面向道路场景语义分割的移动窗口变换神经网络设计

道路场景语义分割是自动驾驶环境感知的一项重要任务。近年来,变换神经网络(Transformer)在计算机视觉领域开始应用并取得了很好的效果。针对复杂场景图像语义分割精度低、细小目标识别能力不足等问题,本文提出了一种基于移动窗口Transformer的多尺度特征融合的道路场景语义分割算法。该网络采用编码-解码结构,编码器使用改进后的移动窗口Transformer特征提取器对道路场景图像进行特征提取,解码器由注意力融合模块和特征金字塔网络构成,充分融合多尺度的语义特征。在Cityscapes城市道路场景数据集上进行验证测试,实验结果表明,与多种现有的语义分割算法进行对比,本文方法在分割精度方面有较大的提升。

自动驾驶中基于深度学习的3D目标检测方法综述

随着激光雷达传感器和深度学习技术的快速发展,针对自动驾驶3D目标检测算法的研究呈现爆发式增长。为了探究3D目标检测技术的发展和演变,对该领域中基于深度学习的3D检测算法进行了综述。根据车载传感器的不同,将当前基于深度学习的自动驾驶3D目标检测算法分为基于相机RGB图像、基于激光雷达点云、基于RGB图像–激光雷达点云融合的3D目标检测3种类型。在此基础上,分析了各类算法的技术原理及其发展历程,并根据平均检测精度(mAP)指标,对比了它们的性能差异与模型优缺点。最后,总结和展望了当前自动驾驶3D目标检测中仍然面临的技术挑战及未来发展趋势。

轴注意力引导的锚点分类车道线检测

由于车道线的多样性以及交通场景的复杂性等问题,车道线检测是一项具有挑战性的任务。其主要表现在当车辆行驶在拥堵、夜晚、弯道等车道线不清晰或被遮挡的道路上时,现有检测方法的检测结果并不理想。本文基于检测方法的框架提出了一种轴注意力引导的锚点分类车道线检测方法来解决两个问题。首先是车道线不清晰或缺失时存在的视觉线索缺失问题。其次是锚点分类时用混合锚点上的稀疏坐标表示车道线带来的特征信息缺失问题,从而导致检测精度下降,所以通过在骨干网络中添加轴注意力层来聚焦行向和列向的显著特征来提高精度。在TuSimple和CULane两个数据集上进行了大量实验。实验结果表明,本文方法在各种条件下都具有鲁棒性,同时与现有的先进方法相比,在检测精度和速度方面都表现出综合优势。

贝叶斯网络发展及其应用综述

贝叶斯网络(BN)是一种用于描述变量间不确定性因果关系的图形网络模型,用于不确定性系统建模和推理,处理涉及到预测智能推理、诊断、决策风险及可靠性分析的问题.本文首先对贝叶斯网络做了一个简略的介绍,随后综述了贝叶斯网络近30年的发展及功能扩展,对其在工程技术领域的应用包括故障诊断及可靠性分析等方面做了一个回顾,最后对BN现有的不足和未来的研究趋势做了总结和展望.

基于模型的现代汽车电子系统开发和测试

基于模型的汽车电子系统开发的核心是利用计算机仿真技术建立一个虚拟的汽车电子系统开发平台,该虚拟平台的开发包括模型开发和测试方法开发。针对各电控单元的性能指标可开发其仿真模型,程序代码由仿真模型自动转换产生。以汽车仪表盘的测试为例,对整个测试过程做了介绍。

