自动驾驶自动紧急制动关键场景测试案例提取研究

为提取自动驾驶自动紧急制动(autonomous emergency braking system, AEB)关键场景测试案例，依据不同抽象程度依次重构符合自然驾驶规律的功能场景、逻辑场景、具体场景，进而对AEB系统展开测试并求解其关键场景。从自然驾驶数据集NGSIM筛选出车辆跟随实例构建出功能场景，基于场景要素构建功能场景，提取出该场景的关键字要素，采用高斯混合模型拟合自然驾驶数据，获得具有概率密度分布的逻辑场景，基于Gibbs抽样的蒙特卡洛方法生成具体测试实例，并通过重要性抽样方法生成关键场景。最后对生成到的关键场景聚类加速场景生成，并对其AEB系统在Prescan仿真软件进行测试。结果表明，AEB系统可对生成的关键场景实现避免碰撞。     

虚拟环境中水文数据时空展布和三维等值线生成算法研究

为实现海量数据的信息快速挖掘和直观表达,提出了基于数字流域仿真平台的水文数据三维可视化方法.该方法利用顾及地形特征生成的流域离散点作为数字流域仿真平台与观测数据和分布式水文模拟结果集成的基础;研究了流域水文数据时空展布和三维等值线生成算法与分区透明度和颜色值相结合增加视觉敏感性来虚拟表达水文时空信息;并引入计算机动画技术实现水文数据时空演变过程.最后将以上算法与数字流域仿真平台集成应用于长江上游降雨过程的动态三维可视化系统的构建,取得了良好效果.     

基于ArcGIS的流域水文特征分析

水文模型始终是水文科学研究的重要手段与方法之一。数字高程模型(DEM)是构成GIS的基础数据,利用DEM可以提取流域的许多重要水文特征参数。通过对DEM流域水文特征信息提取的基本原理与实现手段的研究,应用地理信息系统软件ArcGIS 9.3所提供的水文分析工具箱实现了流域水文特征信息的提取。通过提取结果与原始区域影像图的对比,证实通过DEM数据提取的流域水文特征信息与实际河流水系特征基本吻合。因此,应用DEM提取流域水文特征信息的方法是可行且有效的。     

基于Inception卷积神经网络的城市快速路行程速度短时预测

为了高效捕捉城市快速路复杂的交通拥堵特征,提升短时行程速度预测的准确性,以卷积神经网络为基础,结合Inception模块,构建行程速度短时预测模型。将行程速度信息按照时空关联关系组织为二维数据矩阵,以图像为特征学习对象,自动提取交通数据高维特征并学习多粒度复杂交通拥堵模式,通过系统的网络设计与测试训练得到模型最优结构参数和优化参数,结合回归分析方法与梯度幅度相似性偏差指标,综合评价模型性能。实证结果表明,模型提取行程速度数据时序特征和时空演化特征能力较强,预测准确性较高,可进一步应用于其他交通参数的短时预测。     

基于内容的视频多模式检索方法

在视频数据的检索方法方面,采用单一媒体的处理技术比较多,基于视频数据所表现的内容语义进行检索的提案很少,而且能够将视频数据与其相关的其他形式的数据整合并高效利用,保障视频数据在安全、高效的网络下进行多模式检索的研究也不多见。在检索方法上从解决这个问题入手,提出了多模式的视频特征提取与检索方法。该方法从视频语义特征的角度构建视频数据的语义特征库,将与视频语义相关的声音、字幕、音乐、剧情脚本、新闻文稿等信息特征进行整合,以人像、字幕、语音、视频镜头识别和剧情脚本分析的组合技术,利用语音相关性测定、选择字幕帧,边缘提取、字幕区域二值化和小波包分解、核函数技术等方法从语音、视频中提取语义特征,建立视频数据语义特征的多模式提取和检索模型。     

无线移动信道特征提取和场景判别

基于三种已知场景无线信道脉冲响应的时域实测数据,运用统计方法,提取有多径效应的信道平均多径时延特征参数和无线信道响应的时域幅值包络特征.根据这些特征参数,给出不同场景无线信道的判别机制,再将无线信道场景判别机制应用于给定的两组未知场景实测无线信道响应数据,通过将未知场景无线信道特征与已知场景无线信道特征进行相关匹配,可以估计两种未知场景属于三种已知场景中的哪一种.     

