基于凸包算法的极端运行方式提取方法

在电力系统规划与运行的安全稳定计算中,一般选择对安全稳定最不利的运行方式进行校验,但随着新能源渗透率的增加,电网越发复杂多变,人工选择场景主观性较强,针对此问题,提出了一种基于快速凸包算法的极端运行方式提取,从而满足场景选取进行安全校核需求。从电源规划、发输电协调规划两个角度,考虑发电充裕性、火电爬坡需求、网络传输安全3个方面,分析影响规划的极端运行方式;基于凸包算法分别从上述3个方面构建坐标系进行极端运行方式提取;采用中国西北地区电网为算例进行极端运行方式提取,并与基于K-means算法的极端场景提取做对比,结果表明:所提方法能为场景选取提供有效数据支撑,满足电网规划要求。

基于驾驶行为基元的典型驾驶场景识别与提取方法

为了从海量自然驾驶数据中有效提取典型驾驶场景,提出一种基于驾驶行为基元的典型驾驶场景识别与提取方法,搭建了具有多类场景覆盖及通用程度高的典型驾驶场景自动化识别与提取框架,解决了当前方法仅适用特定单一场景提取,无法从大规模数据中高效提取场景的问题。

自动驾驶汽车测试场景基元自动提取方法

本文中提出了一种基于自然驾驶数据库的自动驾驶汽车测试场景基元自动提取方法。以隐马尔科夫模型为框架,采用向量自回归模型为观测概率分布函数,采用层次狄利克雷过程为模型进行先验分布和后验更新,通过解耦过程和黏性过程抑制模型隐状态的快速切换,实现给定观测数据下隐状态的求解,并根据隐状态对场景基元进行自动划分。最后,以一段随机自然驾驶序列为例进行了算法测试验证,结果表明,所提出的方法可从自然驾驶数据库中非参数地、可解释地、全自动地提取测试场景基元,所提取的场景基元具有明确的物理意义,可为基于场景的自动驾驶汽车测试奠定良好基础。

基于融合感知的场景数据提取技术研究

驾驶场景数据是智能网联汽车自动驾驶技术研发的重要基础,是自动驾驶算法开发以及产品测试的核心资源。提出一种基于视觉与激光雷达融合感知技术的场景数据提取方法,通过视觉感知技术处理场景采集的视频数据,获取车辆周围道路、基础设施、行人、车辆等场景动态和静态元素,并与激光雷达探测结果进行匹配,从而从采集平台采集到的传感器数据中提取出符合OpenScenario格式的驾驶场景数据。并且以中汽中心驾驶场景数据采集平台所采集到的数据为实验对象,通过与单目视觉场景采集平台采集的数据进行对比,验证该方法的准确性。

一种新的自然场景标志牌文本提取算法

从复杂的自然场景标志牌图像中提取和识别字符一直是数字图像处理领域的热点问题,目前的求解算法普遍存在提取文本精确度不高,提取率偏低,鲁棒性差等缺点。提出一种高效的文本提取算法,针对标志牌文本图像通常具有较复杂的自然背景等特征,首先对原始图片进行模糊化处理,然后进行Laplacian边缘提取,再对边缘图像进行非文本长边缘的删除,最后根据文本区域的特征进行边缘扫描和连通域分析实现标志牌文本的提取。通过对2003年国际自然场景文本识别竞赛(ICDAR’2003 Ro-bust Reading Competition)中大量图片测试表明,该算法对背景的复杂度、文字语言、颜色、大小字体以及排列方向具有较强的鲁棒性,同时也具有较高的准确率(Precision)和提取率(Recall)。

2D地图的建筑物场景结构提取方法及其在城市增强现实中的应用

城市AR中,场景结构的自动获取,对自适应信息表达具有重要意义,是解决“层叠式”信息表现形式引发的信息指示不明、场景感知混乱等问题的关键步骤。然而,场景结构信息隐藏在场景图像中,直接提取十分困难。2D地图描述了地理实体的位置、轮廓和空间布局,可作为场景结构提取的先验信息。针对城市AR中场景结构获取难、效率低的问题,本文提出一种基于2D地图的建筑物场景结构自动化提取方法。在地理配准的基础上,首先根据2D地图中建筑物的轮廓和属性信息,构建场景图像语义分割的结构线索;然后将其作为过分割处理后场景图像合并的依据,生成多个包含语义信息的图像区域;最后根据图像区域与2D地图中建筑物轮廓之间的映射关系,提取出场景图像中的区域轮廓、场景深度和平面朝向等场景结构信息。试验选取了格拉茨地区32个建筑物场景进行测试。结果表明本文方法能实时地提取建筑物场景结构,且建筑物立面提取的质量明显优于对比方法。提取的场景结构能应用于城市AR多种自适应信息表达方法中,使信息标注更明确,遮挡关系更清晰。

一种自动驾驶仿真场景要素的提取方法

针对场景及其内容定义不明确、场景基本要素提取多为主观分析和不同测试主体的场景要素选择和设计不可解释等问题,本文中提出一种汽车自动驾驶仿真场景的关键要素提取方法。该方法从自动驾驶系统角度逐级分析场景要素对感知、决策和控制模块的影响,并根据对自动驾驶不同子模块的影响,建立为一种要素-结构-功能平面的映射方程,然后基于平面节点判别矩阵建立场景要素的提取模型,量化场景要素的重要性并进行判别和筛选。最后通过分析第四届世界智能驾驶仿真挑战赛的行人安全避撞场景的元素构成,验证了所提方法的可行性和有效性。

