基于Haar-like和LBP的多特征融合目标检测算法

针对目标检测时Haar-like特征值过多、计算时间长、无法描述目标纹理特征且识别率一般的问题,提出一种基于滑窗原点信息的阈值自调节IHL(Improved Haar-like LBP)特征提取算法。该算法首先构造了IHL特征编码方法,将Haar-like特征和局部二值LBP特征融合;然后在计算Haar-like型局部二值化特征时,使用高斯矩阵获得符合像素分布规律的自调节阈值;同时在求特征值时引入中心点像素信息,确保提取的特征值的合理性;最后使用AdaBoost训练得到级联分类器,将其载入系统,并在KITTI车辆数据集和INRIA Person行人数据集上进行实验测试。实验结果表明,该方法可在65 s内识别1102个行人目标,在114.3 s内识别1852个车辆目标,相比传统算法其可以明显加快目标识别的速度,对行人和车辆目标的识别率均可达到94%以上,其检测准确性相比其他方法也有显著提升。

三维激光雷达点云空间多特征分割

多线固态激光雷达已成为无人平台环境感知的重要工具,在车载环境建模中得到大量应用。但由于激光雷达分辨率较低、环境噪声敏感、场景复杂等问题,造成场景分割困难。针对实测车载多线激光雷达数据中建筑体点云及植被点云的曲率差异,提出了一种改进的多线激光雷达三维点云的快速分割方法。在曲率分割的基础上,采用加权欧聚类进行二次迭代分割,减少迭代的同时避免陷入局部最优。通过无人平台实测数据采集处理实验和公共数据实验,验证了空间多特征分割方法在激光雷达点云分割方面的有效性;针对场景最终的分割结果,在场景过分割率、欠分割率及正确分割率方面进行了统计,并与传统区域生长分割算法进行了对比分析,结果表明空间多特征分割算法在不同场景的分割中具有较强的适用性及分割准确度。

谈电网调度与电网安全运行存在的问题及处理措施

在电网运行中电网调度是非常重要的调节环节以及安全保障,同时也是对电网操作起到重要影响。对其中影响安全性的因素开展分析,对电网的安全运行是非常有帮助的。本文结合这一需求,总结了电网调度以及运行中的问题,并提出了处理的措施,希望对电网的安全稳定运行是有所帮助的。