Vision-based long-distance lane perception and front vehicle location for full autonomous vehicles on highway roads

A new vision-based long-distance lane perception and front vehicle location method was developed for decision making of full autonomous vehicles on highway roads,Firstly,a real-time long-distance lane detection approach was presented based on a linear-cubic road model for two-lane highways.By using a novel robust lane marking feature which combines the constraints of intensity,edge and width,the lane markings in far regions were extracted accurately and efficiently.Next,the detected lane lines were selected and tracked by estimating the lateral offset and heading angle of ego vehicle with a Kalman filter,Finally,front vehicles were located on correct lanes using the tracked lane lines,Experiment results show that the proposed lane perception approach can achieve an average correct detection rate of 94.37% with an average false positive detection rate of 0.35%,The proposed approaches for long-distance lane perception and front vehicle location were validated in a 286 km full autonomous drive experiment under real traffic conditions.This successful experiment shows that the approaches are effective and robust enough for full autonomous vehicles on highway roads.

汽车淋雨检测线板链导向轮改进

某乘用车公司的淋雨检测线板链导向轮在长时间使用后出现异常磨损,导致板链运行不稳定,影响了汽车的生产效率,并且需要更换导向轮导致维保成本高。文章以此为出发点,从环境、材料、设计和受力等方面入手,分析了导向轮异常磨损的原因,在此基础上,通过对导向轮受力面增大、材料重新选择和结构优化等方面进行改进,并对改进后的新型导向轮设计装置进行验证。结果可知,新型导向轮的使用寿命显著提高,从而提升了生产效率和降低了维保成本。

结合自适应阈值与动态ROI的地标线检测方法

基于机器视觉的地标线检测一直以来都是车间自主巡检机器人研究的重点和难点问题之一.针对检测过程中易受车间地面积水、光照不均以及油渍粉尘污染等环境因素的影响从而导致误检率、漏检率较高,难以满足工程实际需求的问题,本文提出了一种基于自适应阈值分割与动态感兴趣区域划分的车间地标线检测方法(AT-DROI),该方法以分块图像为基础,首先按照特定特征对子块进行搜索,并剔除其中的离群噪声点,然后将环境因子与采样点相结合计算出特征颜色的双门限阈值,最后利用粗细粒度掩膜抑制特征图像中的干扰信息,有效实现了室内复杂环境下对地标线的高精度检测.通过在自采集的实际车间场景视频序列上进行大量对比实验,实验结果表明,本文方法在自采集的多组实际车间场景视频序列上测试的平均准确率、假阳性率和假阴性率分别达到了95.15%、3.73%和4.85%,平均每秒检测帧数为26fps,能够满足实际生产中对地标线检测的准确性和实时性要求.

低频导波检测技术在输油场站应用的效果分析

本文主要是对低频导波检测技术原理和应用进行分析,进而选取本次最优开挖验证点,通过MsS长距离超声导波检测仪在姬塬外输总站管网腐蚀检测过程中的应用效果分析,判断其应用效果具有哪些局限性和优缺点,为后续输油场站常规检测工作提供参考依据。

基于改进LSD的斜拉桥索力非接触鲁棒识别

拉索是斜拉桥的关键承载构件,其受力状态是评估桥梁安全状态的重要指标,准确测量拉索索力是保障桥梁结构安全的重要环节.基于此,建立一套可实现远距离、无靶标、高精度的斜拉索索力识别系统.该系统利用改进的直线检测(Line Segment Detector,LSD)算法对拉索进行追踪,从而识别拉索的振动信息;再通过模态分解(VMD)离散出斜拉索的有效振动信号,得到斜拉索的频率信息;最后利用振动频率法,从斜拉索的频率信息来估算出斜拉索的索力.在实验室条件下对长细比较大、像素占比较少的钢尺模型以及在大跨度斜拉桥上对斜拉索索力进行识别对比,确定了改进的LSD算法以及该系统对索力识别的精确性及鲁棒性.在钢尺模型试验中,改进的LSD算法识别到的钢尺振动信息与激光位移计对比误差仅为0.63%;在大跨度斜拉桥上的试验中,该系统识别到斜拉索的索力与接触式传感器对比误差小于3.0%.以上两个试验结果表明,本文提出的系统能够在复杂的实际工程现场环境中对斜拉索索力进行高精度识别.