融合场景及交互性特征的多人行为识别

人类的行为复杂多样,场景、外观、位置等信息均与行为息息相关.本文针对如何高效地综合利用这些信息的问题,提出了融合场景及交互性特征的多人行为识别方法,使用双通道的方式分别提取个体外观特征与场景特征.对于个体通道,采用注意力机制模块来关注与行为相关度更大的区域,并将提取的个体外观特征结合位置特征输入图卷积网络进行关系推理.其中,图卷积网络采用了余弦相似度的方法度量个体特征之间的相关性,并结合个体之间的位置特征进行关系推理;对于场景通道,使用在place365数据集上预训练的ResNet 50提取场景特征.最后,本文将个体以及场景通道所得的特征进行加权融合,得到群组以及所有个体的行为识别结果.在Collective Activity Dataset（CAD）数据集上的实验表明,该方法能提高行为识别的准确率,群组行为以及个体行为的准确率分别达到了92.29%与78.19%.     

基于深度学习的自适应场景路面提取方法

为满足无人驾驶车辆对越野环境的适应能力,提高无人驾驶车辆对环境的理解能力,必须对环境感知层面提出更高的要求.而环境感知中最为关键的一点就是车道线提取或者路面提取.与城市环境下的结构化道路相比,越野环境下的路面提取更加复杂.综合对多种越野场景展开研究,提出了一种能够自适应场景变化的路面分割方法.文中在越野环境下采集了大量的数据,并且制作了相应的数据集;应用深度学习技术对这些场景进行识别;应用语义分割算法对不同场景下的路面进行分割;最后统一了整个算法模块,给出测试结果.      

基于ArcView的流域河网特征自动提取

在流域水资源管理GIS系统中,常需要进行流域河网水系和流域河网特征的提取,它是水文建模所必需的基础数据。目前常用ArcGIS来完成建模与提取。由于ArcGIS系统庞大复杂。本文提出利用ArcView及其扩展模块Spatial Analyst和水文分析模块Hydrology来完成流域水系其河流网络特征的提取方法,并进行了实验,成功地提取了湘江流域河网水系和流域特征。     

基于多尺度特征融合的中分辨率遥感场景分类算法

在对中分辨率遥感图像进行场景分类时,传统的特征提取方法无法提取全面的特征,若使用卷积神经网络进行场景分类,同一大小的卷积核无法提取尺寸大小各异的地物特征,导致分类精度降低.为了提取不同尺寸的地物特征,提高分类精度,本文提出一种基于多尺度特征融合的中分辨率遥感场景分类算法.对传统的卷积神经网络进行改进以适应中分辨率遥感数据集,并在其基础上添加多尺度池化,将连接多层次的特征图谱输入到全连接层进行分类.实验表明,多层特征融合方法提取的特征信息比单层多尺度池化方法提取的特征信息更全面,分类效果更优.与其他的传统分类方法相比,本文方法获得更好的分类结果.     

基于支持向量回归和高斯过程回归的水文时间序列特征提取方法

水文时间序列受多种环境因素影响,表现出明显的综合性,传统的利用单一神经网络进行特征提取解释性不足。提出一种基于支持向量回归和高斯过程回归的水文时间序列特征提取方法。首先,罗列水文时间序列候选特征,将特征组合等价于0-1规划,并将各特征组合分别进行支持向量回归与高斯过程回归建模;其次,利用遗传算法演化求解一组最优特征组合,使得支持向量回归和高斯过程回归输出误差同时最小;最后,为了证明所提方法的高效性与准确性,以屯溪流域水文时间序列数据为对象进行验证。实验结果表明,基于支持向量回归和高斯过程回归特征提取方法的水文时间序列预测结果优于传统神经网络特征提取方法。     

基于数据编解码的时空交通流预测方法

针对路网的拓扑信息不完整而无法实现时空结合交通流预测的情况，提出了一种基于时间序列预测模型联合数据编解码机制的预测方法。对路网内路段交通流数据进行编码得到路网信息的链状结构，以此获取路网结构中的拓扑信息；通过时序模型对链状结构进行交通流预测，完成对链状结构的时序特征提取；最终，通过解码方法得到路网的时空交通流预测结果。采用GPS数据，选取不同路网进行对比实验，引入数据编解码的时空交通流预测方法与时间序列模型进行比较，并且与基线模型HA和ARIMA展开了对比实验。实验结果表明：深度学习模型引入数据编解码机制后，模型性能明显提升；引入数据编解码机制的深度学习模型的性能比基线模型的性能更优越。该方法仅仅使用简单的时间序列深度网络再联合数据的编解码机制即可实现时空结合的交通流预测。     

