自动化岸边集装箱起重机技术发展现状和前景

随着集装箱运输需求日益增长以及装备技术不断进步,通过技术升级提高岸边集装箱起重机作业效率成为港口面临的重要课题。结合自动化岸边集装箱起重机核心感知和控制技术发展现状,分析自动化岸边集装箱起重机技术发展面临的挑战,并展望相关技术发展前景。随着多模态人工智能技术、新型传感技术和先进通信技术发展和融合应用,未来自动化岸边集装箱起重机的作业效率、安全性和智能化水平有望进一步提高。

自动化集装箱码头装卸目标三维测量系统设计

针对传统激光雷达在自动化集装箱码头装卸过程中对集装箱三维姿态定位精度低、成本高等问题,提出了一种基于视觉的集装箱姿态三维测量系统。首先通过小规模的深度学习网络快速进行集装箱锁孔粗定位,其次通过传统图像处理算法对集装箱锁孔进行二次定位得到集装箱锁孔的精确位置,最后结合装卸过程中集装箱的物理运动对集装箱姿态进行三维测量。实验结果表明,与改进前的深度学习网络相比,测量精度更高、测量速度更快;整体算法的测量精度为93.71%,约12.45 fps,集装箱姿态测量平均测量误差约为4.95%,满足自动化装卸的要求。

基于双目视频分析的高速公路道口车辆速度估算

提出了一种基于双目视频分析的高速公路道口车辆车速实时检测的方法.该方法首先在双摄像头获取的汽车运动时间序列图像中提取特征点;其次对时序图像特征点在时间和空间上进行相关性分析,获取同名特征点;最后根据同名特征点计算车辆速度.实验表明:该方法能够在较低成本下,实现较为准确的车速估计,为车型自动识别等应用场合,提供了一种较好的低成本车速检测方法.

基于激光雷达车检器的车型识别研究

实时准确地了解和掌握公路交通基础信息对于公路交通智能化管理非常重要,为了弥补目前交通检测技术的不足,实现快速且准确地获取公路交通基础信息,提出了一套实时、多车道、连续采集的激光雷达车型识别系统。重点阐述了该系统的检测原理与设备结构,并通过激光雷达及其辅助设备对车辆轮廓进行扫描与重建,再从重建后的车辆轮廓数据中提取出用于车型识别的各种特征。最后采用基于决策树的车型识别方法分类车型,并选取了实际道路交通场景进行测验。测验结果表明:该系统的检测数据差异率低、精度高,具有较高的实际应用价值。

基于连续视频分析的化学危险品码头车辆测速方法研究

近些年,集装箱港口危险品堆存量及运输量正逐年提升,而限制集装箱码头危险品堆场区内的集卡行驶车速也成为必要的安全措施之一。因此,文章针对危险品码头的车辆测速提出了一套基于视频分析的低成本解决方案。该方法主要通过安装在危险品堆场车道旁边的摄像机获取集卡视频流图像序列,然后对其特征点进行匹配,分析集卡在抓拍间隔内位移的像素差,最后将位移像素差通过坐标系转换实现实时精确测量地测量通过集卡的车速。现场测试表明,该系统具有较高的检测实时性和测速精度。此外,本车辆测速系统融合于危险品三维仿真系统中,将车辆速度实时可视化显示,更利于管理监督。