基于步行轨迹的复杂道路中心线提取方法

传统的基于GPS轨迹的路网提取多关注使用车载GPS轨迹数据提取城市车道级路网,忽略了校园、社区、景区等小范围区域内的复杂道路信息,该文提出了一种基于步行GPS轨迹数据的复杂道路中心线提取方法.在数据清洗的基础上,基于轨迹点分布密度进行栅格化,然后采用Zhang-Suen快速细化算法对栅格路网细化得到道路中心线,最后采用改进的追踪法实现路网矢量化.以华中师范大学校园为试验区域,提取出了人车混行、小路交错的校园路网,证明了该方法的有效性.     

车载雷达点云的结构化道路边界提取方法

为了提高结构化道路边界检测的准确性与鲁棒性,结合非参数变点统计方法,提出了一种基于32线激光雷达三维点云的道路边界提取算法。基于结构化道路区域和非道路区域存在一定高程跳变特征,该算法利用非参数变点统计,对激光雷达扫描的道路环境三维点云数据中突变的z坐标值进行标记,并提取对应的候选道路边界点(x,y)。利用道路边界方向的最大期望(EM)聚类算法,对候选道路边界点进行聚类去噪。利用最小二乘法拟合道路边界,在不同光照条件下的校园结构化直、弯道路环境进行实车实验,统计直道1 030帧数据和弯道650帧数据。仿真结果表明:算法识别准确性较高且检测距离达18 m,耗时约28 ms,可满足智能车实时性要求。     

基于边缘交点聚类法的眼底图视盘轮廓提取

由于眼底血管闭塞、噪声和弱边界等原因,主动轮廓模型不能够精确地收缩至视盘的轮廓边缘,由此提出基于边缘交点聚类的轮廓提取方法.由初始轮廓确定一个矩形区域,选取该矩形区域的主对角线、副对角线、垂直中心线和水平中心线,求其与视盘边缘的交点,将所有候选交点进行K-Means聚类分析,取得位于边缘附近的点作为主动轮廓模型的初始轮廓点,进行能量最小化计算,直至轮廓停止收缩.实验证明,经边缘交点聚类初始化后再运用主动轮廓进行视盘边缘提取,轮廓最终会较为精确地收缩于视盘边缘.     

复杂色彩单帧图像中的文字提取

本文依据图像中文字与其背景存在的色彩差异,提出从复杂色彩单帧图像中提取文字的新算法.对彩色图像在HSV颜色空间进行色彩聚类形成颜色图层,再通过投影算法将颜色图层进一步细分为子图层进行图层分析,最后通过子图层合并产生备选文字图层.实验结果表明,本算法能够良好地从各种复杂颜色背景中提取垂直或平行于图像边缘的单色文字.     

基于HSI图像分割的AGV道路标线中心线提取

针对视觉导航AGV的道路标线中心线提取,提出了一种新型的基于HSI图像分割的方法。该方法首先将原始的RGB图像转换成HSI图像,在此基础上完成图像分割。图像分割所获得的单色位图,经过图像形态学的处理,包括开运算、腐蚀、差运算等,最终可提取出道路标线的中心线。对实际道路图像数据的实验验证了该方法的有效性。与原有方法相比,该方法所需运算简单,实现该方法所需硬件资源消耗小,适合基于嵌入式系统开发的视觉导航AGV。     

基于自适应标注样本的高分辨率影像道路提取

针对现有道路提取算法中难以大规模人工标注样本类别标签的问题,提出了一种基于自适应标注样本提取遥感影像道路的方法。首先,通过改进的模糊C均值聚类算法提取道路区域,进行初步的样本标注;其次,利用基于二次投票的集成去噪算法定位标签噪声样本,更新样本数据集;再次,将更新后的样本集投入随机森林训练并预测影像的分类结果;最后,对道路提取结果进行多方向形态学滤波去除非道路区域,得到精确的道路提取结果。通过不同分辨率、不同场景、不同方法的实验结果表明,所提方法可以自主选择并标注样本,相比传统算法具有较高的提取精度,对于高分辨率遥感影像中直线型、曲线型道路均有较好的道路提取效果。     

基于形状先验和在线鉴别性分析的道路检测

基于视觉道路检测是无人车视觉导航和高级驾驶员辅助系统的关键技术,本文提出了一种基于道路形状先验和在线鉴别性分析的道路检测方法. 该方法利用已标记道路图像样本,训练得到道路形状字典,进而使用稀疏表示方法识别道路形状类型;通过道路形状的识别,获得准确的道路形状先验信息,从而得到非路区域和道路区域在颜色空间上的分布;基于这两类分布,进一步引入鉴别性在线选择方法寻找最大鉴别颜色通道图像,该通道图像能易于分割出道路区域,从而实现了一种基于鉴别性分析的道路检测方法. 在标准库和自建库上的实验表明本文方法能有效提高道路检测的准确性和鲁棒性.      

