基于泛在位置数据的城市道路网精细建模

为解决当前城市道路网自动提取方法难以同时对道路几何、拓扑、语义进行精细建模的问题,提出一种基于泛在位置数据的城市道路网一体化精细建模方法。首先,利用轨迹转向角热点分析方法提取道路交叉口区域,对交叉口和路段进行分治;然后,识别道路交叉口的出、入口点,分别采用低频轨迹聚类和交叉口连通性分析方法,识别交叉口的转向模式,并对路段轨迹进行分类,在此基础上对道路网几何、拓扑结构进行精细建模;最后,利用自然语言处理和地图匹配技术,利用位置文本数据和车辆轨迹数据提取道路名称和平均速度等信息,实现道路网几何、拓扑、语义精细建模。研究结果表明:本文方法能够用于快速获取城市道路网几何、拓扑、语义信息并精细建模。     

应用稳健估计方法计算道路线形参数

探讨了在道路数据采集后获得许多点的坐标，如何利用采集的坐标数据计算线形数据，在数据处理之前首先必须将数据分为若干组，然后利用稳健估计进行平差计算，在阐述直线与圆曲线误差方程及法方程的基础上，给出了适用于线形识别的稳健估计权迭代的数学模型，在稳健估计后将自动删除不属于该元素的点并获得参数的近似值，为获得参数的准确近似值，在不同元素之间还需要进行连接计算，之后进行平差处理，获得参数的平差值，利用平差后的参数以及各点的坐标可对平差结果进一步评价。     

基于深度学习的动态场景语义SLAM

提出一种利用深度学习提高动态环境下视觉语义即时定位与地图构建(SLAM)的方法.首先用实例分割网络对关键帧进行实例分割,建立先验语义信息;然后计算特征点光流场对物体进一步区分,识别出场景真正运动物体并将属于动态物体的特征点去除;最后进行语义关联,建立无动态物体干扰的语义地图.将本文方法在室内环境公开数据集中测试,结果表明该方法可有效消除动态物体对建图的影响,提高建图精度.     

基于深度学习的语义栅格地图构建方法

为了提升移动机器人在定位导航任务中对环境的理解力,提出一种包含墙角信息的语义地图构建方法.首先结合激光SLAM算法和深度学习方法创建环境栅格地图并提取环境语义,同时对语义点云进行假语义去除,通过坐标转换将语义信息与环境栅格地图进行融合,并采用基于贝叶斯估计的增量式方法对栅格中物体语义存在与否进行判定,得到包含语义信息的...     

浅析交通安全与道路线形关系

我国是交通事故频发的国家,交通事故率和事故的严重程度已居世界首位,随着人们生活水平的提高,交通安全问题已成为人们最关心的问题,本文通过对道路交通事故产生的原因和道路线形与道路交通事故的关系,改进道路曲线的设计方法和道路线形设计的核查方法,使道路曲线与地形和车辆的行驶轨迹达到完美的组合。     

基于聚类分析的道路交通事故多发点段评价方法

鉴于道路交通事故成因的多样性和复杂性,在定义道路交通事故多发点段和充分考虑交通事故空间定位信息的基础上,基于聚类分析技术研究了一种道路交通事故多发点段的识别方法,同时设计一种事故多发点段空间范围的动态非定长划分方法,进而利用当量总事故率法将交通事故多发点段划分为3个风险等级,并给出了具体的划分标准,从而为交通事故预防工作提供决策支持。     

基于执行日志的Web服务QoS获取机制

为了有效地解决Web服务QoS数据的获取问题,从统计学角度出发,提出了一种基于执行日志的Web服务QoS获取方法.该方法首先根据要获取的Web服务QoS属性集,分析执行日志所需记载的内容并记载日志;然后基于执行日志生成Web服务的QoS点数据集,其中考虑了基于实际执行所采集的QoS点数据所具有的采集量小、数据分布不均匀等问题,并给出了相应的解决方法;在此基础上完成对Web服务QoS数据的查询与预测.实验表明,所提出的Web服务QoS数据的获取方法是准确可行的.     

