针对复杂交通环境下隧道车流量与车辆类型难以被检测与分辨的问题，提出一种基于GCM-YOLOv5s的隧道车辆检测模型，以解决隧道复杂交通环境下阴影、多车遮挡、环境遮挡、低对比度、道路噪声等问题对车辆检测精度的干扰。首先，受Ghost幽灵模块启发，提出GhostConv模块替代原有卷积层，GhostConv通过类残差结构减少模型特征提取造成的冗余。基于GhostBottleneck的理念，提出C3Ghost模块，在原有C3模块的基础上提高模型的特征提取能力。其次，为应对交通领域实时检测的要求，设计了一种基于ConMix理念的轻量化CSPCM模块，缩减模型体积。最后，受编解码模块启发，提出多尺度小目标检测层，提升模型对小目标车辆与遮挡车辆的检测精度。为验证模型的实际性能，建立了隧道车辆检测数据集(Tunnel vehicle detection data set，TVDD)，并在相同条件下进行了多次消融对比实验。实验结果表明：与YOLOv5s原模型相比，GCM-YOLOv5s的平均精度均值提高了2.2%，模型参数降低了34％；此外，GCM-YOLOv5S在平均精度均值、参数量、模型体积等方面均优于YOLO的其它版本。
近几年,我国铁路事业的飞速发展,对轨道交通装备制造业不断提出新要求。尤其是虚拟制造和虚拟工厂在轨道交通装备制造领域的应用,车辆部件实体通过设计软件生成并转化为三维模型时,由于其体积大、结构复杂的特点,会导致生成数据量多、信息冗余的重量级模型,影响其在设计和生产过程中的使用效率,同时也限制了虚拟现实技术的应用,不利于轨道交通装备制造业的发展。针对以上问题,本文提出了两种模型轻量化算法,并设计了轻量化软件平台。首先,本文通过分析当前国内外智能制造现状、模型轻量化现状和轨道车辆部件三维模型的特点,论证了进行模型轻量化处理的必要性。其次,对计算机图形学应用在三维建模方面的理论进行探讨,并根据轨道车辆部件特点,选用3ds Max、CATIA两种建模工具进行参数化、模块化模型设计,进而对生成的模型文件格式进行分析。再次,在综合分析了模型轻量化经典算法以及误差测量标准的基础上,针对轨道车辆部件模型表面局部区域多明显尖锐棱角和曲面特征的特点,同时考虑车辆部件模型的质量和简化效率等因素,提出了基于二次误差测度的三角形邻域局部分析算法和曲面平整度分析算法,两种算法均能实现模型的轻量化,提升简化效果。然后,在Visual Studio 2010集成开发环境下,把OpenGL作为三维驱动开发包,利用C/C++语言编程,设计和实现了车辆部件三维模型轻量化软件平台,能完成模型数据导入、平滑处理、算法运行等功能。最后,使用本文设计的轻量化软件平台对模型进行测试,得到轻量化效果图和误差、运行时间等数据。并借助Matlab软件对三种算法的数据进行对比分析,验证了本文提出的模型轻量化算法的可行性和有效性,同时论证了设计的轻量化软件平台的实用性。采用两种改进方法对模型进行轻量化处理,能促进虚拟工厂、虚拟制造的发展,对轨道交通装备制造业有重要的实际应用价值。
暂无评论