基于ORB全局特征与最近邻的交通标志快速识别算法

交通标志包含重要的交通信息,交通标志的自动识别是智能车辆和智能辅助驾驶系统(advanced driver assistance systems,ADAS)的关键技术,快速和准确地识别交通标志对于安全驾驶意义重大。研究基于ORB算法全局特征的交通标志快速识别算法,ORB是一种局部描述算子,通常用于局部特征的匹配,首先将训练的交通标志图像大小归一化,图像的中心点作为ORB的特征点,通过运用归一化的图像大小作为一个ORB图像块,计算了特征点的描述符并且用它作为全局描述符来进行交通标志的识别。识别阶段,在海明距离的基础上利用最近邻域算法识别出交通标志的类型。最近邻算法(K-Nearest Neighbor,KNN)的优点是所有成功识别出来的交通标志可以作为训练资源被训练数据库利用。利用公开的德国交通标志数据集(GTSRB)对所研究的算法进行测试,算法识别准确率达到91%。一个交通标志的特征提取和识别的平均时间小于2ms。实验结果表明,基于ORB算法全局特征的交通标志快速识别算法能精准、高效地识别交通标志,且鲁棒性好。

基于GPS与图像融合的智能车辆高精度定位算法

车辆自定位是实现智能车辆环境感知的核心问题之一.全球定位系统(Global Positioning System,GPS)定位误差通常在10 m左右,不能满足智能车辆的定位需求;惯性导航系统成本较高,不适于智能车辆的推广.本文在视觉地图基础上,提出一种基于GPS与图像融合的智能车辆定位算法.该算法以计算当前位置距离视觉地图中最近一个数据采集点的位姿为目标,首先运用GPS信息进行初定位,在视觉地图中选取若干采集点作为初步候选,其次运用Oriented FAST and Rotated BRIEF(ORB)全局特征进行特征匹配,得到一个候选定位结果,最后通过待检测图像中的局部特征点与候选定位结果中的三维局部特征点建立透视n点模型(Perspective-n-Point,Pn P),得到车辆当前的位姿,并以此对候选定位结果进行修正,得到最终定位结果.实验在长为5 km的路段中进行,并在不同天气及不同智能车辆平台测试.经验证,平均定位精度为11.6 cm,最大定位误差为37 cm,同时对不同天气具有较强鲁棒性.该算法满足了智能车定位需求,且大幅降低了高精度定位成本.

浅谈电力工程造价的合理控制

电力工程造价的控制和管理是电力基本建设投资管理的重要内容。近年来，电力建设发展迅速，有力地促进了国民经济的发展。与此同时，电力工程造价上涨幅度较大，电力企业必须从决策、设计、实施各个阶段入手，严格控制电力工程造价。