道路交通事故重建技术综述

道路交通事故重建技术是综合运用交通事故现场调查获取的证据材料对交通事故发生过程进行科学分析与推演。通过文献研究与实证研究表明道路交通事故重建技术发展历程经历手工重建、计算机辅助重建、车载电子信息辅助重建、视频监控信息辅助重建及交通大数据辅助重建5个阶段;总结了各阶段事故重建的关键技术和方法,并对道路交通事故重建技术在汽车网联化、智能化、电动化背景下的发展趋势进行了探讨。     

基于全景图的道路交通设施位置测量方法

以交通标志和红绿灯等道路交通设施的空间位置为获取对象,使用全景相机对道路图像进行采集.使用球心投影算法获取前方道路图像,在相邻两帧图像间构建虚拟双目视觉系统,并基于此系统计算道路交通设施的高度信息,同时通过拼接获得高精度的道路正射影像地图,在地图上标注道路交通设施的路面位置信息,由此可以获取道路交通设施的精确空间位置数据.实验结果显示:路面位置的标注结果精度可达厘米级,高度计算结果的平均误差较小,本方法测量所得数据可准确反映道路交通设施的空间位置.     

基于移动激光扫描点云数据栅格化的交通标线分割算法

针对目前交通标线提取研究对于语义信息丰富的标线精细化分割研究不足的现状, 通过移动激光扫描数据提出了一种精细化交通标线的语义分割算法。该算法先从道路点云中提取出路面,并根据点云的强度信息将其转变为栅格图像并对其优化,通过二值化处理提取出路面标线;在此基础上根据矩形度筛选将所有标线对象粗分为两类,并采用不同的语义分割策略进行识别,最后获得了10种符号标线以及非符号标线对象的精细化语义信息。实验选取了上海8组不同区域的城市道路点云数据进行验证,结果表明该算法具有96.04 %的精度与96.92 %的召回率,综合评价指标F达到96.48 %,为高精地图提供了更加丰富的交通标线语义信息。     

基于目标检测的单目视觉半稠密语义地图构建

传统的视觉SLAM系统在机器人定位和制图工作中取得了显著的成功,但存在着缺乏场景信息、地图过于稀疏、单目相机初始化困难等亟待解决的问题。本文提出了MNS-SLAM（Monocular-semantic SLAM）,将目标检测算法与单目视觉SLAM（同时定位与地图构建）技术相结合,进而构建有助于环境理解的半稠密语义地图。首先,通过目标检测网络YOLOv4检测对象获取边界框和类别信息,通过消失点算法和二次曲面恢复算法由2D目标检测恢复出3D长方体及二次曲面,实现3D物体的位姿初始化。同时,引入了目标间相对位姿不变性的语义约束,构造了语义损失函数,将其添加到BA优化中,最后通过增量式3D线段提取,构建带有物体语义信息的半稠密地图。文中方法在TUM公开数据集和真实场景中进行试验,不仅构建了半稠密地图,同时添加了语义信息,为后端的优化提供了新的约束,相机的绝对和相对位姿误差表现出优于单目ORB-SLAM2的性能,有助于搭载单目相机的移动机器人感知和理解环境,执行更复杂的任务。     

融合多源数据的高精度道路地图的构建

为提高高精度道路地图的制作效率,提出采用融合多源数据的方式构建高精度地图。根据道路特征及类型,选用车载激光雷达（Light Detection and Ranging,LiDAR）、无人机摄影测量以及人工采集3种技术获取数据源,分别进行点云、图像以及矢量数据处理,构建高精度道路地图并进行精度评定。试验结果表明,多源数据可实现不同道路场景下的数据采集,为高精度地图快速构建和更新提供参考。     

Kinect骨骼信息下的动态手势识别研究

针对复杂环境中存在的手势识别问题,提出一种利用Kinect传感器获取深度信息并进行动态手势识别的方法。该方法通过对Kinect传感器获取的深度信息进行分析,获取人体主要骨骼点的3D坐标,从中选取六个点作为手部运动的特征参照;为提高手势识别系统的识别速度,提出了一种基于查表的DTW算法对得到的特征数据进行模板训练并实现动态手势识别。实验结果表明:该方法具有较高的识别速度和识别率,对复杂背景及光照强度变化具有较强的鲁棒性。     

基于自发式地理信息的景观记忆采集系统设计——以河北师范大学东校区为例

景观记忆研究对旅游地和城市建设具有重要指导意义,但景观记忆采集方法鲜有创新.区别于以往手绘草图、调查问卷及多维标度等方法,提出了基于自发式地理信息的景观记忆信息采集方法,利用Web2.0技术和百度卫星影像地图服务建立一个能够快速创建的景观记忆采集系统,利用用户自发输入绘制的兴趣点等空间信息和描述文本,实现景观记忆信息的可视化和参与者之间的有效信息交流.以已经被拆除的河北师范大学东校区为研究对象,完成了体系结构、系统功能和数据库设计.在系统测试阶段,收集了包括学校教师、研究生和在东校区学习过的本科生等多类型参与者自发提供的景观记忆数据,初步获得了参与者对东校区历史景观记忆的空间框架.初步的实验数据统计分析证明,基于自发式地理信息的采集系统为景观记忆与认知地图研究提供了新的数据获取方式,能够方便地推广到旅游与地理学等相关领域.     

