一种基于图像匹配的地面交通标志实时识别方法

地面交通标志检测识别是智能驾驶领域的一个研究方向,实时性、准确率是该研究的重点。图像匹配的方法是常用的模式识别方法。文中介绍了一种结合先验知识和图像匹配的地面交通标志检测识别方法。算法包括两部分:预处理和检测识别。预处理阶段包括图像压缩、感兴趣区域提取、形态学处理、中值滤波和逆透视等步骤,实现图像降噪和正畸,为检测识别做准备。检测识别阶段包括轮廓提取、面积过滤、图像匹配等步骤,目的是判断待测图像是否含有地面交通标志及其种类。实验证明,该算法实时性好、鲁棒性强、准确率高。     

基于显著性多尺度特征协作融合的行人重识别方法

由于背景信息复杂、遮挡等因素的影响,现有基于局部特征的行人重识别方法所提取的特征不具有辨别力和鲁棒性,从而导致重识别精度较低,针对该问题,提出一种基于显著性检测与多尺度特征协作融合的SMC-ReID方法。利用显著性检测提取行人中具有判别力的特征区域,融合显著性特征与全局特征并完成不同尺度的切块,将上述不同尺度的特征进行协作融合以保证特征切块后的连续性,根据全局特征和局部特征的差异性联合3种损失函数进行学习。在推理阶段,将各个尺度的特征降低到同一维度并融合成新的特征向量,以实现相似性度量。在行人重识别公开数据集Market1501、DukeMTMC-reID和CUHK03上进行实验,结果表明,SMC-ReID方法所提取的特征具有较强的可区分性和鲁棒性,识别准确率优于SVDNet和PSE+ECN等方法。     

融合可变形卷积网络的鱼眼图像目标检测

环视鱼眼图像具有目标形变大和图像失真的缺点,导致传统网络结构在对鱼眼图像进行目标检测时效果不佳。为解决环视鱼眼图像中由于目标几何畸变而导致的目标检测难度大的问题,提出一种基于可变形卷积网络的鱼眼图像目标检测方法。将Cascade_RCNN中固定的卷积层和池化层分别替换为可变形卷积层和可变形池化层,使用Resnet50网络提取候选区域以获得检测框,级联具有不同IoU阈值的检测网络进行检测框抑制。在公开鱼眼图像数据集SFU_VOC_360和本文所采集的真实道路场景鱼眼图像数据集上进行实验,结果表明,该方法在鱼眼图像目标检测中具有有效性,目标检测准确率高于Cascade_RCNN网络。     

基于区块链的危险驾驶地图数据评估模型

在车联网中车辆与周边道路环境进行无线通信与数据交互,使车辆传感器、行人、道路单元之间实现信息互联,但大量的数据通信导致车辆运行环境复杂,车辆在行驶过程中不可避免地会遇到各种危险场景,从而引发车辆安全问题。为确保车辆数据可信及行车安全,建立基于区块链技术的危险驾驶地图数据评估模型。通过传感器实时记录环境数据,将车辆位置、速度等关键数据以及个人隐私信息加密上链实现交易传输,利用智能合约技术进行自动化脚本处理,随后执行共识将交易信息扩散到全部节点,节点承认交易合法后写入区块链。同时对车辆地图交互数据进行危险评估,并将评级结果及其对应操作反馈给车辆,使得车辆可在障碍物、网络攻击等场景下完成应急处理。实验结果表明,该模型能够根据不同危险场景对车辆进行危险评估与规避,确保车辆安全运行。     

基于信息流的领域数据库概念知识的共享

文化资讯领域的知识由于分布性和异构性很难得到共享。本体技术对技术进行组织是解决语义问题的一个常用办法。尽管实例也携带着信息,但是多数系统考虑的都是概念级别的互操作性,很需要新的理论模型来解决这类问题。信息流理论是解决这个问题的一个非常好的理论。论文中提出了基于本体和信息流理论的知识共享框架,并将此框架用于数字博物馆中,利用概念和实例的两重性进行知识共享。     

基于CIDOC CRM的虚拟博物馆语义网络架构

在语义网络架构下,以基于本体的概念参考模型CIDOC CRM作为数据描述的基础,用Web Services技术建立基于语义的网上虚拟文物博物馆分布式系统的相关机制。     

CM1000型路面铣刨机

CM1000型路面铣刨机主要是为城市道路沥青混凝土或水泥混凝土路面的养护作业而开发的高效专用机械设备。输料系统由集料的一级短输送皮带机和抛料的二级长输送皮带机组成。二级长输送皮带机可在左右40。范围内摆动和上下变幅,以方便卡车接料。行走系统由1个变量泵经过4个单独的液压马达和减速器为四轮行走提供可靠动力,铣刨过程中右后轮可以旋转到铣刨转子的前面,便于贴边作业。以CAN—open总线通讯方式为基础的全数字网络控制系统,自动化程度高,可靠性好,扩展性强,并具有故障自诊断和报警功能。铣刨机的行走、铣刨转子、皮带机运转、液压缸动作等,均通过直联在发动机上的液压泵提供动力。液压泵、液压马达、电磁阀、水泵等,均选用国际知名品牌,性能先进,可靠性高。经过长时间的工业考核,其操纵方便、性能可靠、工作效率高、铣刨深度精确的特点赢得用户的赞誉。     

基于实例分割的车道线检测及自适应拟合算法

车道线检测是智能驾驶系统的重要组成部分。传统车道线检测方法高度依赖手动选取特征,工作量大,在受到物体遮挡、光照变化和磨损等复杂场景的干扰时精度不高,因此设计一个鲁棒的检测算法面临着很大挑战。为了克服这些缺点,提出了一种基于深度学习实例分割方法的车道线检测模型。该模型基于改进的Mask R-CNN模型,首先利用实例分割模型对道路图像进行分割,提高车道特征信息的检测能力;然后使用聚类模型提取离散的车道线特征信息点;最后提出一种自适应拟合的方法,结合直线和多项式两种拟合方法对不同视野内的特征点进行拟合,生成最优车道线参数方程。实验结果表明,该方法提高了检测速度,在不同场景下都具有较好的检测精度,能够实现对各种复杂实际条件下的车道线信息的鲁棒提取。     

图像重排序技术的研究进展

近年来,数字多媒体图像出现了爆炸式的增长,人们在互联网搜索过程中遇到的问题也越来越多,提高图像的搜索效率极具挑战性。图像搜索是图像领域的研究热点,目前已有多种搜索技术在各商业领域得到应用,但搜索的结果并不能完全满足用户的需求,“语义鸿沟”的存在使得搜索结果仍存在一定的噪声。图像重排序为解决此问题提供了很好的帮助,在初始搜索的基础上进行重排序可使搜索结果更加准确和丰富。文中着重介绍图像重排序技术的研究进展,对已有研究方法进行总结和分析,比较各自的优缺点以及近年来突破的主要关键技术;关注最新的研究进展,总结了目前图像重排序的典型数据集以及针对特定领域研究建立的数据集,并对图像重排序领域未来的发展进行了展望。