空间数据网络渐进传输的概念、关键技术与研究进展

首先阐述空间数据网络渐进传输的概念、关键支撑技术以及意义。其次,总结了国内外相关研究的现状,分析了空间数据网络渐进传输研究方面的技术难点。最后结合目前国内该方面最新的研究成果对空间数据网络渐进传输的研究趋势做了进一步展望。     

智能汽车高精地图众源更新研究现状

高精地图的研究进展在推动智能汽车领域发展中扮演着至关重要的角色。然而,传统地图更新方式难以适应复杂多变的道路环境和交通条件。基于众源式更新可以有效解决高精地图更新时效性问题,并降低数据采集成本。本文首先分析众源式更新在我国高精地图领域的发展前景,指出众源更新已成为地图更新发展的新趋势;其次,探讨智能汽车高精地图众源更新技术研究现状,特别关注数据采集、数据处理和地图更新等关键技术的研究进展;最后,总结和分析了众源更新技术的挑战和未来研究方向。     

基于多传感器集成的堆场激光测量技术应用

针对采用体积和密度换算测量大型堆场储量时体积计算精度低、数据获取周期长、堆场类型不能统一测量与计算的问题,提出利用高速激光扫描仪、距离传感器、角度传感器及俯仰传感器集成技术,快速获取堆场三维坐标数据,并推导统一的三维坐标求解算法,建立堆场空间三维坐标系解算堆场三维坐标,准确计算堆场储料体积。同时,提出系统建设架构、组成、数据处理方法和需要考虑的问题。该方法有效解决了大型料场现有测量所面临的问题,提高了测量效率、准确性和安全性。在试验条件下,绝对精度达到0.4%。多个项目实例表明,该方法简洁、高效、准确,普通200m的料场一次测量时间不超过20min,测量体积重复测量误差小于0.7%,具有良好的应用前景和推广价值。     

基于Beamlet和K-means聚类的车道线识别

为了解决视频车道线识别中抗噪性差和鲁棒性低的问题,本文提出了一种基于新的特征提取和分类的快速车道线识别算法。算法首先对预处理后的灰度图像进行改进的Beamlet变换,然后对Beamlet的中点集合运用改进的K-means方法进行聚类分析;最后对每类中的中点集合分别进行基于三阶贝塞尔曲线的RANSAC拟合后可以准确地提取出车道线。本文通过简化Beamlet词典与快速提取Beamlet基,加快了Beamlet变换的计算速度;通过寻找最佳投影线与多次迭代聚类中心来改进K-means聚类,解决了曲线车道线和车道线数目的聚类问题。实验证明,对于结构化或非结构化的道路环境,本文算法的都具有很好的可靠性、实时性和鲁棒性。     

基于扩展卡尔曼滤波器的车道线检测算法

提出一种将道路结构模型信息与扩展卡尔曼滤波器(EKF,extended Kalman filter)相结合的车道线检测算法。基于扫描线的自适应边缘检测算子进行边缘点的检测,针对车道模型建立了适合算法的自定义参数空间,进行边缘点的投票,提取出候选车道线,解决了传统Hough变换中处理速度慢的问题。根据道路几何学和车辆动力学建立新的车道模型,增加了车道信息待估计的参数,并利用车道线的特征约束排除干扰线得到车道线的内边界,结合EKF对车道线边界点坐标参数进行跟踪估计,以保证算法的稳定性与鲁棒性。实验结果表明,本文算法能够处理绝大多数的复杂车道情况,在实时性、鲁棒性和检测率上都取得很好的效果。