基于模板的Deep Web实体识别信息抽取方法研究

Web技术的发展导致Web数据激增,其中Deep Web数据占主要部分.实体识别是开展模式识别、数据集成等Deep Web关键技术研究的首要前提.为提高实体识别的效率和准确性,提出了基于模板的Deep Web实体识别信息抽取方法.该方法拥有三个不同的处理阶段:其中基于DOM树抽取规则的模板训练阶段最为关键,抽取规则通过结构分析和语义分析两个阶段完成,此外该方法还包含着数据准备和实体信息抽取两个辅助阶段.最后经实验验证所提方法在提升实体识别准确性的同时具有较好的信息抽取效率.     

基于3D激光雷达点云的道路边界识别算法

针对结构化道路环境中道路边界存在不连续、被遮挡及易受路内障碍物干扰情况下的识别问题,利用车载激光雷达获取的结构化道路环境三维点云数据的高程信息,结合局部均值变点统计方法,提出了一种用于激光雷达帧数据的道路边界识别算法。该算法首先利用局部均值变点统计对结构化道路环境三维点数据中突变的z坐标值进行标记并提取其对应的(x,y)数据点,即道路边界点数据粗提取;然后基于分段双阈值对粗提取的道路边界点数据滤波处理;最后利用最小二乘法拟合道路边界点数据。基于实车实验分别采集的不同道路环境条件下结构化直道1 450帧、弯道935帧数据,算法识别准确率均高于80%,且识别道路宽度误差小于0.14 m。实验结果表明,该算法不仅能够自动识别结构化道路边界,而且有效抑制了路面障碍物的干扰,验证了算法的有效性。     

广东省机-非交通事故时空特征与严重程度分析

为探究广东省机-非交通事故的时空特征和事故严重程度影响因素,对2011～2017年广东省发生的机-非交通事故进行统计分析;并选取2017年发生的3 337起事故,以事故严重程度为因变量,道路线形、照明条件和路面状况等12个道路环境因素为候选自变量构建Logistic模型。结果表明:广东省机-非交通事故数量和死伤人数整体呈上升态势。冬季事故伤亡情况最严重,且高峰期容易出现事故,但夜间事故致死率高。珠三角地区的事故数量和死伤人数比例最高,而东翼地区的事故致死率最高;非城市道路事故情况比城市道路严重。事故严重程度与道路线形、路口路段类型、横断面位置、地形、时段、能见度和照明条件等7个因素显著相关。研究结论可为降低机-非交通事故的危害性提供参考依据。     

基于URL语义分析的Web用户会话识别方法

由于现有基于时间和引用的经典会话识别方法在复杂Web使用模式挖掘中存在局限性,提出了一个基于URL语义分析的用户会话识别新方法.这个方法借助Web目录服务,将Web日志中的每一条URL记录赋予一定的语义信息,并给出一些测度指标对URL之间的语义相似度进行评价.对静态和流动两类Web日志情况进行分析,分别给出了语义奇异值...     

基于原始信息采集的交通事故原因分类法研究

以实现对我国道路交通事故相关的各方面因素的全面统计与分析为目的,重点研究了我国道路交通事故在原始信息采集时的事故原因分类及应用。论文在分析对比原有交通事故原因分类方法的基础上,研究了一种新方法——交通事故原因关联分类法。在该方法中首次提出,对交通事故相关的各方面因素:交通事故当事人、交通事故车辆、道路及交通环境、安全管理措施、意外等要素进行全面分析与统计,并将它们与引起事故和加重事故后果二要素进行二维组合。利用该方法,对于每一起交通事故,反映该事故原因的原始信息均可实现全面地应用于统一的事故分析。     

基于CPN网络的Deep Web数据语义标注

全面准确地标注Deep Web数据是实现Deep Web数据集成系统的关键问题,然而现有的DeepWeb数据语义标注方法还不能很好地解决这一问题.提出一种基于CPN网络的Deep Web数据语义标注方法,通过提取属性值的基本特征,采用CPN网络实现Deep Web数据语义标注.同时,采取了一种有效的方法准确获取Deep Web结果页面中的属性值,为语义标注奠定了良好的基础.与同类成果相比,基于CPN网络的Deep Web数据语义标注方法提高了语义标注的准确率及召回率.