基于 MultiRes+UNet 网络的车道线检测算法

无人驾驶技术改变人类生活方式,带车道线属性的高精地图,是无人驾驶领域的重要一环。 针对现有算法在车道线检 测时存在准确率低、效率低等问题提出基于 MultiRes+UNet 检测方法。 该方法通过空洞卷积扩大卷积感受野,从而对全局信息 统筹,运用 MultiRes block 和 Res path 结构减轻编码器-解码器特征之间的差异,大大降低了内存的需求。 实验结果表明,此算 法在保证检测准确率的同时, 提高了算法的稳定性和运行速率,在纯车道、复合车道、阴影污损车道等多情况下,调和平均值分 数分别为 0. 959、0. 942、0. 891,该算法存在高效性、高鲁棒性。     

基于Transformer的车道线分割算法研究

车道线检测任务包含道路磨损、阴影遮挡和弯道等困难样本,这些样本中线条信息均有不同程度的缺失,使检测结果出现漏检或误检现象。基于深度学习的检测方案通过卷积操作提取特征信息。卷积操作摒弃人工设计滤波器等一系列传统图像处理的繁琐操作,得益于权重共享和归纳偏置大大减少了特征提取的工作量。该操作在缩小图像分辨率的同时获取长距离的信息,导致小分辨率的特征图损失区域边缘等细节,影响检测结果的质量。深度学习中分割模型比检测模型处理的信息更细致,本文在分割模型的基础上引入Transformer改进采样方式,改善卷积操作在获取全局信息上的不足。模型改进后在Tusimple上测试准确率提高0.4%,像素精准度提高0.3,乘法累加运算量增加36.09 G。结果表明Transformer特有的采样方式可以改善卷积操作采样的不足,改善语义分割网络对车道线困难样本识别漏检的情况。     

车道线的GrowCut快速检测算法

针对目前智能交通领域中车道线检测算法效率低、鲁棒性差等问题,提出了一种基于GrowCut的车道线快速检测方法。从监控摄像机中采集图像并标定初始种子点,利用GrowCut算法进行边缘分割,对分割结果经过中值平滑滤波、边缘提取、分半处理及曲线拟合,最终得到清晰的车道线。将GrowCut算法与分水岭算法进行了对比,结果表明:该算法简便快捷、鲁棒性好,优于经典算法,可广泛应用于智能交通、公共安全领域。     

基于树莓派嵌入式平台的车道线检测算法

本文设计了一种基于树莓派嵌入式平台的多道路场景车道线检测算法。在图像预处理阶段,设计了一种车道线的自适应二值化提取算法,通过将待测像素点与其所在菱形空间的顶点进行比较,完整地提取了二值化后的车道线信息;同时与最大类间方差法（OTSU）结合,以图像融合的方式有效滤除了干扰信息。在车道线拟合阶段,对概率霍夫变换进行了斜率约束与限定距离的改进,进行二次滤除干扰信息后准确计算出车道线边缘点。最后使用最小二乘法拟合出车道线。测试结果表明,算法抗干扰能力较强,对多种道路场景的检测准确率可达90.24%,并且在树莓派平台上运行速度为25fps,满足实时的要求。     

基于改进卷积神经网络结构的机器视觉室内定位算法

针对当前基于卷积神经网络的机器视觉室内定位算法定位精度低及需要庞大的图像数据库训练神经网络等问题,提出一种改进卷积神经网络结构及基于多层迁移学习的复杂神经网络模型训练方法.新的卷积神经网络结构由一个完整的U-Net、两个VGG16Net的前13层、一个VGG16Net的后3层全连接层及ArcFace分类器构成.U-Ne...     

基于改进U-Net网络的眼底血管图像分割研究

针对眼底血管图像存在血管细小、视网膜病变而导致分割精度低的问题,提出了一种引入残差块、级联空洞卷积、嵌入注意力机制的U-Net视网膜血管图像分割模型.首先采用提高视网膜图像分辨率,以点噪声为中心、512为边长裁剪来扩增数据集,然后在U-Net模型中引入残差块,增加像素特征的利用率和避免深层网络的退化;并将U-Net网络...     

基于改进YOLOv4算法的疲劳驾驶检测

提出一种基于深度学习的改进YOLOv4算法的疲劳驾驶检测.首先通过使用迁移学习将VOC数据集已训练好权重作为预权重进行训练,其次在训练中将框架中的特征金字塔SPP结构前后增加卷积,提高框架对深层特征的提取,再引入空洞卷积技术在不损失图片信息情况下增加卷积输出感受野,增加图片位置信息的获取能力.实验结果表明,改善后的YO...     

