基于双层-分块检测网络的厂站接线图纸图符检测方法

为了解决高分辨率大尺寸电气厂站接线图图元符号检测精度不高、小目标图元漏检误检等问题,提出一种基于双层-分块检测网络的厂站接线图图符检测方法.该方法将电气厂站接线图按照电气逻辑切割后对断路器、隔离开关、电抗器、接地刀闸等11种典型图元进行识别.双层-分块检测网络由基于Area-YOLOv5网络的关键区域检测层和基于Obj-YOLOv5网络的具体图元识别层构成.首先,使用Area-YOLOv5网络检测出图纸的关键区域块,其关键区检测精度达到98.5%.其次,使用Obj-YOLOv5网络识别出具体图元符号,该网络采用融合了SE注意力机制和深度可分离卷积的LC_Block模块替换瓶颈部分中的普通卷积层,图符检测精度为0.963.所提方法以较高的精度实现了电气厂站接线图图元符号的识别检测.

面向轻轨的高精度实时视觉定位方法

轻轨作为城市公共交通系统的重要组成部分,对其实现智能化的管理势在必行.针对城市轻轨定位系统要求精度高、实时强且易于安装等特点,本文提出一种基于全局-局部场景特征与关键帧检索的定位方法.该方法在语义信息的指导下,从单目相机获取的参考帧中提取区别性高的区域作为关键区域.并结合像素点位置线索利用无监督学习的方式筛选关键区域中描述力强的像素对生成二值化特征提取模式,不仅能够提升匹配精度还显著提高了在线模块场景特征提取与匹配的速度.其次,以场景显著性分数为依据获取的关键帧避免了具有相似外观的场景给定位带来的干扰,并能辅助提高场景在线匹配的精度与效率.本文使用公开测试数据集以及具有挑战性的轻轨数据集进行测试.实验结果表明,本系统在满足实时性要求的同时,其定位准确率均可达到90%以上.