基于Fisher权重改进的OB场景分类方法

目标库(object bank,OB)方法是一种使用了高水平语义特征的场景分类方法。针对OB方法使用过高维数的特征向量来表征图像的缺点,提出一种基于Fisher权重改进的OB方法。通过对没有进行空间金字塔处理的OB方法中的低维特征向量加以Fisher权重,使得新得到的特征向量具有极大化类间数据差异并且极小化类内数据差异的性质。实验表明,该方法与OB方法相比在分类效率上提高了10倍以上,并在分类的准确率上提高了3%左右。     

基于特征构建的钢包精炼炉元素收得率预报

元素收得率的预报是钢包精炼炉(LF)合金化的难点与关键点.为提高其预报精度,通过机理分析确定了元素收得率的主要影响因素,由于这些影响因素在生产中无法即时获得,因此使用基于文法进化(GE)的特征构建方法间接获得所需影响因素,最后将构建后的数据作为模型输入建立收得率预报模型.依据问题背景对文法进化算法进行了改进,改进后的方法可以充分利用可测数据,解决了冶炼过程中重要数据无法获得的问题.将该方法应用于Q345B钢种Mn,Si元素收得率的预报,实验结果表明使用本方法可以有效提高模型的预报精度.     

望虞河工程虚拟视景系统研究及实现

探讨了望虞河工程虚拟视景系统的结构、功能和构建方法;讨论了虚拟视景建模和交互驱动问题：针对视景复杂无法实时驱动的问题提出了模型分割和软件加速的解决办法,并利用Direct三维引擎技术在微机平台上开发了望虞河工程虚拟视景系统．     

基于时空特征挖掘的流量过程智能模拟方法

为减轻洪水灾害事件可能带来的严重后果,实现对流量的及时、准确预测,提出一种基于时空特征挖掘的流量过程智能模拟方法。该方法首先从空间角度入手,建立测站之间的拓扑结构关系;再利用图卷积网络进行空间挖掘;最后利用门控循环单元进行时序挖掘。试验结果表明,基于时空特征挖掘的流量过程智能模拟方法比基于单一特征的模拟方法效果更好。     

监控场景下视频中全局移动对象的异常行为自动识别

传统异常行为识别方法容易受到外界环境的干扰,导致识别精度低下;且开销较高。为此,提出一种新的监控场景下视频中全局移动对象的异常行为自动识别方法。对异常行为特征进行提取,选用的特征为目标运动轨迹特征和外接矩形框宽高比特征,通过位置动态对监控场景下视频中全局移动对象运动轨迹特征进行提取,通过最小外接矩形框对移动对象进行标记。依据特征提取结果,通过异常测量函数实现监控场景下视频中全局移动对象的异常行为自动识别。实验结果表明,采用所提方法对全局移动对象的异常行为进行自动识别,不仅识别精度高,且开销较低。     

太湖流域典型丘陵区分布式水文模拟

针对水文过程对降雨、土壤、植被、地形等参数的空间变化十分敏感且具有很强的时空变异性的特点,应用基于物理机制的分布式水文模型系统模拟太湖流域典型丘陵区的次降雨事件水文响应过程.该模型耦合了垂直方向的水流运动(土壤水、河道-地下水水量交换)与水平方向的水流运动(坡面流、河道汇流、地下水流)过程.在产流模块中分别采用了经验的SCS曲线数方法和具有物理机制的Green-Ampt方法.结果表明,模型能较好地模拟研究区域降雨事件的水文响应过程,Green-Ampt方法的模拟结果优于SCS曲线数方法的模拟结果.     

基于序列内窥镜视频图像的膀胱三维场景重建

内窥镜被广泛用于器官和体腔内部的诊断成像,尽管采集到的内窥镜视频中包含着丰富的信息,但是由于内窥镜的成像范围受到探头太小的限制,图像的放大倍数与视野范围不能兼得,且视频不能将个体二维图像与三维器官形态关联起来,大部分具有巨大数据潜力的内窥镜视频仅用于医师实时指导,并在收集后丢弃。提出基于序列内窥镜视频图像的膀胱三维场景重建的方法。先提取前后两幅序列图像中相对应的多个特征点,基于特征点采用运动恢复结构算法计算得到膀胱模型三维点云。然后,采用泊松曲面重建算法对各三维点进行网格化,并完成场景的三维重建。实验结果表明所提出的算法是可行的。