排序方式: 共有32条查询结果,搜索用时 62 毫秒
31.
道路上的交通标志包含大量的交通规则语义信息,快速、准确地获取这些信息有助于实现更高级别的辅助驾驶功能,从而提高车辆的安全性能。针对交通标志易受外界因素影响、类别间相似度高和尺寸微小的难点,本研究基于YOLOv5s模型,在数据预处理、特征提取、特征增强方面分别进行了针对性的改进。在数据预处理部分,利用颜色空间变换、几何变换矩阵来模拟实际场景中交通标志可能发生的颜色变化和形状变化,通过Mosaic算法、Copy-paste算法来提高训练集中微小交通标志的数量和背景的丰富性。在特征提取部分,构建了基于通道注意力标定的C3-TCA模块来提高模型对相似特征的辨别能力。在特征增强部分,通过双路径增强结构融合浅层特征和深层特征,并优化了预测分支的数量和下采样倍率,从而增加了对微小交通标志的检测精度。此外,还利用K-means++算法聚类先验框模板,基于CIoU度量构建边界框回归损失函数,从而降低边界框的回归难度。在TT100K和CCTSDB数据集上进行测试,模型的mAP@0.5指标分别为88.8%和83.5%,模型的检测速度分别为120.5f/s和114.7f/s。相较于现有交通标志检测模型,所构建... 相似文献
32.
为实现三元锂离子电池荷电状态(SOC)、能量状态(SOE)和健康状态(SOH)这3种主要状态的在线联合估计,并应对电动汽车实际使用工况中各种噪声干扰带来的开环累积误差问题,提高锂离子电池在线估计的稳定性,提出了一种基于双自适应扩展卡尔曼滤波(DAEKF)算法的三元锂离子电池多时间尺度主要状态在线联合估计方法。在二阶RC模型基础上推导DAEKF算法的状态空间方程,用带遗忘因子的递推最小二乘法(FFRLS)进行在线参数辨识,以微观时间尺度进行锂离子电池SOC和SOE的在线估计,以宏观时间尺度进行锂离子电池SOH的在线估计,从而实现锂离子电池3种主要状态的在线联合估计。最后,以NVR18650B型三元锂离子电池的不同运行工况对所提出的方法进行实验验证。实验结果表明:在两种验证工况下,文中方法都能够快速收敛辨识模型参数,微观时间尺度中SOC和SOE的估计误差均稳定保持在1%以内,宏观时间尺度中SOH的估计误差稳定保持在1.6%以内;与EKF算法相比,文中所提出的方法具有更高的估算精度以及更好的估计收敛性和稳定性。 相似文献