浅议子母车系统在生产中的应用

对子母车系统进行了概述。通过介绍子母车系统的工艺流程、子母车系统在生产中的应用情况,简述了其工作原理、特点及主要功能,为今后子母车系统的发展及推广应用提供一定的参考帮助。

一种基于激光与视频信息时空数据融合的行人检测方法

针对城市交通行人安全问题,本文提出了一种基于激光与视频数据融合的行人检测方法.通过激光与视频数据空间和时间上的融合,将激光数据映射到图像坐标;在激光聚类过程中,采用K-means聚类算法对激光云点进行聚类分析,然后运用行人宽度模型提取候选行人区域;在基于图像的行人检测过程中,选取头肩、躯干以及腿部人体特征部位,采用Haar-like特征集和Boosting算法进行训练,得到部位检测器;最后,基于贝叶斯决策的组合策略对候选行人区域进行有效判定.实验结果表明,本文所述算法有较好的检测精度和实时性能.

行人斜穿信号交叉口绿波设计及延误模型

针对行人斜穿信号交叉口的实际过街需求,利用时距图分析了不同信号相位相序设置和行人过街组织方案的运行效果,提出了行人连续横穿信号交叉口的绿波带设计方式。根据行人到达和离开位置点的时刻线,推导了行人沿顺时针、逆时针以及不固定方向连续过街的延误模型,建立了总的行人连续过街延误模型通式。算例分析和仿真试验结果表明:本文提出的行人连续过街延误模型能够准确计算行人斜穿信号交叉口的延误时间,获取最佳的信号相位相序和行人过街组织方案,从而实现了行人连续过街的绿波通行,减少了行人连续过街的延误时间。

基于K-means算法的行人检测方法研究

行人作为交通事故易受伤群体之一,其安全保障越发受到重视。结合车载激光测距仪实时采集的车辆前方障碍物距离信息,提出基于K-means算法的行人检测方法。首先对激光测距仪接收的距离信息进行报文解析,形成激光云点图。其次,对激光云点图进行预处理,消除冗余数据。再应用K-means聚类算法对前方障碍物进行分类,最后建立行人宽度模型甄别行人目标。试验结果表明,基于K-means聚类算法能从激光云点图中快速提取行人目标,为汽车主动安全及交通安全研究提供基础。

基于改进Adaboost的行人快速检测与定位算法

随着智能交通的发展,道路行人主动安全的重要性愈发凸显,且越来越受到国内外研究机构的重视。选取Harr-like特征,利用积分图快速计算矩形特征,对传统的Adaboost算法引入优化更新权重的方法,提出1种基于级联分类器的行人检测方法,实现行人的实时区域快速检测。实验结果表明,基于改进Adaboost算法的快速行人检测与定位方法实时性强、准确率高,基于该算法的行人快速检测与定位系统可靠性高、鲁棒性强。