基于改进YOLOv5s的无人驾驶夜间车辆目标检测算法

夜间车辆检测对无人驾驶车辆行驶安全具有重要意义。但是,夜间光照强度低,车辆几何特征呈现不明显,尤其远处车辆由于目标小而特征视认难,导致检测难度大幅提升。基于此,提出了一种基于改进YOLOv5s的无人驾驶夜间车辆检测算法。首先,采集榆林市部分道路夜间场景自构建数据集,并通过Retinex算法实现数据增强处理;在此基础上,进一步通过以下3个措施对传统YOLOv5s网络进行改进：将深度可分离卷积引入Backbone结构,减少网络参数量;将多种注意力机制与FPN融合,提升网络的特征提取能力;在PAN中引入空洞卷积,在感受野不变和特征信息损失较少的同时,减少网络参数量。最终实验结果显示：夜间车辆的平均检测精度可达848%,相较改进前提升了52%;对应检测速度可达48 fps,提升了91%。研究成果可为提升无人驾驶车辆在事故多发夜间时段的行车安全性奠定理论基础。     

基于改进U-Net的街景图像语义分割方法

为提升多尺度目标的分割效果,增强特征提取能力,提出了一种基于双重注意力机制的改进U-Net街景图像语义分割方法。在U-Net编码阶段的第5个卷积块之后,添加特征金字塔注意力模块,提取多尺度特征,融合上下文信息,增强目标语义特征。在解码阶段不再采用U-Net的特征拼接方法,而是设计了一个空间域-通道域联合注意力模块,接收来自跳跃连接的低层特征图和来自前一个注意力模块的高层特征图。在Cityscapes数据集上的实验结果表明,引入的注意力模块可有效提升街景图像分割精度,与PSPNet、FCN等方法相比,分割性能指标mIoU提升了2.0%～9.6%。     

基于改进U-Net的轻量级输电线分割算法

为了提高输电线路的巡检效率,保证输电线的分割精度和速度,本文提出基于改进U-Net的轻量级网络GU-Net。首先,以U-Net网络为基础,在编码器部分引入轻量化主干提取网络Ghost-Net;然后采用双线性插值方法完成上采样,并利用深度可分离卷积代替部分普通卷积;最后在训练过程引入多损失函数以解决输电线和背景像素占比不平衡问题,并采用迁移学习策略训练模型。在E-Wire输电线数据集上测试,GU-Net网络的MIoU和F1-score分别为80.04%和87.77%,与现有的轻量化输电线语义分割网络Wire-Detection相比分别提升了4.26%和2.96%,且分割速度几乎没有损失,参数量约是它的20%。实验结果表明,本文提出的算法能够实现快速高效、轻量化地分割出复杂图像中的输电线。     

A lane detection algorithm for personal vehicles

By the term “personal vehicle,” we mean a simple and lightweight vehicle expected to emerge as a personal ground transportation device. The motorcycle, electric wheelchair, and motor‐powered bicycle are examples of the personal vehicle and have been developed for personal transportation use. Recently, a new type of intelligent personal vehicle called the Segway has been developed, which is controlled and stabilized by using on‐board intelligent multiple sensors. The demand for such personal vehicles is increasing: (1) to enhance human mobility, (2) to support mobility for elderly persons, and (3) to reduce environmental load. With the rapid growth of the personal vehicle market, the number of accidents caused by human error is also increasing. These accidents are associated with driving capabilities; to enhance or support driving capabilities as well as to prevent accidents, intelligent assistance is necessary. One of the most important elementary functions for personal vehicles is robust lane detection. In this paper, we develop a robust lane detection method for personal vehicles in outdoor environments. The proposed lane detection method employs a 360° omnidirectional camera and unique robust image processing algorithm. In order to detect lanes, a combination of the template matching technique and the Hough transform is employed. The validity of the proposed lane detection algorithm was confirmed with a prototype vehicle under various types of sunshine conditions. © 2011 Wiley Periodicals, Inc. Electr Eng Jpn, 177(4): 23–32, 2011; Published online in Wiley Online Library ( wileyonlinelibrary.com ). DOI 10.1002/eej.21193     

基于视频序列的车道线检测和跟踪

车道线检测是无人驾驶系统以及一系列辅助驾驶系统的关键技术环节。传统的车道线检测方法容易受到其他交通标志线干扰,提出了一种新的车道线检测与跟踪方法。该方法首先使用自适应阈值算法提取特征,通过ROI二次设置以及跟踪区域规划,逐步减小感兴趣区域,最后将感兴趣区域内的特征点从图像坐标系转换到世界坐标系下,以最小二乘方法进行曲线拟合。在高速公路及城区道路等多种工况下的实验表明,提出的方法能够正确实时的识别出车道线,有效的消除了其他交通标线的干扰。     

Three-feature based automatic lane detection algorithm (TFALDA) for autonomous driving

Three-feature based automatic lane detection algorithm (TFALDA) is a new lane detection algorithm which is simple, robust, and efficient, thus suitable for real-time processing in cluttered road environments without a priori knowledge on them. Three features of a lane boundary - starting position, direction (or orientation), and its gray-level intensity features comprising a lane vector are obtained via simple image processing. Out of the many possible lane boundary candidates, the best one is then chosen as the one at a minimum distance from the previous lane vector according to a weighted distance metric in which each feature is assigned a different weight. An evolutionary algorithm then finds the optimal weights for combination of the three features that minimize the rate of detection error. The proposed algorithm was successfully applied to a series of actual road following experiments using the PRV (POSTECH research vehicle) II both on campus roads and nearby highways.     

