检索结果-内蒙古大学图书馆

激光与光电子学进展 2017年第10期54卷 403-409页

作者：张思远谢飞王建华吉林大学汽车工程学院吉林长春130022

为了提高无人驾驶汽车对中远距离车辆目标的识别准确率,满足无人驾驶汽车对前方预瞄距离的要求,通过理论计算以及光学设计软件ZEMAX-EE,研究设计了一款适合安装于乘用车上的中远距离车载镜头。为了满足车载镜头在实际使用过程中对成像... 详细信息

为了提高无人驾驶汽车对中远距离车辆目标的识别准确率,满足无人驾驶汽车对前方预瞄距离的要求,通过理论计算以及光学设计软件ZEMAX-EE,研究设计了一款适合安装于乘用车上的中远距离车载镜头。为了满足车载镜头在实际使用过程中对成像范围的要求,利用成像景深公式计算了对准距离为无穷远时,不同入瞳直径对应的成像范围,从而确定了满足实际使用条件、易于设计和检验的镜头参数设计方案。车载镜头的焦距为40mm,视场角为8.6°,入瞳直径为7mm,景深为30m^+∞,系统总长小于38mm。仿真分析结果表明,所设计车载镜头具有良好的成像质量,能够满足实际的使用要求。

关键词：光学设计车载镜头畸变校正车辆目标识别无人驾驶汽车

来源：评论

学校读者我要写书评

暂无评论

车辆目标识别算法的研究

车辆目标识别算法的研究

引用

作者：李苏浩重庆邮电大学

学位级别：硕士

随着社会经济的不断发展,现如今许多家庭都拥有自己的车辆作为出行时的代步工具,许多人也都会为了生活中不同目的购入各种类型的车辆。这使得车辆的数目在几年间成倍的增加,也使得交通拥挤、交通事故和机动车犯罪率不断增多,各类停车场... 详细信息

随着社会经济的不断发展,现如今许多家庭都拥有自己的车辆作为出行时的代步工具,许多人也都会为了生活中不同目的购入各种类型的车辆。这使得车辆的数目在几年间成倍的增加,也使得交通拥挤、交通事故和机动车犯罪率不断增多,各类停车场的管理难度也变得越来越大。为了解决这些棘手的问题,利用基于特征的车辆目标类型检测方法在原始图像中检测出不同类型的车辆的方法来高效解决大规模图像的车辆识别和车辆类型检测的问题。当前在基于特征的目标识别算法中识别速度快且识别效果较好的一种方法就是卷积神经网络(CNN),而其中一种先在图中生成目标物体最可能出现的候选区域后再使用卷积网络提取特征最后训练分类器对候选区域分类的方法(区域卷积神经网络R-CNN)在目标分类识别场景中被广泛使用。本文以R-CNN系列算法中识别速率和识别准确度较好的算法Faster R-CNN为基础,在分析了卷积神经网络不同卷积层输出特征的特点后,首先提出一种将不同卷积层输出特征相结合的方法对网络结构进行改进,接着通过合理利用原始全图的上下文特征以及对目标边界框的优化策略进一步的对Faster R-CNN算法的识别精确度改进提升。最后,先通过对由三种类型车辆(轿车、SUV和面包车)的图像构成的数据集进行训练后,再对改进后的网络模型进行对比实验。实验验证了改进后的车辆识别网络能够有效的识别图像中的轿车、SUV和面包车目标,并在Faster R-CNN算法的基础上提高了识别的精确度。在三种类型车辆识别平均精度(AP,Average Precision)分别为83.2%、79.2%和78.4%,相对于传统Faster R-CNN算法平均提升了1.7%。

关键词：车辆目标识别 Faster R-CNN 多层特征上下文特征目标边界框优化

来源：评论

学校读者我要写书评

暂无评论

基于车载32线激光雷达点云的车辆目标识别算法

引用

科学技术与工程 2018年第5期18卷 81-85页

作者：孔栋王晓原刘亚奇陈晨王方山东理工大学交通与车辆工程学院智能交通研究所淄博255049 清华大学汽车安全与节能国家重点实验室2 北京100084

针对结构化道路环境中智能车识别周围360°范围内的车辆目标问题,由车载3D激光雷达采集的道路环境中车辆目标点云数据投影特征,提出识别车辆目标新算法。算法首先识别结构化道路边界,进而排除道路边界两旁障碍物的干扰和减少点云数... 详细信息

针对结构化道路环境中智能车识别周围360°范围内的车辆目标问题,由车载3D激光雷达采集的道路环境中车辆目标点云数据投影特征,提出识别车辆目标新算法。算法首先识别结构化道路边界,进而排除道路边界两旁障碍物的干扰和减少点云数据量;其次按雷达点云数据扫描和分布特征,利用改进K-means算法对道路区域内点云数据聚类。最后提取聚类目标内部特征点,并通过计算特征点构成向量的夹角或模的长度准确识别车辆目标。实验验证表明,该算法有效抑制了道路边界两旁障碍物的干扰,可以准确识别结构化道路区域内的车辆目标。

