关键词： 自动驾驶   目标检测   相似三角形测距  

摘要： 在自动驾驶技术的研究中,如何检测行人并测量其相对距离,辅助驾驶员预判风险一直是重点研究的问题。由于车辆行驶速度较快,行人又具有目标小、难检测等特征,使用原始的Yolov4模型搭配相似三角形测距法难以达到实时性检测和精准测距的要求。针对上述问题,通过修改Loss函数、轻量化网络结构等技巧改进Yolov4模型。实验结果表明,改进的Yolov4模型运行速度达到了平均62.5FPS,较Yolov4提升25%;结合改进相似三角形测距法,在纵向距离60米、横向距离4米内测距平均误差为4.90%,不仅运行速度更快而且测距准确性更高。

关键词： 目标导向教育   数字图像处理   以用促学   多元评价  

摘要： 数字图像处理作为一门交叉应用学科,涉及复杂的数学原理与繁多的软件应用场景,课程学习难度大。从教师和学生角度剖析该课程的“教与学”的现状,以“OBE”理念为指导,围绕“学什么”、“是什么”、“怎么学”、“用在哪里”的关键问题,聚焦课程目标、优化教学内容、灵活采用多种教学方法以及构建多元评价体系,探讨数字图像处理的教学新模式。教学实践表明,本次课程改进设计,能有效提升数字图像处理的教学效果,优化教学流程,完善评价体系。

关键词： 目标检测   证据理论   传感器融合   毫米波雷达   摄像头  

摘要： 随着汽车保有量的增加和交通环境的日益复杂,汽车行驶安全性和交通事故发生率成为交通安全领域内重点关注的问题,通过智能辅助驾驶技术可以有效提升驾驶安全和降低交通事故发生率。为了提高智能驾驶辅助技术中环境感知的可靠性,提出了一种基于改进D-S证据理论的毫米波雷达与摄像头融合目标检测和识别方法。采用皮尔逊相关性系数改进了D-S证据理论,分析了雷达目标类别与雷达探测信息多参数耦合关系,建立了一种毫米波雷达稀疏点云的目标识别方法。在此基础上,对毫米波雷达信息和视觉检测信息进行加权,提升融合算法在不同工况下目标检测的准确性。实验结果表明,融合算法在不同工况下检测准确率达到93.29%,误检率和漏检率得到降低。相较于其他融合检测算法,本算法在视觉传感器发生漏检时,利用雷达检测算法仍可以对视觉漏检目标进行识别并给出相应的置信度。本工作为毫米波雷达与摄像头的数据融合提供了一种新方法。

关键词： 广播式自动相关监视   交互式多模型卡尔曼滤波   目标跟踪   协同转弯   状态估计  

摘要： 目标跟踪是机载广播式自动相关监视(ADS-B)应用的基础功能,对提升航空器周边的弱机动民航飞机目标跟踪性能具有重要意义。提出一种基于交互式多模型卡尔曼滤波(IMMKF)算法的ADS-B监视应用目标跟踪方法。首先,针对弱机动背景下的民航飞机的飞行特点,建立包含匀速模型和标准协同转弯模型的运动模型集,并对模型进行线性化近似;然后,将模型预测和ADS-B状态矢量量测数据作为IMMKF算法中多个并行卡尔曼滤波器的输入,进行并行滤波;最后,计算得到目标状态矢量的估计和模型近似概率,并作为下一次迭代的输入。结果表明:相比于基于匀速模型的卡尔曼滤波目标跟踪方法,IMMKF算法的位置跟踪误差降低了59%,速度跟踪误差降低了77%,显著提升了状态估计性能,具备较高的跟踪精度、稳健性与计算效率,在ADS-B监视应用中具有实际应用价值与借鉴意义。

关键词： 弹载图像   注意力机制   Transformer   目标跟踪  

摘要： 基于弹载图像自寻的经典目标跟踪方法依靠传统特征提取方法通常只能提取到有限的特征,表征能力不足,算法易受弹载图像中目标尺度变化、相似目标以及复杂背景等因素干扰而导致跟踪失效。由于Transformer凭借强大的全局建模能力被广泛应用于目标跟踪领域。结合弹载图像仿真实验平台提出基于弹载图像的Transformer目标跟踪算法,算法由特征提取、特征融合以及预测头三部分组成。首先,在特征提取部分分别使用Swin-Transformer网络的前三层对输入的初始模板和搜索区域提取深度特征。其次,为了充分利用初始模板信息,借助交叉注意力模块对提取的特征进行特征增强处理。然后,将提取后的特征进行拼接并送入编码器、解码器模块进行特征的融合。最后,输出的特征经过回归和分类头进行目标定位。算法在弹载图像数据集上进行实验,跟踪成功率达到73.87%,跟踪速度达到56.79帧/s。相较于经典的KCF算法,文中算法充分利用Transformer注意力机制的特性在跟踪成功率以及精度上提高了18.01%和23.14%,大幅提升算法的鲁棒性。