一种用于激光雷达识别车道标线算法

利用点云数据空间分布特征和回波强度信息,结合局部均值变点统计方法,提出了一种用于激光雷达数据帧的车道标线识别算法。该算法首先基于车载激光雷达采集的道路周围环境点云数据中高程信息进行滤波,确定可行驶区域。然后利用局部均值变点统计对可行驶区域点云数据中的回波强度值进行标记提取,即车道标线点云数据粗提取。最后基于EM(最大期望)方法聚类,从而完整、准确地识别车道标线。实验结果表明,该算法不仅能够准确定位可行驶区域,进而可以实现车道标线的自动提取;而且有效抑制了道路周围环境对车道标线识别的干扰,验证了算法的有效性。     

基于K-means的图像文字识别与提取研究

针对当前图像文字识别与提取的最新发展状况,提出一种基于K-means的图像文字识别与提取算法,其主要处理步骤包括图像的预处理、像素点聚类处理、图层的选择与优化以及最终的文字切分等。经过上机对算法进行测试,该算法能够有效提高图像文字识别与提取的准确率与执行效率,并可以针对不同环境下的图片文字进行有效识别。     

一种基于深度卷积神经网络的道路损伤检测研究

基于传统道路损伤检测方法主要通过人工选取特征识别道路损伤,致使检测过程中抗干扰性较差,进而制约道路损伤识别精度的提高.针对这一问题,提出一种基于深度卷积神经网络的道路损伤检测方法.通过引入深度学习算法,利用迁移学习策略,构建稳健的非线性道路损伤识别模型;结合真彩色的道路图像,利用多层卷积神经网络抽取局部损伤区域的高级语义特征,实现复杂背景变化下的道路损伤智能检测.实验结果表明,提出的方法可准确识别道路损伤图像,相比常用方法能显著提高识别准确率.     

基于出租车轨迹数据的交通异常识别算法研究

为了实现基于出租车轨迹数据的交通异常识别,本文首先以城市栅格地图模型为框架,提出了一种针对城市路网的多光谱分隔算法,并根据城市路网分别从区域增长与区域融合两种角度实现了多光谱地图的分割。其次在分割的城市路网基础上,设计了交通异常的识别算法。算法依据单元区域内道路网络拓扑结构构建交通异常图,然后根据出租车路径选择模式的历史规律计算每个单元区域内不同路径上的出租车轨迹流量的变化,最后根据三倍均方差指标识别单元区域内的交通异常。文章最后以哈尔滨为例进行了算例分析,算例结果表明,本文提出的异常识别算法取得了良好的效果,验证了算法的有效性及准确性。     

交通电子地图设计和制作

结合电子地图设计和制作过程中所使用的软、硬件,并且根据电子地图所具有的地图图层以及相应的图层属性,提出了一套与交通有关的电子地图设计与制作方法,并用此方法成功地设计和制作了一幅交通电子地图用于GPS导航实验中。     

企业信息技术更新的战略决策

针对不确定环境中,竞争状态下企业的信息技术更新的战略决策问题,运用时间博弈的理论与方法,建立了双头垄断竞争状态下,企业信息技术更新的三种战略决策模型,即开放式、反馈式和竞争式战略决策模型。讨论了上述三模型的均衡解和解存在的条件与假设,以及其适用范围和应用。同时,上述战略决策方式对于研究新技术的扩散与转移等问题,也具有突出的理论意义和实际价值。     

信息反馈策略对含两车道的双出口路网影响研究

智能交通系统可以实时反馈路况信息以及诱导出行,从而缓解交通拥堵。最早提出的双通道信息反馈策略主要是针对备选路径完全相同的单车道路网模型。针对现有研究的不足,建立了含两车道的双通道双出口路网模型,并通过数值模拟研究了平均速度、车辆数、交通流量以及随机度信息反馈策略对该道路模型中交通流参数的影响。仿真结果表明,平均速度和车辆数反馈策略的引入将降低道路平均流量,相反随机度反馈策略的引入可一定程度的提高道路平均流量,使得路网道路上车辆通行状况更好。故随机度反馈策略用于含两车道的双通道双出口路网较优。     

