融合CBAM注意力机制与可变形卷积的车道线检测

为满足自动驾驶及汽车高级驾驶辅助系统(ADAS)对车道线检测准确性和实时性的要求,提出一种融合卷积块注意力机制(CBAM)与可变形卷积网络(DCN)的车道线检测方法CADCN。在特征提取模块中嵌入CBAM注意力机制,增强有用特征并抑制无用特征响应;引入可变形卷积替换常规卷积,用带偏移的采样学习车道线的几何形变,提高卷积核的建模能力;基于行锚分类思想,对行方向上的位置进行选择和分类分析,预测车道线的位置信息,提高车道线检测模型的实时性。在车道线公开数据集上对所提CADCN方法进行训练及验证,在满足实时性的情况下,CADCN方法在TuSimple数据集上准确率达到96.63%,在CULane数据集上综合评估指标F1平均值达到74.4%,验证了所提方法的有效性。

基于深度学习的铁路异物侵限快速检测方法

针对列车运行环境内因意外突发事件所造成的异物侵限而影响列车安全运行的问题,在被广泛应用于工业领域的YOLOv3目标检测模型的基础之上,提出一种融合轨道限界和侵限异物识别的快速检测方法。首先,以ResNet-18网络作为铁路限界检测的主干网络,利用辅助检测模块提升限界检测精度,达到特征提取速度快,语义信息丰富充足等目标。同时采用基于行锚框的分割算法检测轨道线坐标位置,结合标准轨距下的限界定义确定铁路异物入侵限界的范围,以减少侵限异物检测的区域。其次,设计基于Octave卷积的层内多尺度残差模块,将单通道卷积变为基于图像频率的双通道卷积,以降低卷积计算量,进一步提升异物侵限算法的检测速度。最后,引入空间金字塔模块和特征自适应融合模块,实现高、低级语义信息交换,从而增加网络对不同尺度目标的感知能力,并减少语义冲突问题。通过对比实验验证异物侵限检测算法的精度、速度和有效性。实验结果表明,所述方法能以172帧/s的速度对轨道位置和限界区域进行检测,精确度达98.12%。与其他算法相比,在大中小3种目标尺度上都超越了其他对比算法。所提出的融合轨道限界和侵限异物检测的方法,在保证精度的前提下,速度达到YOLOv3算法的2倍,能够满足列车对侵限异物的实时检测需求。

带线锚钉行喙锁韧带单束与双束重建在肩锁关节脱位中的效果比较

目的比较带线锚钉行喙锁韧带单、双束重建在肩锁关节脱位中的临床效果。方法将78例肩锁关节脱位患者按治疗方案不同分为A组与B组,每组39例。A组采取带线锚钉行喙锁韧带单束重建,B组采取带线锚钉行喙锁韧带双束重建。比较2组术后并发症发生率、术后1周与1年肩功能评分、手术时间及住院费用。结果2组术后并发症发生率、术后1周与1年肩功能评分比较差异均无统计学意义(P>0.05),但B组手术时间和住院费用均明显高于A组(P<0.05)。结论带线锚钉行喙锁韧带单、双束重建在肩锁关节脱位中均有较好的临床效果,但带线锚钉行喙锁韧带单束重建具有更高的经济效益,有助于患者早日出院。

复杂场景中的快速车道线检测方法

车道线检测是实现无人驾驶系统的一项重要任务。针对当前基于分割的检测方法实时性能不足的问题,提出了一种快速车道线检测方法FracLane。设计一种高效的特征提取模块,通过分形的思想构造基于聚合不同大小感受野的分形残差结构,更准确地提取车道特征。结合龙格-库塔法,使用可训练参数对分形残差结构的输出进行加权融合,构造能进一步提升网络性能的分形残差模块(FracRes)。在特征解码阶段引入一种基于行锚检测方法的车道位置预测模块(LPP),极大提高网络的检测速度。在包含多种交通场景的车道检测数据集TuSimple和CULane上进行的大量实验,结果表明,该方法在两个数据集上最高可获得97.26%的准确率和78.1的F1评分,在800×288的分辨率下,最高可获得206 FPS的推理速度。与现有检测方法相比,该方法在检测精度与速度方面都有明显提高,达到实时检测任务的需求。

基于深度学习的铁路限界快速检测算法

列车行驶环境快速、可靠、精准感知是列车安全、高效运行的前提和关键支撑技术。列车若无法提前感知非法侵入铁路限界范围内的异物,并在短时间内有效制动,将会导致严重的安全事故。为解决列车运行环境内影响运行安全的异物侵限问题,基于深度学习算法,提出一种铁路轨道限界快速检测算法。该方法首先采用预设行锚框的方式对图像进行划分,将传统分割算法的逐像素预测,转变为对每个行锚框进行逐网格预测,以达到显著降低算法计算量,并提高检测速度的目的。同时,通过快速识别图像中属于轨道部分的像素,结合轨道线的连续特征进行追踪,达到铁路轨道坐标的智能快速识别。最后根据标准轨距下限界的定义,对识别出的轨道线坐标和侵限区域进行扩充,以确定铁路异物入侵限界的范围。通过在真实轨道数据集上的对比实验,验证所提算法能以172FPS的速度快速检测铁路限界,且轨道线和限界区域的识别精度分别达到98.96%和98.12%,F1值分别达到99.68%和98.95%,限界区域检测的平均交并比MIoU达到96.88%,各类指标均取得当前最好的准确率和性能,满足高速列车对环境感知精度和速度要求,可以为异物侵限检测、目标跟踪和列车控制等环境感知及运行控制等下游任务提供基础,提升列车运行的安全性。

巷道锚杆支护系统的不确定性研究

本文分析了巷道支护系统中影响锚杆抗力与围岩荷载的不确定性因素，探讨了围岩荷载及锚杆抗力的分布类型，对研究提高锚杆支护可靠性有借鉴意义。

基于ResNet-ViT和注意力机制的车道线检测方法

车道线检测是自动驾驶领域中的重要感知任务。针对当前基于卷积神经网络(CNN)的车道线检测方法存在网络推理速度慢和对细长车道线结构建模能力不佳的问题,提出了一种基于ResNet-ViT和注意力机制的车道线检测方法。具体地,该方法首先搭建主干网络ResNet用于特征提取,并在主干网络中引入Vision Transformer (ViT)的编码结构,以提高网络对车道线细长结构的建模能力。其次,设计辅助分割网络,在其中嵌入通道注意力机制模块,以增强网络对重要通道的学习能力;辅助分割网络与主干网络通过共享部分参数来实现权重共享,从而提高模型的效率和泛化能力。最后,特征解码部分引入行锚分类的思想,在特征图行方向上预测车道线的位置坐标,输出带有车道线标记点的图像。经过实验验证,本文所提出的方法在TuSimple数据集上的准确率达到96.04%,推理速度达到98帧/秒,验证了其有效性。

利用连续梁0#块三角托架进行挂篮改装的设计

挂篮为悬臂浇筑连续梁施工中必不可少的设备，大多采取在0#块施工前从其它单位转运或者在厂家加工定做的方法。成绵乐铁路二工区项目部管段内共计13座连续梁桥，挂篮需求数量较大，若全部采用新作或租赁成本投入较大，其中有9套采取了租赁以及倒用其它单位挂篮的方法，剩余的4套挂篮充分利用现场剩余材料自行加工。通过结构检算以及现场实际应用验证了挂篮改装的设计轻巧合理、组装快速，同时又节约了成本。