性,提出了一种基于图像目标物及背景亮度值提取的能见度计算方法。通过对定点目标物的水平图像参数提取,定性、定量地分析图像的色彩、灰阶、对比度及亮度等参数,从而用目标物及背景亮度值来计算出大气消光系数,最终得出大气能见度值。通过试验,对比了图像目标物与背景亮度提取计算能见度的方法。结果表明:以视觉能见度为参考,采用图像局部亮度的方法比整体亮度计算能见度值的方法误差更小;前者误差在10%左右,后者在2%左右。与传统能见度观测方法相比,该方法原理简单、操作方便、抗干扰性强,测量得到的能见度更接近视觉能见度,对推进我国气象能见度观测现代化具有积极意义。     

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。     

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。     

基于嵌入式计算机的激光雷达能见度仪的设计

针对不良能见度天气下的交通运输安全需求,设计了一台可用于水平及斜程能见度测量的激光雷达能见度仪.该仪器以嵌入式计算机PCM-3370E为控制和数据处理核心,实现对激光器、光子计数卡、门控电路工作时序的控制及能见度反演.在收发光学单元良好工作的基础上,通过易于操作的人机交互界面获得大气能见度的客观、便捷测量.     

基于卷积神经网络的能见度估算

一直以来,如何准确便捷地监测能见度都是减少交通事故工作关注的重点所在,而传统的使用能见度仪检测能见度存在造价高、范围小等缺陷.随着深度学习研究的不断发展,使用深度学习估算能见度也变成现实.本文建立了一种VGGnet?16卷积神经网络模型,经过Dropout(丢弃层)和数据增强优化后,使用监控图像及其对应的能见度值对其进...