关键词：交通安全激光雷达改进K-means聚类车辆目标识别

来源：评论

学校读者我要写书评

暂无评论

SAR车辆目标识别关键技术研究

SAR车辆目标识别关键技术研究

引用

作者：肖垚中国科学院大学

学位级别：硕士

合成孔径雷达(SAR，Synthetic Aperture Radar)自动目标识别(ATR，Automatic Target Recognition)技术支持在较少人为参与的条件下，对SAR图像数据进行自动解译，可降低对图像判读人员的专业要求，实现SAR获取信息的实时化应用，有效提... 详细信息

合成孔径雷达(SAR，Synthetic Aperture Radar)自动目标识别(ATR，Automatic Target Recognition)技术支持在较少人为参与的条件下，对SAR图像数据进行自动解译，可降低对图像判读人员的专业要求，实现SAR获取信息的实时化应用，有效提高SAR载荷使用效能，具有重要研究价值。本论文围绕SAR车辆目标识别中的预处理、特征提取与少样本目标识别性能提升这三种关键技术展开研究。所作的主要工作及创新如下:\n 1.预处理技术:针对SAR图像质量会影响车辆目标识别性能，研究了两种预处理方法。第一种方法是小波变换取低频图像方法，实验结果表明该方法可以抑制高频斑点噪声、压缩图像大小和减弱SAR目标方位角敏感性。第二种方法是基于迭代阈值求解L1正则的特征增强算法，实验结果表明该方法可以抑制杂波和提高图像分辨率;同时，还可通过在特征增强算法中选取合适的图像稀疏度参数来提升目标识别性能。\n 2.特征提取技术:深入研究了PCA的理论基础和稀疏表示相关理论基础。为了改善传统PCA方法无法充分利用测试样本信息进行识别的缺陷，本文提出了一种基于稀疏求解的改进PCA方法。该方法首先利用稀疏求解方法得到与测试样本最相关的部分训练样本以及它们对测试样本的表示系数，然后结合PCA得到的最优投影矩阵，使投影后不同测试样本能更好利用训练样本信息进行分类。实验结果表明该方法不仅在理想样本集上比传统PCA方法要好，而且在方位角不全的少量样本上具有更强的鲁棒性，在SAR图像非合作目标的识别应用中具有良好验证效果。\n 3.少样本目标识别性能提升技术:在实际情况中，由于不能获取大量的非合作目标样本数据，使得少量目标样本训练出来的分类器的分类性能受限，所以本文提出了一种样本扩充方法。该方法是利用基于目标方位角距离阈值的图像加权融合手段来进行样本扩充。实验结果表明利用该样本扩充方法扩充得到的样本集进行分类器训练，可以提高少样本情况下的目标识别性能。

关键词：合成孔径雷达车辆目标识别预处理特征提取少样本目标识别

来源：评论

学校读者我要写书评

暂无评论

基于机载激光雷达的公路上车辆目标识别技术研究

基于机载激光雷达的公路上车辆目标识别技术研究

引用

作者：任阳北京邮电大学

学位级别：硕士

机载激光雷达具有扫描范围广,高机动灵活性,抗干扰能力强等优势,被广泛应用于地表测绘、城区规划、公路监测等领域。据统计,所有交通事故大多由机动车引发,其中大型车辆事故问题最为严重。本文基于机载激光雷达,通过研究数据采集、点云... 详细信息

机载激光雷达具有扫描范围广,高机动灵活性,抗干扰能力强等优势,被广泛应用于地表测绘、城区规划、公路监测等领域。据统计,所有交通事故大多由机动车引发,其中大型车辆事故问题最为严重。本文基于机载激光雷达,通过研究数据采集、点云预处理、车辆目标识别等技术,旨在高效、准确的识别出公路上的车辆,并对大型车辆进行检测。本文重点研究内容如下:(1)点云数据采集。介绍了主流激光雷达,分析了 Livox雷达扫描原理,研究了点云数据采集程序,获取了公路场景下的连续帧点云文件。(2)基于公路场景的点云预处理技术。预处理过程分为去噪、地面移除、聚类三步。通过实验对比了四种常用去噪算法,最终采用条件滤波与半径滤波进行联合去噪。针对RANSAC算法进行改进,提出了一种自适应快速地面移除算法(LP-RANSAC)。该算法可以快速移除多条路面。通过实验验证了该算法的有效性、可靠性。通过实验对比了密度聚类、欧氏聚类分割效果,针对区域过分割问题进行改进,提出了一种基于欧式距离及区域判定的聚类算法,剔除了大量无效目标。(3)基于机器学习的车辆目标识别技术。分析了各种特征描述子,详述了多种机器学习算法原理。设计了一种多特征融合描述子。测试了不同特征在同一分类器下的性能,验证了多特征融合描述子的有效性,实现了车辆识别功能。测试了同一特征在不同分类器下的性能,验证了多特征融合描述子的稳定性。(4)大型车辆检测技术。实现了基于单帧的大型车辆检测算法,并针对识别间断问题进行改进,提出了一种基于连续帧的大型车辆目标检测算法,改善了大型车辆目标检测效果。