纸质地图的地图特征曲线提取

描述了一种通用的在复杂特征图像中检测主曲线的新算法．基于曲线最短路径和方向偏移判据,主曲线检测的所有运算都在图形表达中进行．在图形网络搜寻中,采用了深度优先搜索方法．其应用背景是从地理测绘图中检测道路边界和房屋轮廓,采用自动方法生成数字地图．由于测绘图中的文字、符号常常与有意义的图像特征重叠,主曲线检测旨在从原始测绘图中获得“洁净”的特征图像．大量的实际图像实验表明,本算法效率高、鲁棒性强．除了地理测绘图外,该方法还可以用于文本处理中的其他领域,如在文字识别中,将字符与之相重叠的其他无用图像分离．     

基于逆反射系数衰减的隧道路面文字视认效果

为探究高速公路隧道内路面指示文字逆反射系数衰减程度对驾驶人视认效果的影响﹐以认知心理学原理和驾驶人对路面指示文字的视认反应特性为基础,通过室内模拟驾驶试验采集了32名被试的视认数据和车辆运行特征数据,分析了在不同逆反射系数衰减程度下熟悉与不熟悉路况的驾驶人对路面指示文字的视认特性。结果表明：驾驶人的视认次数与路面指示文字的逆反射系数衰减程度呈反比,且熟悉与不熟悉路况的驾驶人的视认次数差值也在相应减少;随着逆反射系数衰减程度增加,驾驶人的视认准确率均有所降低,特别是当逆反射系数衰减程度为40%时,视认准确率下降幅度较大;加速度的波动频率与逆反射系数的衰减程度呈反比,且不熟悉路况驾驶人的加速度波动幅度值较熟悉路况驾驶人的值大。     

基于单线模型的交通车载电子地图

针对车载导航系统的需要,提出了一种基于单线模式的车载电子地图模型。该模型采用分层管理,对核心的路网结构采用单折线表示道路,节点表示路口,用形值点表示道路的形状,通过有序节点对和道路对的方式来表示交通限制信息。整个地图数据库可以由节点集、道路集和转弯限制集3个集合来描述实现。该模型可以清晰准确地描述道路网络结构及其相关的交通限制信息。试验表明:这种电子地图能很好地支持寻路以及路径导航功能,存储空间较小,非常适合于车载导航使用。     

基于改进卷积神经网络的平面地图道路模糊推理分割方法

由于平面地图呈现方式单一且有限,为提升其多样性需准确分割平面地图中的道路区域。提出一种基于改进CNN(convolutional neural network)平面地图道路和模糊推理分割的方法。选取两个道路信息丰富的数据库,实验选取百度地图(Baidu)数据库和高德地图(Amap)数据库,标记得到含标签信息的像素训练集;用Sigmoid分割目标函数代替复杂的Softmax函数分别训练得到Baidu-CNN模型和Amap-CNN模型;对得到的像素点概率进行非线性映射,构建模糊推理系统;将非线性映射后均匀分布的像素点概率输入模糊推理系统,判断像素点属于道路区域的概率,得到道路分割结果。结果表明:所提算法得到的平面地图道路分割模型较传统算法分割效果更好;准确率可以达到94.49%;单张平面地图的道路分割速度可达到5 s。     

Lozi混沌映射的线性反馈控制

研究了二维间断离散混沌动力系统--Lozi映射的线性状态反馈控制问题.通过理论分析和数值计算给出了一般形式下的Lozi系统的混沌运动被控制到不动点的参数范围.并对Lozi映射的1个混沌吸引子进行了有效控制,从而验证了线性反馈控制方法的有效性和实用性.     

免测绘型数字交通精确制图程序研究

针对传统地图制图必须进行精密测绘或航空摄影以获得地理图像及位置坐标的问题,提出了一种与传统过程反序操作的全新的免测绘型数字交通精确制图方法.该方法据城市栅格地图可智能地提取交通网络信息,从而获得矢量地图;利用道路GPS轨迹(含准确经纬度)叠加于矢量地图,取得地图校正采样控制点;通过拓扑变换来完成地图节点坐标的精确校正,并为应用地图道路结构特征的带有闭环控制的道路聚类过程和动态离散拓扑变换实现数字地图的非线性校正,提出了离散非线性校正算法.以合肥城区的地图生成过程为例进行了实验,结果证明了免测绘制图方法在生成高精度数字地图上是有效的.