关键词： MATLAB   超文本标记语言(HTML)   Vue   FastAPI   图像处理  

摘要： 针对利用MATLAB官方提供的Web组件将在线虚拟仿真实验平台打包部署到Web端后,客户端出现浏览器端加载应用程序缓慢的问题,文章不使用MATLAB官方的Web组件,在使用超文本标记语言(HyperText Markup Language,HTML)和Vue搭建前端界面的同时,使用异步Web框架FastAPI搭建后端应用程序接口(Application Program Interface,API)并进行服务部署。开展数字信号处理中的图像处理实验,结果表明文章提出的方法可有效地解决Web应用加载速度缓慢等问题。

关键词： 传感器融合   3D目标检测   注意力机制   毫米波雷达  

摘要： 针对自动驾驶路面上目标漏检和错检的问题,提出一种基于改进Centerfusion的自动驾驶3D目标检测模型。该模型通过将相机信息和雷达特征融合,构成多通道特征数据输入,从而增强目标检测网络的鲁棒性,减少漏检问题;为了能够得到更加准确丰富的3D目标检测信息,引入了改进的注意力机制,用于增强视锥网格中的雷达点云和视觉信息融合;使用改进的损失函数优化边框预测的准确度。在Nuscenes数据集上进行模型验证和对比,实验结果表明,相较于传统的Centerfusion模型,提出的模型平均检测精度均值(mean Average Precision,mAP)提高了1.3%,Nuscenes检测分数(Nuscenes Detection Scores,NDS)提高了1.2%。

关键词： 显著性目标检测   注意力机制   边缘检测   深度卷积神经网络  

摘要： 针对显著性目标检测任务中识别结果边缘模糊的问题,提出了一种能够充分利用边缘信息增强边缘像素置信度的新模型。该网络主要有两个创新点:设计三重注意力模块,利用预测图的特点直接生成前景、背景和边缘注意力,并且生成注意力权重的过程不增加任何参数;设计边缘预测模块,在分辨率较高的网络浅层进行有监督的边缘预测,并与网络深层的显著图预测融合,细化了边缘。在6种常用公开数据集上用定性和定量的方法评估了该模型,并且与其他模型进行充分对比,证明设计的新模型能够取得最优的效果。此外,该模型参数量为30.28 M,可以在GTX 1080 Ti显卡上达到31帧·s^(-1)的预测速度。

关键词： 电力变压器   尺寸测量   图像处理   双目立体视觉   套管  

摘要： 电力变压器的关键尺寸测量是其装配制造、运输安装过程中重要一环,现有测量方法操作繁琐且效率较低。为此,本文提出了一种适用于110 kV油浸式电力变压器关键尺寸视觉检测方法,该方法利用YOLO目标检测算法、Grabcut图像分割算法实现关键组部件的智能检测与分割,然后基于双目立体视觉原理实现套管相间距离及变压器最大截面外形尺寸等关键尺寸的测量。本文搭建了110 kV油浸式电力变压器外观缩比模型,试验分析了拍摄距离和角度等因素对电力变压器关键尺寸视觉检测的影响。结果表明,本文基于缩比模型试验实现了在不同拍摄距离与角度下变压器关键尺寸的视觉检测,验证了该方法的有效性。本文方法可以为110 kV油浸式电力变压器现场尺寸测量提供参考。

关键词： OpenCV   图像处理   KNN   穿线法   LabVIEW  

摘要： 针对传统穿线法过度依赖数码管字符分割效果、无法对小数点字符进行识别以及机器学习算法识别数码管用时过长的问题,提出了基于改进穿线法与KNN算法相融合的数码管字符识别方法,达到了对不同数码管字符及小数点识别的目的,减少了对字符预处理效果的依赖。在嵌入OpenCV图像处理程序的LabVIEW人机交互平台采集到实时图像后,输出识别结果。经多次实验,该方法的识别时间相比单独使用KNN的识别时间明显缩短,识别率可以达到95%以上,具有识别速度快、精度高的优势。