基于深度学习的计算机视觉在隧道衬砌病害检测中的应用综述

隧道衬砌作为隧道的重要支撑结构,对其中存在的病害进行检测显得十分重要。然而,传统的隧道病害检测方法高度依赖人工,效率低下,并且存在一定的安全风险,因此,如何高效、安全地实现病害的自动检测成为了热门的方向之一。深度学习(DL)和计算机视觉(CV)被视为实现隧道衬砌病害自动检测的具有发展前景的方法。为了阐明DL技术和CV技术在病害检测中的研究与应用,总结了隧道衬砌病害检测技术的发展历程;基于数据对于DL模型训练的重要性,总结了衬砌病害数据集的建立过程;随后,总结了基于DL的CV技术在隧道衬砌表面病害和内部病害检测方面的方法和应用;最后,讨论了目前研究中存在的问题,并对未来的发展进行了展望。

自适应地平线约束下的车辆三维检测

目前较为常用的基于单目视觉的车辆三维检测方法是目标检测结合几何约束的方法,但是几何约束中消失点的位置对结果影响很大。为了获取更加准确的约束条件,提出一种基于地平线检测的车辆三维检测算法。首先,利用车辆图片获取消失点的相对位置,将车辆图片预处理至合适大小;然后,将经过预处理的车辆图片送入消失点检测网络,获得消失点信息热力图组,回归出消失点信息,并计算得出地平线信息;最后,根据地平线信息构建几何约束,在约束空间内对车辆初始尺寸迭代优化计算精确的车辆三维信息。实验结果表明,所述地平线求解算法能够获得更准确的地平线,与随机森林的方法相比,曲线下面积(AUC)提升1.730个百分点;同时,所提地平线约束能够有效地限制车辆三维信息,与使用对角线和消失点约束的算法相比,车辆三维信息的平均精度提升2.201个百分点。可见地平线可以作为几何约束在路侧单目相机的场景下求解车辆三维信息。

基于机器视觉的输送带撕裂检测方法

为保证带式输送机安全运行,及时发现输送带撕裂情况并进行处理,降低输送带撕裂带来的损失。通过对输送带撕裂特点进行研究,提出并验证了一种基于激光线条的输送带机器视觉撕裂检测方法,并搭建了输送带撕裂检测实验平台。在此平台上进行了输送带撕裂检测实验。根据得到的图像数据信息,该输送带撕裂检测系统可以达到预期的功能和效果,实现检测的准确性和实时性。

基于深度学习和无人机图像的架空线路缺陷巡检综述

架空输电线路巡检是电网运维工作的一项重要内容,利用无人机进行线路巡视检测已成为运维人员完成电力巡检工作的重要手段。首先,文中概述无人机巡检任务中人机协同作业系统以及无人机智能自主作业系统的架构;其次,分析当前架空输电线路缺陷巡检领域数据集状况以及数据扩增技术;再次,综述基于深度学习的无人机图像缺陷检测典型方法以及评价指标,并对比总结各种方法的优缺点;然后,讨论无人机图像视觉检测方法中图像采集规范、数据集形式、缺陷检测算法专业化应用等对架空线路缺陷的检测效果,指出图像检测指标和类别定义在电力巡检专业化领域中的不足;最后,探讨基于深度学习的无人机图像缺陷巡检的未来发展方向。

基于YOLOP-L的多特征融合道路全景驾驶检测

目前,驾驶员视角下的交通图像检测技术成为交通领域的重要研究方向,同时提取车辆、道路、交通标志等多种特征已经成为驾驶员理解道路信息多样性的亟需任务。以往研究已在单类目标检测的特征提取方面取得了长足进步,然而,这些研究不能很好地联合应用于其他区别较大的特征检测任务中,且融合训练过程中会损失个别特征检测的精度。针对驾驶员视野范围内道路信息多样且复杂的特点,本文提出了一种基于多特征融合训练的检测模型YOLOP-L,它能够同时对多种不同特征交通目标进行融合训练,同时保证单项检测任务的精度。首先,为了解决特征融合中语义信息表达不完整的问题,设计的SP-LNet模块通过FPN与双向特征网络结合实现网络更深层次的融合,使得提取的信息更完整,从而提升道路小目标的检测性能;其次,设计新的分割头深度可分离卷积,将语义信息与局部特征融合促使多特征融合的训练准确度与速度得到进一步提升;再次,体系中设计的GDL-Focal多类混合损失函数更专注于困难样本,可用于解决样本特征不平衡的问题。最后,对比实验表明:YOLOP-L相比原YOLOP网络运行的速度更快;在车辆目标检测任务下召回率提升了2.2%;在车道线检测任务下准确率提升2.8%,车道线IoU的值较HybridNets网络下降2.45%,但较YOLOP-L网络提升1.95%;在可行驶区域分割任务下其整体检测性能提升1.1%。结果表明,在具有挑战性的BDD100K数据集上,YOLOP-L可以在复杂场景下有效解决检测精度不足和分割缺失的问题,提高了车辆识别、车道线检测以及道路行驶区域联合训练的准确性和鲁棒性。