应用于艺术辅助设计的场景视觉理解算法研究

针对原有艺术辅助设计中对已知视觉场景图像信息提取不准确,造成输出图像不清晰的问题,研究一种基于场景视觉理解算法的艺术辅助设计方法。对已知视觉场景图像按照设定阈值进行颜色分割,形态学处理分割后图像,减小噪声以及断裂影响获取的连通区域,制定提取规则筛选候选区域。采用致密采样的形式提取候选区域内更多的SIFT目标特征,匹配特征点,将已知图像信息坐标系整合成统一坐标系,输出设计图像,完成艺术辅助设计。仿真实验结果表明,基于场景视觉理解算法的艺术辅助设计方法较原有方法对已知图像的信息提取更准确,有助于解决输出图像清晰的问题,提高了图像的整体设计效果。

基于场景知识的移动目标检测

依据背景差法中背景建模的思想,从提取场景知识的角度出发,建立待检测场景的场景知识库,从而提出一种基于场景知识的移动目标检测算法。使用改进的均值漂移算法对待检测场景进行分割,并提取分割后各个区域的底层视觉特征建立场景知识库;从新的场景帧图像中获取各区域的知识特征向量,然后根据和原场景知识库中各特征向量的匹配结果检测出移动目标信息。仿真结果表明,该方法能有效地检测出场景中原有目标和新进入场景目标的移动信息,并在一定程度上改善了目标阴影、形变等噪声对检测结果的干扰。

面向地下停车场的原始数据与场景数据采集与并行计算

自动泊车功能是当前自动驾驶领域有望率先实现量产的重要功能之一。自动泊车功能的开发和测试面临的一个重要问题就是场景的采集与提取。基于三种典型停车场场景,从硬件传感器搭建、感知算法开发和场景数据处理分析三方面分别展开:对采集平台搭建工作,主要介绍如何进行传感器的安装,时间轴标定,和空间坐标统一;对于感知算法开发,重点介绍基于毫米波雷达和视觉传感器的匹配算法和融合方式;对于海量场景数据的处理分析,开发自动化批量数据处理Python程序,实现TB级的原始数据标注,并在短时间内完成自动化处理,整个技术方案和工具链具有较高的科研价值和商业价值。

面向城市增强现实信息标注的建筑物场景结构提取方法

在信息标注中融入场景结构信息能有效解决城市增强现实(augmented reality,AR)信息指示不明、空间遮挡表达不清和视图布局叠置等问题。针对城市AR信息标注中场景结构缺失的问题,提出了一种考虑地理语义且兼顾精度、效率和稳健性的建筑物场景结构提取方法。首先构建了面向建筑物场景结构提取的场景感知网络,从单张场景图像中提取语义、深度和法向量信息;然后将其转化为建筑物立面角点和朝向等结构特征,并计算与2D地图中建筑物轮廓之间的最佳匹配;最后将场景图像按建筑物立面进行重构,提取区域轮廓、场景深度和立面朝向等场景结构。试验采用Google街景数据生成的9 470组样本训练和测试场景感知网络,并在Graz地区32组建筑物场景中测试场景结构提取的有效性。结果表明,所提方法能够达到近实时的效果,且立面轮廓更规则。在存在一定配准误差或局部遮挡的条件下,立面提取的质量显著优于基于地图解析场景图像的方法,具有更好的稳健性。

镜头内容分析及其在视频检索中的应用

提出了一种镜头内容分析方法及其在视频检索中的两个应用:镜头检索与场景结构提取.为了刻画一个镜头的内容变化,首先引入两个新的内容描述子:主色直方图和空间结构直方图.主色直方图能够捕捉那些持续时间最长的颜色,而这些颜色是这段视频所关注的对象或背景的主要颜色.从颜色块图提取的空间结构直方图是描述图像空间信息的一组特征.一个变化较大的镜头可以划分为几个内容一致的子镜头,两个镜头的相似性可以从对应子镜头的相似性计算得到.镜头相似性度量可以直接用于镜头检索,还可用于场景结构提取.另外,还提出分裂与合并力量竞争的场景结构提取方法.在大容量视频数据库上进行实验所得结果证实了该方法在镜头检索和场景提取的优异表现.

REAL-TIME TRACKING FOR FAST MOVING OBJECT ON COMPLEX BACKGROUND

A real-time tracking system for the fast moving object on the complex background is proposed.The Markov random filed（MRF）model based background subtraction algorithm is used to detect the changing pixels and track the moving object.The prior probability of the segmentation mask is modeled by using MRF,and the object tracking task is translated into the maximum a-posterior（MAP）problem.Experimental results show that the method is efficient at both offline and online moving objects on simple and complex background.

基于空地信息互补的无人车路线规划

空地机器人通过相互协作获得的信息互补特性,使其在多智能体协同领域具有显著优势。由于室外场景受地形条件、光照变化等影响,地面机器人凭借自身传感器无法完整获得有效的地面环境特征,因此提出一种室外大范围场景下的地面特征提取方法,可通过获取到的全局环境信息指导地面机器人完成导航任务。利用机载视觉及YOLOv3目标检测算法对室外场景的目标物进行检测与定位;对于全局场景图像特征的提取,建立点对间映射函数模型,剔除待匹配图像的外点,从而配准场景图像并对其进行拼接,使用加权平均融合淡化拼接缝隙;通过k(聚类中心数)均值聚类算法分割全景图像,并采用形态学方法滤除噪声,最终获得全局场景特征;在此基础上改进基于采样的路径规划方法,为地面无人车提供一条可行的全局路线。通过仿真实验及室外场景测试表明:地面场景特征提取算法提升了室外大范围场景下所提取到特征的鲁棒性和准确性,改进的路线规划方法进一步缩短了路径长度,可为无人车自主导航提供有效的全局环境信息。