【摘 要】
：
在协作式自动泊车的实现过程中,较为关键的一点是停车场全局范围内相关车辆的识别与定位,因此本文提出一种应用于场端基于单目视觉的车辆识别与定位方法.首先,考虑基础设施停车场的特点,设计灵活性更好的以分布式架构为核心的感知系统架构,改进SSD网络以使检测模型更适于在边缘处理设备中部署运行;之后分析并构建用于场端的单目视觉测距数学模型;最终综合利用目标检测与视觉测距算法,完成目标车辆的识别与定位.为验证单目视觉测距算法在场端中应用的有效性,在真实的停车场环境中设计模拟实验,进行相应的测试,实验结果表明,视觉测距精
【机 构】
：
大陆集团前沿工程技术研究中国区,上海 201800;合肥工业大学机械工程学院,安徽 合肥 230009
论文部分内容阅读
在协作式自动泊车的实现过程中,较为关键的一点是停车场全局范围内相关车辆的识别与定位,因此本文提出一种应用于场端基于单目视觉的车辆识别与定位方法.首先,考虑基础设施停车场的特点,设计灵活性更好的以分布式架构为核心的感知系统架构,改进SSD网络以使检测模型更适于在边缘处理设备中部署运行;之后分析并构建用于场端的单目视觉测距数学模型;最终综合利用目标检测与视觉测距算法,完成目标车辆的识别与定位.为验证单目视觉测距算法在场端中应用的有效性,在真实的停车场环境中设计模拟实验,进行相应的测试,实验结果表明,视觉测距精度满足系统要求.
其他文献
随着云技术的不断发展和普及,为了更好地利用云平台的优点和特性,云原生应用服务不断涌现,如何利用云平台的特性来服务软件设计和开发成为了难题,例如如何利用云平台的弹性伸缩特性.云原生目前主流的容器编排技术Ku-bernetes支持自动伸缩,却存在一些需要针对具体情况进行优化改进的问题.本文主要针对使用Kubernetes编排的5G核心网网元PCF(Policy Control Function)的水平自动伸缩进行研究,通过基于自定义的负载数据(CPU使用率、内存使用率、交易量、带宽使用率)统计,根据历史负载数
森林火灾、野火是一个重大的自然灾害问题,每年全球各地植被都会受到严重的破坏.为了提高森林火灾的防控精度,针对传统方法具有火灾背景复杂、准确率低、效率低等问题,本文提出一种基于CenterNet的森林火灾检测算法.CenterNet作为一种无锚的方法,将目标定义为一个点,通过关键点估计定位目标的中心点,可以有效避免小目标的漏检.同时基于高效深层特征提取网络ResNet50,融合ECA模块以抑制无用信息,增加模型的特征提取能力.在公开森林火灾数据集上进行实验表明,与其他算法相比,本文提出的森林火灾检测算法误检
传统的池化方式会造成特征信息丢失,导致卷积神经网络中提取的特征信息不足.为了提高卷积神经网络在图像分类过程中的准确率,优化其学习性能,本文在传统池化方式的基础上提出一种双池化特征加权结构的池化算法,利用最大池化和平均池化2种方式保留更多的有价值的特征信息,并通过遗传算法对模型进行优化.通过训练不同池化方式的卷积神经网络,研究卷积神经网络在不同数据集上的分类准确率和收敛速度.实验在遥感图像数据集NWPU-RE-SISC45和彩色图像数据集Cifar-10上对采用几种池化方式的卷积神经网络分类结果进行对比验证
在射频识别系统中,标签用于传递信息,在阅读器有效作用范围内,多个标签同时响应从而发生碰撞的情况不可避免,标签发生碰撞会降低系统的识别效率.为了提高系统的标签识别效率,本文在已有防碰撞算法的基础上提出一种基于ALOHA分区的多周期防碰撞搜索算法.该算法首先根据待识别标签数目划分相应时隙帧长,然后在发生碰撞的时隙内利用多周期防碰撞搜索算法识别标签,能够有效降低碰撞发生概率,提高标签识别效率.该算法可应用到数量庞大的标签识别系统中,对这类系统具有一定优势.理论分析与实验结果表明:该算法能够有效减少算法时隙数,提