基于机器视觉的相贯线特征提取方法

两圆柱正交相贯体相贯线的检测在工程领域具有广泛的应用,但有关相贯体相贯线的检测研究较少。提出了一种基于机器视觉的相贯线提取方法。在图像预处理阶段选取HSV空间的图像中S通道的图像进行OTSU二值化处理,并根据二值化图像进行了ROI图像分割。在边缘检测阶段,提出了一种基于频域图像增强的Canny边缘检测,将传入图像使用巴特沃斯高通滤波器进行图像增强,再经双边滤波后进行自适应双阈值的Canny边缘检测,最后利用闭运算图像形态学处理边缘图像,将图像中离断、孤立的边缘连接为整体。对于相贯线的拟合,分别采用概率霍夫变换和霍夫椭圆变换对直线、双曲线形的相贯线进行了提取。仿真模拟结果显示,所提方法相较于传统的Canny边缘检测方法可以更完整地检测出图像中的相贯线特征,相贯线的检测准确率达到96.2%,精度较高。

基于单目视觉的无水尺水位测量方法

水位是水文监测的关键要素,其精准测量对洪涝灾害防御和水量计量具有重要的意义。随着智慧水利建设和视频设备的大规模部署,基于图像处理的水位识别方法发展迅速,是目前水利量测领域的前沿方向。本文提出了一种基于单目视觉的无水尺水位测量方法。该方法采用深度学习构建水面分割模型,自动从水岸图像中提取水位线;再根据相机标定得到的空间映射关系,结合断面约束,计算水位线像素坐标对应的三维空间坐标,进而处理得到水位值。该方法应用于室内河工模型水槽实验,水面分割准确,水位线平均错误分割像素个数为0.825,计算水位值的平均绝对误差约为1.5 mm,均方根误差约为1.9 mm。实验结果表明该方法准确测量了水位的变化过程。

面向无人机巡检场景图像的电力线提取算法

由于电力系统巡检涉及山区、森林、农村和城镇等众多场景,且缺乏面向无人机巡检的电力线数据集,给基于有监督学习的电力线提取任务带来了挑战。为此,构建了一套多场景航拍电力线数据,并针对现有算法提取的电力线精度有待提升以及移动端巡检对算法效率的要求等,提出了一种新的电力线提取算法,所提算法对LinkNet框架进行改进,首先,在其Encoder部分使用轻量型网络,提高算法特征处理的效率,并降低模型的大小。然后,提出了基于深度可分离卷积和通道注意力机制的AD-block来提高网络的感受野,增强网络的特征提取能力。最后,通过引入双线性插值上采样方法等改进Decoder部分。实验结果表明,所提算法在服务器上精度优于对比算法,具有较好的鲁棒性。在Jetson TX2上验证所提算法的精度和效率优于对比算法,能实现每张图像115 ms的处理速度。

基于机器视觉的交叉缠绕式筒子纱位姿检测方法

为解决机器人抓取传送带上筒子纱时筒子纱位姿识别困难的问题,提出一种基于机器视觉的筒子纱位姿检测方法。首先利用工业相机采集筒子纱的灰度图像,使用改进中值滤波对筒子纱图像进行预处理,再通过Canny边缘检测提取筒子纱的轮廓曲线并使用B样条曲线拟合对离散曲线进行平滑处理,然后计算离散曲线的曲率分布并判断放置状态,最后计算筒子纱中心点位置,使用基于曲率分布的直线检测算法提取筒子纱的边线并计算筒子纱轴线姿态角,以此得到筒子纱的位姿。以3种不同尺寸的筒子纱为对象进行位姿检测和抓取实验,结果表明,对不同尺寸的浅色筒子纱位姿检测准确率达到100%,可帮助机械臂实现对筒子纱的精准抓取。

基于机器视觉的刹车衬芯缺陷检测系统设计

由于人工检测刹车衬芯缺陷存在效率低下、标准不一致等问题,开发一套基于机器视觉的刹车衬芯缺陷检测系统,实现衬芯法兰面的缺陷检测。设计光学方案获取衬芯法兰面图像,首先利用并行中值滤波对原图像去噪,然后使用改进的Otsu方法提取出法兰面区域,最后通过傅里叶变换与反傅里叶变换相结合的方法获取缺陷信息并进行判别。实验结果表明:该系统检测准确率为98.9%,漏检率为0,对于单个衬芯零件的平均检测时间为0.232 s。该系统测量精度高,运行速度快,可以有效地取代工业检测中的人工测量。