Improved Snake algorithm for complex target''s boundary detection

The traditional Snake algorithm cannot effectively detect the object edge of an image with non-convex shapes or low SNR. This paper studies the characteristics of this type of image with complex shape target or noise and presents an improved Snake algorithm. The traditional Snake function model and operation strategy are improved by increasing new control energy functions, and the influencing weight of these energy factors is discussed. At the same time, a dynamic arrangement for the Snake points is used to adapt different target shapes. The simulation results indicate that the new Snake model greatly decreases the dependence on the Snake point’s initial position and effectively overcomes noise influence. This method enhances the Snake algorithm’s ability of detecting object edge. __________ Translated from Transaction of Beijing Institute of Technology, 2004, 24(2): 162–165 (in Chinese)     

改进 RetinaNet 的工艺流程检测算法

现阶段,图像深度学习算法无法检测时序性的工艺流程问题。本文针对针织机械山板总成的人为装配工艺进行研究,提出MS-RetinaNet目标检测算法。借鉴自然语言处理的思想,引入Swin-Transformer结构,保留了CNN结构的层次性,弥补了CNN结构对于高层语义信息融合不足的问题,增强了全局与细节学习能力;使用改进的GIoU Loss,增加判定因子式,缓解损失计算退化的影响,优化边界框回归效果;根据多尺度目标参数,采用最佳锚框比,提高了召回率和检测精度;设计时序检测头,使算法具有判别目标先后顺序和逻辑关系的能力。实验结果表明,算法AP可达90.3%,高于当前主流算法2%以上,单张图片检测速度约46 ms,满足了工艺流程的时序检测要求,综合性能优越。     

改进型ip-iq电网谐波电流检测算法

为快速准确地得到电网的谐波电流,本文在传统ip iq谐波电流检测算法基础上提出了一种新的谐波电流检测算法.取负载侧三相电压经过Clark变换和Park变换产生同步旋转信号,完成普通锁相环结构中鉴相器的功能,从而得到相位差信号△θ,再经过PI控制和积分调节得到A相基波电角度,然后通过正、余弦信号发生器产生标准的正、余弦信号,以此减小电压畸变带来的误差;用高通滤波器代替传统算法中的低通滤波器直接得到三相谐波电流,简化系统结构,减少延时,提高系统的实时性.Simulink仿真结果表明,该方法能够准确快速地检测出谐波电流.     

改进YOLOv2算法的道路摩托车头盔检测

针对摩托车头盔的传统检测方法准确率低、泛化能力差和目标检测网络参数量大难以在嵌入式设备运行的问题,提出改进的YOLOv2的MNXt-ECA-D-YOLOv2目标检测算法模型.首先引入MobileNeXt网络替换YOLOv2原始骨干网络,其次在MobileNeXt的沙漏块中引入密集连接结构同时在网络中引入有效通道注意力机...     

一种适用于单相电压的改进电压暂降检测算法

针对目前电压暂降检测方法存在的的精确性低、实时性较差的缺点,提出了一种基于改进dq变换与顺序形态滤波器相结合的暂降检测新方法。研究论述了改进dq变换用于电压暂降检测的算法基本原理,介绍了顺序形态学概念,并由此基础设计了形态学滤波器,同时阐述了滤波器参数的选取方法。通过设置不同的信噪比与超前角度,仿真论证了新方法在理想条件和非理想条件下的暂降检测效果,并与传统方法进行了比较和分析。证明了新方法可以更高效精确地检测到暂降的特征值和起止时间。     

一种改进自适应谐波检测算法研究

分析了传统定步长最小均方(LMS)算法用于谐波电流检测的不足,采用一种新的变步长LMS自适应算法检测谐波电流:根据误差信号e(n)和e(n-D)的自相关估计调整步长迭代,当权系数远离最佳权值时,通过增大步长加快对时变系统的跟踪速度;当权系数接近最佳权值时,减小步长获得较小的稳态误差。通过递推公式参数的选择,可对系统的收敛速度与稳态失调进行更灵活的控制。推导出了该方法的理论表达公式,其增加的计算量很小,容易实现。该方法能有效调节步长,不受谐波电流的干扰。仿真结果证明了该谐波电流检测方法的有效性。     

Improved ICA algorithm for ECG feature extraction and R-peak detection

Electrocardiogram (ECG) signal transmission and monitoring plays a paramount role in long-term cardiac monitoring and analysis to provide remote health care in time, especially for the postoperative people and people in remote areas. The accuracy of ECG signals is of fundamental importance in cardiac diagnosis like R-peak detection. So we need to incorporate analytical methods in existing healthcare systems, to capture more meaningful ECG components and to represent physical cardiac sources more clearly. With this aim, hardware optimized FCAICA (fast confluence adaptive independent component analysis) algorithm is proposed to extract pure ECG components from the ECG mixtures. The extracted signals are then subjected to R-peak detection for further analysis. The proposed improved fast confluence adaptive independent component analysis (IFCAICA) method occupies less hardware resources, consumes low power, improves accuracy, and sensitivity in R-peaks detection. In 0.18 nm technology, the IFCAICA consumes 10.13 mW of power and operates with 3.4 MHz operating frequency.