辅助生殖患者社会支持程度对心理弹性及生存质量的影响研究

目的:探讨辅助生殖患者社会支持程度对心理弹性及生存质量影响。方法:选取2016年1月-2019年9月本院收治的120例辅助生殖患者为研究对象,采用调查问卷方法对其生存质量、心理状况及社会支持状况开展调查,分析辅助生殖患者社会支持程度与心理弹性及生存质量的相关性。结果:120例辅助生殖患者生活质量总分为(215.26±21.30)分,其中物质生活条件(50.25±15.32)分,心理状况(54.25±6.21)分,躯体状况(54.85±13.45)分,社会功能(57.25±6.21)分。社会支持程度总分为(37.24±5.88)分,其中主观支持(20.54±2.96)分,社会支持利用度(7.89±0.75)分,客观支持(10.88±2.54)分。焦虑评分为(60.57±6.42)分,抑郁评分为(23.97±2.21)分。辅助生殖患者工作与学习、性功能、躯体不适感、睡眠与精力、婚姻与家庭评分及生活质量总分均与社会支持各项评分及总分均呈正相关(P<0.05)。辅助生殖患者抑郁及焦虑评分与社会支持各项评分及总分均呈负相关(P<0.05)。结论:辅助生殖患者焦虑、抑郁状况普遍存在,心理弹性较差,且生活质量相对较低,这些负面情况与社会支持密切相关。护理人员应充分利用社会支持系统,加强其心理疏导及情感支持,这对于提升患者家庭生活质量至关重要。

优质护理在接受辅助生殖技术治疗高龄妇女中的应用

目的:探讨优质护理在接受辅助生殖技术治疗高龄妇女中的应用效果。方法:选取深圳市罗湖区人民医院2017年2月~2019年3月辅助生殖技术治疗高龄妇女60例为研究对象,根据治疗的先后顺序进行分组,分为对照组30例和观察组30例,观察两组高龄妇女微刺激促排卵后的获卵数目、周期取消比例、优胚比例、临床妊娠比例、焦虑、抑郁评分、妊娠结局情况。结果:两组高龄妇女微刺激促排卵后的获卵数目、优胚比例比较,差异无统计学意义(P>0.05),观察组周期取消比例低于对照组,临床妊娠比例高于对照组,差异有统计学意义(P<0.05)。两组高龄妇女干预前焦虑和抑郁评分比较,差异无统计学意义(P>0.05),干预后两组焦虑和抑郁评分均低于同组干预前,观察组干预后焦虑和抑郁评分均低于对照组,差异有统计学意义(P<0.05)。两组高龄妇女1年内生化妊娠比较,差异无统计学意义(P>0.05),观察组1年内宫内妊娠、总妊娠率均高于对照组,差异有统计学意义(P<0.05)。结论:优质护理在接受辅助生殖技术治疗高龄妇女中应用,可以提高妊娠效率,改善不良情绪,值得临床推广应用。

“汽车电子与仿真测试”课程中活动引导式教学方法的应用与实践

活动引导式教学法是一种教师在教学过程中,发挥引导作用,在强化学生主体地位的同时,为学生提供特定的学习情景,提高学生的自主学习能力,加深学生对知识的理解以及对实际技能的掌握的一种教学方法。在分析上海理工大学光电学院"汽车电子与仿真测试"课程教学现状的基础上,介绍了活动引导式教学的相关概念,引出了行为活动式教学法在"汽车电子与仿真测试"课程教学中的应用与实践。

针对性护理在预防经外周静脉置入中心静脉导管后并发深静脉血栓中的效果及应用

目的:探讨在预防经外周静脉置入中心静脉导管(PICC)后并发深静脉血栓中应用针对性护理的临床效果。方法:选择80例于深圳市罗湖区人民医院接受PICC置管治疗的患者作为观察对象,均为2016年10月~2019年10月期间入院,将患者随机分为观察组和对照组各40例。对照组给予常规护理,观察组实施针对性护理,对比两组患者的干预效果。结果:经护理后,观察组患者的SAS评分(42.77±3.33)分以及SDS评分(39.23±1.88)分显著低于对照组患者的SAS(58.43±3.87)分以及SDS(55.20±3.17)分,差异均有统计学意义(P<0.05)。观察组患者并发症发生率2.50%显著低于对照组患者的22.50%,差异有统计学意义(P<0.05)。结论:针对性护理在PICC置管患者中应用可有效改善其负性情绪,降低深静脉血栓发生率。