基于改进RCF和无人机影像的电力线检测

针对更丰富卷积特征(RCF)算法检测电力线时存在边缘模糊、特征图包含太多噪声、在融合特征图时丢失多尺度信息等问题,对RCF算法进行改进.首先,使用具有平移不变性的下采样技术增强模型的鲁棒性;然后,在RCF主干网络中引入卷积块注意力模块(CBAM)机制,提高模型对电力线特征的表达能力;最后,在RCF的侧输出网络中加入级联网络,借助基于通道注意力机制的多尺度特征融合模块对特征图进行融合,从而获得更优异的细节保持效果.实验结果表明,改进模型的最优数据集规模、最佳图像比例和平均精度可分别提高0.7%、 1.3%和1.7%,检测结果噪声数量少,电力线更加清晰准确.

基于无人机图像的输电线路部件检测方法研究

针对无人机电力巡检模式在图像快速检测方面存在的自动化程度和效率低等问题,提出了一种将单级多框预测检测器SSD与特征金字塔网络FPN相结合的输电线路部件检测方法,并对绝缘子故障进行检测。在SSD目标检测的基础上,加入了FPN特征金字塔结构,局部融合层间特征信息。实验验证了文中所提方法的优越性。实验结果表明,在部件检测中,该方法对大、中、小尺寸目标均具有良好的检测效果,检测精度在90%左右,在绝缘子故障检测中检测精度达到87.4%。为输电线路部件检测技术的发展提供了参考。

基于点云特征的城市道路标识线提取与分类

为了解决基于车载激光雷达(LiDAR)点云数据中的道路标识线提取完整度与提取精确度方面数值偏低等问题,提出了一种基于点云多元特征的道路标识线快速提取方法。在城市道路标识线的强度信息、几何信息和语义信息基础上,结合路面点云的强度特征、高程特征和点密度特征,生成多个地理参考图像,对多元特征图像进行特征提取与填充,再利用Ostu算法以及Alpha shapes算法实现道路标识线点云精提取,并根据标识线的几何、语义信息和模型匹配方案实现标识线的细分类,进行了理论分析和实验验证,取得了澳大利亚某城市道路的点云数据。结果表明,提取的短虚线、斑马线、单向转向箭头、长虚线的准确率均高于96%,召回率均达到91%及以上,综合评价指标均达到94%及以上。这些结果对无人驾驶领域研究起到了添砖加瓦的作用,也为城市数字化建设提供了一定的参考价值。

面向自动化拆蛋的卵细胞定位方法研究

卵细胞拆蛋是人工辅助生殖技术中至关重要的操作之一,但现有手动操作成功率低、丢卵现象时有发生。在自动化操作中,借助显微操作平台和智能运动平台对培养皿中的卵细胞进行反复吹打、清洗是常用的操作方法。设计了面向自动化拆蛋的卵细胞定位方法,利用培养皿内微滴的矩阵布置,通过三点定圆建立实物坐标系,并按回转路径扫描微滴,划分区域检测线,利用计算机视觉对比图像灰度值的方法检测定位卵细胞。结果表明,矩阵微滴内拆蛋和计算机视觉识别缩小了定位范围,提高了卵细胞的定位效率,成功率达到96%。

基于视觉语义和点线融合的无人艇动态水面环境感知SLAM算法

无人艇在复杂水面环境下的自主导航能力是其完成养殖作业的基础,其在智能水产养殖中的发展前景巨大。视觉同时定位与地图构建(Simultaneouslocationandmapping,SLAM)技术可以提供实时的环境信息,是实现无人艇自主导航的关键。然而,水面环境是一种缺乏足够有效特征点的低纹理场景,且受水面波纹和反光影响存在大量动态无效特征点,导致视觉SLAM位姿的计算精度较差、性能严重下降。为此,提出了一种面向动态水面环境的基于视觉语义和点线融合的SLAM系统。首先,对ORB-SLAM3算法框架进行改进,增加语义分割线程,利用语义信息生成掩码消除水面无效特征点,以消除动态水面环境的干扰。其次,加入线特征来加强系统稳定性,提出了一种基于几何约束的线段匹配方法,提高水面线特征提取和跟踪的准确性,并利用点线特征融合提高数据关联的准确性,解决传统SLAM算法在水面低纹理场景中提取不足的问题。在USVInland数据集上的实验结果显示,与ORB-SLAM3和PL-SLAM算法相比,改进后算法的定位精度在直线航行中平均提高了44.74%和55.48%,在机动航行中最多提高了76.60%和70.15%,有效消除了水面干扰对位姿估计的影响,提升了视觉SLAM系统在水面低纹理场景中位姿估计的准确性和鲁棒性。