关键词：激光雷达地面移除机器学习车辆目标识别

来源：评论

学校读者我要写书评

暂无评论

复杂地物背景下车辆目标识别方法研究

复杂地物背景下车辆目标识别方法研究

引用

作者：蔡文靖国防科学技术大学

学位级别：硕士

复杂地物背景下的车辆目标识别技术,在战场侦察、精确打击等军事领域,以及智能交通、环境监控等民用领域中有着广泛应用。本文基于光电吊舱捕获的红外、可见光图像,研究复杂地物背景下的车辆目标识别方法。针对现有算法的不足,研究基于... 详细信息

复杂地物背景下的车辆目标识别技术,在战场侦察、精确打击等军事领域,以及智能交通、环境监控等民用领域中有着广泛应用。本文基于光电吊舱捕获的红外、可见光图像,研究复杂地物背景下的车辆目标识别方法。针对现有算法的不足,研究基于机器学习的图像自动目标识别框架,首先提取基于显著性检测的图像ROI,其次对ROI提取改进HOG特征,最后将提取的特征输入随机森林分类器,通过分类判断对应ROI中是否包含车辆,从而完成车辆目标识别。本文的主要工作与研究成果如下:(1)针对光电侦察图像中存在大量背景杂波、噪声等冗余信息的情况,提出一种背景模板选择的视觉显著性检测方法。针对现有显著性检测算法不能处理无显著目标或目标位于边界的图像,提取的显著目标内部出现空洞,边缘残缺等不足,本文通过边界连通性计算背景概率,对背景模板进行筛选。同时,通过边缘检测得到图像边缘特征,分别在颜色、边缘特征空间中计算与背景模板的最短测地距离,得到颜色、边缘显著图。最后将显著信息融合转化为最优问题求解,提取出可能存在车辆目标的ROI。实验表明,在准确率与召回率等方面本文显著性检测算法优于现有算法。(2)针对HOG特征忽略颜色信息、维数过高等问题,提出一种基于图像分割和保局投影的低维HOG特征提取方法。首先,利用图像分割区域的边缘、颜色信息修改HOG特征的投影权值,以增大目标和背景的类间距;其次采用SLPP进行特征降维,去除特征中的冗余信息。针对复杂地物图像的实验表明,区域边缘、颜色信息的融入以及降维操作对HOG特征的描述能力有一定提高;KCRF分类器下,SSHOG特征的识别准确率比HOG特征提高16.03%,准确率与召回率的加权调和平均数增长8.79%,分类效果优于现有特征。(3)针对随机森林分类器在噪声较大时易出现过拟合,决策树对连续特征值的划分点选取需计算大量信息增益等问题,提出基于局部线性KNN稀疏表示与随机森林的KCRF分类器。训练时利用K均值聚类划分样本数据快速生成决策树,预测时以样本特征为字典,通过对预测特征的稀疏表示进行节点划分,从而快速准确的从显著性检测的ROI中分类识别出车辆目标。实验表明,KCRF分类器识别准确率的均值比RF分类器提高2%。

关键词：车辆目标识别视觉显著性随机森林稀疏表示边缘检测特征降维梯度方向直方图

来源：评论

学校读者我要写书评

暂无评论

持续学习算法在车辆目标识别上的应用

引用

汽车实用技术 2023年第15期48卷 73-81页

作者：孙家辉马骊溟长安大学汽车学院陕西西安710064

自动驾驶汽车技术的日新月异,主要得益于深度学习和人工智能的进步。然而深度学习模型大多是在静态同分布数据集上进行训练,无法随着时间而适应或扩展其行为。针对这一问题,论文将持续学习模型运用于车辆目标识别领域进行研究。首先搭... 详细信息