电力电缆循环加热试验中热力学工态研究

为研究电力电缆热循环载流量试验中电缆的温升特性,以及介质损耗和环境温度对电力电缆温升的影响,完善了空气中电缆集中参数等效热路模型,建立了暂态下对导体损耗、介质损耗和环境温度进行实时修正的热流微分方程.仿真计算给电缆施加恒定电流时电缆导体、金属套的温升,介质损耗对温度的工态影响,电缆热循环载流量试验中电缆各层的暂态温升和自然冷却曲线,并与实际试验所测得的温升曲线进行拟合验证.研究结果表明,高压电力电缆热循环试验中,介质损耗对电缆温升影响较大,试验中需要对导体损耗、介质损耗和环境温度进行实时修正.

漏泄电缆自动检测系统研究

为了解决传统漏泄电缆检测系统的应用局限性及低效性,设计了基于片上可编程系统的漏泄电缆自动检测系统。根据漏泄电缆检测的功能需求,该系统利用PSoC4实现运动控制与数据采集,通过双无线射频芯片完成磁区通信。然后,利用硬件对测距脉冲计数弥补软件的不足。最后,通过上位机软件实现漏泄电缆远程自动检测流程。实验数据表明,2.4 GHz通信频段下,通信速率达到2 Mbit/s,通信误码率小于2%,并且150 m内系统测距误差小于0.5%。满足漏泄电缆自动检测系统的低成本、高效及精度高等要求。

实时双目立体视觉系统的实现

依据双目立体视觉原理,对双目立体视觉系统的设计与实现展开研究,介绍了双目立体视觉系统的组成,并对系统涉及的主要关键技术进行了探讨。结合相关的硬件设备,利用VS2012软件开发平台实现了双目立体视觉系统。该系统可实时地进行图像采集、边缘检测、立体匹配等功能,同时由于采用3种确认算法,最大限度地去除错误匹配,得到良好的视差图。

科室联动服务模式在化疗间歇期PICC导管维护中的应用

目的：探讨科室联动护理服务模式在化疗间歇期PICC导管维护中的应用效果。方法：选取2010年1月~2013年12月符合入组条件的患者40例，随机等分为观察组和对照组，对照组给予常规护理，观察组采用科室联动服务模式进行维护护理。结果：观察组患者在化疗间歇期发生机械性静脉炎、穿刺点感染、导管移位、穿刺点周围皮肤过敏、维护间隔时间≤6d的异常情况明显减少。结论：实行科室联动服务维护模式，可以确保全院PICC带管患者在化疗间歇期得到规范化标准化的护理。

基于卷积神经网络的激光雷达点云目标分割

对激光雷达点云进行道路对象的语义分割,尤其是对感兴趣实例(如汽车、行人和自行车)的检测与归类。将此问题明确表达为逐点分类问题,并以卷积神经网络(Convolutional Neural Nets,CNN)为基准网络设计网络结构,对预处理过的点云数据进行语义分割。具体地,CNN将转化后的雷达点云数据作为输入,直接输出逐点标号的预测图,再通过条件随机场(Conditional Random Field,CRF)对预测图进行完善。CNN模型在KITTI数据集产生的LiDAR点云上训练,逐点分割标签源自KITTI产生的3D边界框。实验表明,设计的网络结构基本满足自动驾驶所需要的高精确度和快处理速度(每帧13.8 ms左右)。

基于仿真的汽车电子控制器软件开发方法研究

以车身控制系统中的车窗控制器和雨刮控制器为例,研究一种基于仿真及代码自动生成的汽车电子控制器软件的新型开发方法.利用Simulink/Stateflow建立汽车电子控制器算法模型,进行离线仿真验证和快速模型验证,然后通过RTW自动生成可执行的代码,最后可将自动生成的代码直接嵌入到控制器硬件中,实现了汽车电子控制系统的软件开发.通过与Simulink中仿真结果进行对比,验证了该方法的可行性和正确性.经过实践证明该开发模式可以大大缩短控制系统的开发周期,对于汽车电子系统的开发具有一定的实用价值.另外,在软件开发的各个阶段对设计功能进行测试验证,提高设计开发的正确性.