不平衡数据常出现在各应用领域中,传统分类器往往关注于多数类样本而导致样本分类效果不理想.针对此问题,提出一种基于聚类欠采样的集成分类算法(ClusterUndersampling-AdaCost,CU-AdaCost).该算法通过计算样本间维度加权后的欧氏距离得出各簇的样本中心位置,根据簇心邻域范围选择出信息特征较强的多数类样本,形成新的训练集;并将训练集放在引入代价敏感调整函数的集成算法中,使得模型更加关注于少数类别.通过对6组UCI数据集进行对比实验,结果表明,该算法在欠采样过程中抽取的样本具有较强的
以轨迹大数据为基础,结合城市交通状态与用户个性化需求,提出一种基于改进Viterbi算法的动态最优路径规划算法.首先融合交通状态和真实路网拓扑结构,构建基于有向多重加权复杂网络的交通网络模型.采用基于层次分析法和熵权法相结合的综合赋权法对交通网络模型的多权重属性进行权重分配,得到新的有向加权复杂网络模型.进一步采用改进的Viterbi算法求解最优路径.最后,以兰州市为例,对最优路径规划进行分析,并将该算法与静态规划方法进行比较,验证城市最优路径规划算法的有效性与实时性.实验结果表明,结合城市交通状态与用户
针对模糊C均值(FCM)聚类算法没有考虑样本不同属性的重要程度、邻域信息等问题,提出一种基于熵与邻域约束的FCM算法.首先通过计算样本各属性的熵值来为各属性赋予权重,结合属性权重改进距离度量函数;随后根据邻域样本与中心样本间的距离计算邻域隶属度权重,加权得到邻域隶属度,利用邻域隶属度约束目标函数,修正隶属度迭代过程,最终达到提升FCM聚类算法性能的目的.理论分析和在人造数据集、多个UCI数据集的试验结果表明,改进后的算法在聚类效果、鲁棒性上均优于传统FCM算法、PCM算法、KFCM算法、KPCM算法和DS
在城市交通网络设计中,可交易电子路票系统是一种新型且更加公平的拥挤收费方法.本文将具有征收与补偿机制的0分配可自由交易电子路票和路网离散改造设计结合起来共同研究城市道路交通网络设计与管理问题.建立的新型路网设计与管理模型同时考虑了0分配电子路票系统与离散路网设计.采用Logit随机用户均衡原理模拟出行者的路线选择行为,并设计具有路段容量和电子路票可行约束的随机均衡问题的有效算法.由于该模型是一个具有不动点约束的数学规划问题,求解比较困难,因此采用常见的群体智能优化算法求解该模型,数值实验验证了模型和算法的
实现对不同类型心律失常的自动分类可为医生提供可靠诊断信息,有效提高该类疾病的诊断效率.因此,本文提出一种改进的残差密集网络用于心律失常的自动分类.该模型将改进的残差密集块作为残差密集网络的基本模块,使用深度可分离卷积替代传统卷积可有效提取通道间特征,降低参数量,同时引入通道注意力机制,实现特征选择,提高重要特征的权重分布.实验基于2018中国生理信号挑战赛提供的公开数据集,对9种类型的心律失常进行分类,F1均值达到81.2％,优于主流的深度学习网络模型.实验结果验证了该模型的可行性与优势,为心律失常分类提
药用植物文本的命名实体识别对中医药领域的信息抽取和知识图谱构建起着重要作用.针对药用植物属性文本存在长序列语义稀疏的问题,提出一种基于注意力机制的双向长短时记忆网络(BiLSTM)和条件随机场(CRF)模型相结合的疾病实体识别方法(BiLSTM+ATT-CRF,BAC).首先对药用植物属性文本进行预处理和半自动化标注构建数据集,并进行预训练得到低维词向量;然后将这些低维词向量输入BiLSTM网络中,得到双向语义依赖的特征向量;Attention层把注意力集中到与当前输出特征高度相关的信息上;最后通过条件随