自动驾驶汽车技术的日新月异,主要得益于深度学习和人工智能的进步。然而深度学习模型大多是在静态同分布数据集上进行训练,无法随着时间而适应或扩展其行为。针对这一问题,论文将持续学习模型运用于车辆目标识别领域进行研究。首先搭建可以使得算法流畅运行的环境,选定目标识别的原始图像数据集;在分析现有评估指标的基础上,选取适合于本次实验的评估指标,并采用卷积神经网络(CNN)、最接近类均值(NCM)、增量分类器与特征表示(iCaRL)三种持续学习算法对原始图像数据集进行学习训练与对比验证,通过实验验证了应用iCaRL算法使机器进行持续学习训练时,其精度和效率均优于其他两种方法。针对智能驾驶目标识别图像数据集不完善这一问题,构建了一个新的图像数据集,包含车辆、行人、交通标志及信号灯,将iCaRL算法应用于新建图像数据集进行研究,并在新建智能驾驶图像数据集上进行了训练与测试。结果表明,采用iCaRL算法能够较好地学习新建图像数据集,不会因为环境的改变而使得其性能发生大幅变化,测试结果良好,证明该方法可以在智能驾驶领域进行目标识别。

关键词：持续学习 iCaRL算法车辆目标识别图像数据集

来源：评论

学校读者我要写书评

暂无评论

基于YOLOv5架构的大幅面SAR图像车辆目标识别方法

引用

计算机与数字工程 2023年第12期51卷 2852-2858页

作者：李庆田甜田金文华中科技大学多谱信息处理技术国家级重点实验室武汉430074 华中科技大学人工智能与自动化学院武汉430074

SAR图像车辆目标识别是极具挑战性的前沿研究领域,论文提出了一种基于YOLOv5架构的大幅面SAR图像车辆目标识别方法。以卷积神经网络YOLOv5作为大幅面SAR图像车辆目标识别的基本模型,采用迁移学习方法获得模型的初始参数,有效减少了训练... 详细信息

SAR图像车辆目标识别是极具挑战性的前沿研究领域,论文提出了一种基于YOLOv5架构的大幅面SAR图像车辆目标识别方法。以卷积神经网络YOLOv5作为大幅面SAR图像车辆目标识别的基本模型,采用迁移学习方法获得模型的初始参数,有效减少了训练样本数量同时提高了模型收敛速度。为了测试算法性能,构建了一个含车辆目标的大幅面SAR图像数据集。在该数据集上进行了仿真实验,并与一些经典的深度学习网络进行了对比,实验结果表明所提大幅面SAR图像车辆目标识别算法识别精度更高、速度更快。

关键词： SAR图像车辆目标识别卷积神经网络迁移学习 YOLOv5

来源：评论

学校读者我要写书评

暂无评论

基于图像挖掘技术的车辆目标识别方法

引用

计算机测量与控制 2017年第2期25卷 160-163页

作者：赵燕萍太原工业学院计算机工程系太原030008

在目前的图像处理技术发展现状中,图像挖掘技术是其中一项较为突出和新颖的技术分支;而随着日益庞大的图像数据信息处理量的要求增加,却没有一个有效的分析和处理技术,为此,如何解决大量数据的解析和处理问题是目前图像挖掘技术的主要方... 详细信息

在目前的图像处理技术发展现状中,图像挖掘技术是其中一项较为突出和新颖的技术分支;而随着日益庞大的图像数据信息处理量的要求增加,却没有一个有效的分析和处理技术,为此,如何解决大量数据的解析和处理问题是目前图像挖掘技术的主要方向,首先研究图像挖掘技术的原理和其在目前社会中的应用情况,利用简析图像挖掘技术的基本原理分析其数据模型,探讨其所具备的基本功能以及在车辆目标识别上的应用和方法;总结出图像挖掘技术对图像中所存在信息的完全解读,挖掘图像中存在的隐形关联,而且随着图像挖掘技术的不断改进,其目标识别的功能可以应用到车辆管理模式当中;通过实验表明,此方法可以对目标图像中车辆数量和种类的辨识度达到80%以上。

关键词：图像处理技术图像挖掘技术车辆目标识别数据模型

来源：评论

学校读者我要写书评

暂无评论

基于径向基神经网络的车辆目标识别方法研究

基于径向基神经网络的车辆目标识别方法研究

引用

第五届全国信息获取与处理学术会议

作者：魏晗张长江刘玉凤胡敏浙江师范大学数理与信息工程学院金华321004

文中介绍了一种基于径向基(RBF)神经网络的车辆目标识别算法.该方法提取平移、旋转、尺度放缩等变换下都不变的目标形状特征，其中包括8个离散余弦变换描述子，6个独立的不变矩，3个最能区别目标特征的区域描述子，把这些特征参数输入RB... 详细信息

文中介绍了一种基于径向基(RBF)神经网络的车辆目标识别算法.该方法提取平移、旋转、尺度放缩等变换下都不变的目标形状特征，其中包括8个离散余弦变换描述子，6个独立的不变矩，3个最能区别目标特征的区域描述子，把这些特征参数输入RBF神经网络进行分类识别.实验结果表明，这种RBF网络的特征融合识别方法性能稳定，比BP网络速度快，且较BP网络具有更高的识别精度。

关键词：车辆目标识别 RBF神经网络特征提取离散余弦变换

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：