基于CNN的点云图像融合目标检测

针对自动驾驶场景中目标检测存在尺度变化、光照变化和缺少距离信息等问题,提出一种极具鲁棒性的多模态数据融合目标检测方法,其主要思想是利用激光雷达提供的深度信息作为附加的特征来训练卷积神经网络(CNN)。首先利用滑动窗对输入数据进行切分匹配网络输入,然后采用两个CNN特征提取器提取RGB图像和点云深度图的特征,将其级联得到融合后的特征图,送入目标检测网络进行候选框的位置回归与分类,最后进行非极大值抑制(NMS)处理输出检测结果,包含目标的位置、类别、置信度和距离信息。在KITTI数据集上的实验结果表明,本文方法通过多模态数据的优势互补提高了在不同光照场景下的检测鲁棒性,附加滑动窗处理改善了小目标的检测效果。对比其他多种检测方法,本文方法具有检测精度与检测速度上的综合优势。

视觉里程计算法研究综述

视觉里程计通过分析相机获取的图像流信息估计移动机器人的位姿。为了深入分析视觉里程计算法的发展现状,结合一些先进的视觉里程计系统,综述了视觉里程计的相关技术以及最新的研究成果。首先简述了视觉里程计的概念和发展历程,介绍了视觉里程计问题的数学描述和分类方法;然后,详细阐述了视觉里程计的关键技术,包括特征模块、帧间位姿估计和减少漂移;此外,还介绍了基于深度学习的视觉里程计的发展动态。最后,总结了视觉里程计目前存在的问题,展望了未来的发展趋势。

智能车多类障碍物贝叶斯网络分类方法

本文提出了一种用于智能车,基于贝叶斯网络分类模型的道路多类型障碍物分类方法.以立体视觉方法获取的目标的三维尺寸为特征,采用预设经验的NPC算法训练产生优化的网络结构,通过EM算法训练产生离散节点的条件概率表和连续节点的条件概率分布,产生贝叶斯网络分类模型.将检测到的道路目标分成行人、骑行者、小汽车、小货车、卡车五类.用公共图像数据库KITTI对本方法进行测试,实验结果表明本文所提方法优于现有同类工作.

基于HIL和机器视觉的汽车仪表测试平台

针对人工进行汽车仪表测试时低效率的现状,提出一种有效的检测方法,结合了硬件在环(HIL)和机器视觉技术。已开发的系统能在实时环境下模拟车辆行为,并通过一个智能摄像机进行视觉检测,用上位机控制整个操作流程,进而实现汽车整车的自动化检测。文中介绍了模型仿真和图像处理两部分,并在实验室环境下对指示灯状态、指针状态和字符显示等功能进行了验证,实验证明了检测结果的正确性和稳定性。该系统具有较大的实用价值。

基于点云与图像交叉融合的道路分割方法

道路检测是车辆实现自动驾驶的前提。近年来,基于深度学习的多源数据融合成为当前自动驾驶研究的一个热点。本文采用卷积神经网络对激光雷达点云和图像数据加以融合,实现对交通场景中道路的分割。本文提出了像素级、特征级和决策级多种融合方案,尤其是在特征级融合中设计了四种交叉融合方案,对各种方案进行对比研究,给出最佳融合方案。在网络构架上,采用编码解码结构的语义分割卷积神经网络作为基础网络,将点云法线特征与RGB图像特征在不同的层级进行交叉融合。融合后的数据进入解码器还原,最后使用激活函数得到检测结果。实验使用KITTI数据集进行评估,验证了各种融合方案的性能,实验结果表明,本文提出的融合方案E具有最好的分割性能。与其他道路检测方法的比较实验表明,本文方法可以获得较好的整体性能。