【摘 要】
：
在人工智能蓬勃发展的新时代,面对传统障碍物硬件设备检测成本高、实时性差、无法常态化进行、依赖于人工控制、耗时耗力等不足,设计了基于深度学习的目标检测方法。而在实际情况中,路面经常会出现光照不足、大气杂质、光学系统失真等恶劣环境,从而导致拍摄图像模糊不清晰,造成图像的严重退化,极大影响了后续路面障碍物的管理工作。本文将从此角度出发,在以往的道路障碍物识别方法上进行改进,利用Retinex理论在YOL
论文部分内容阅读
在人工智能蓬勃发展的新时代,面对传统障碍物硬件设备检测成本高、实时性差、无法常态化进行、依赖于人工控制、耗时耗力等不足,设计了基于深度学习的目标检测方法。而在实际情况中,路面经常会出现光照不足、大气杂质、光学系统失真等恶劣环境,从而导致拍摄图像模糊不清晰,造成图像的严重退化,极大影响了后续路面障碍物的管理工作。本文将从此角度出发,在以往的道路障碍物识别方法上进行改进,利用Retinex理论在YOLO基础网络上进行改进实现恶劣环境下的路面障碍物检测,从而实现道路路面的自动化检测,提高路面管理部门的工作效率。
其他文献
RT-Thread Smart是基于RT-Thread操作系统衍生的新分支,面向带MMU的中高端应用芯片。RT-Thread Smart在RT-Thread操作系统的基础上启用独立、完整的进程方式,同时以混合微内核模式执行。RT-Thread Smart的开发与一般的单片机开发不同,一般在单片机程序里不使用操作系统或者操作系统和应用程序链接在一起。RT-Thread Smart和Windows、Linux等国外知名操作系统有着类似的功能,而RT-Thread Smart作为最新推出的RTOS,它支持的芯片
RISC-Ⅴ指令集架构,通用、开放、免费,其形成的芯片或FPGA_SoC平台既具有Intel、Arm等常用微控制处理器的优势,又可以灵活应用、自主发展、打破技术垄断、促进高速无障碍发展
随着物联网技术的发展与成熟,服务器端的密度正日趋庞大。面对如此数量庞大、性能优越的服务器,客户对主板设计的要求也更加复杂。一般来说,传统的服务器管理会采用在单个主板上集成多个结点,并且在节点之间采用串口通信的方式来调试和操作。为解决传统方法费时费力的问题,本文基于Zynq7000平台提出了一种以OpenBMC为框架的、采用IPMI/SOL多端口实现的远程服务器管理办法,节省了主板升级开销,方便远程控制,提高了工作效率。
针对目前夜间红外图像质量低、噪声大,无法为后续的分析提供支持等问题,提出一种基于小波变换的红外图像增强算法对红外图像进行增强。首先采用二维FWT滤波器组通过小波变换将低质量、缺陷明显的夜间红外图像分解成高频和低频两部分,对高频部分采用改进NL-means算法和改进维纳滤波算法进行降噪,通过改进直方图均衡化防止过度增强。试验结果表明,采用本研究算法进行图像增强,能够提高将近30%的图像对比度和将近4
针对现有技术中电网作业现场违章现象严重、人工识别困难等问题,构建出一个电网作业现场违章智能识别系统。通过在系统中设置的不同网络节点布置应用终端,构建边缘计算网络模型,即时、准确地通过量化计算的方式实现电网作业现场违章信息的智能计算,通过构建电网作业现场违章数据信息时的目标函数,使用户快速通过边缘计算平台获取电网作业现场违章信息。试验结果表明,在选择的任意30个不同的数据节点,在300 s内,本研究
设计了一种大型地下停车场语音停车引导系统,采用“数据采集端—服务器端—手机客户端”三层网络拓扑结构,具有车位预定、室内语音导航和停车费用支付功能;在停车路线规划问题上,以停车场入口到目标车位的最短行驶时间为约束函数,在基本蚁群算法引入停车场道路繁忙系数,改进启发函数与信息素更新策略。仿真实验结果表明,相比基本蚁群算法,改进后的蚁群算法可以避开停车场内交通相对拥堵的路段,实现最优停车路线规划,符合行驶时间最短的要求,算法实时性好,响应速度快。
为解决配网终端Flash文件管理耗用资源大、使用寿命短、数据存储效率低的问题,设计出一种基于坏块标记法的轻量级管理算法。该算法采用软件编程,抛弃了高硬件资源和复杂的Flash文件管理系统依赖,快速实现了轻量级坏块管理、掉电存储功能。经过软件测试及配电终端故障指示器汇集单元验证,此算法使得Flash的成本降低20%,有效寿命提高80%,数据存储效率提高20%。
针对复杂大地图环境下自动导引车路径规划的实时性问题,提出了一种双向动态跳点搜索算法。首先,改进跳点扩展策略,从规划空间的起始点和目标点同时搜索路径;其次,优化跳点筛选规则,动态定义启发式搜索的目标点,引入当前跳点的父节点作为相对方向上跳点扩展的目标点;最后,为验证算法的有效性,开展了仿真和实验研究,使用不同尺寸的栅格地图进行仿真。结果表明,与跳点搜索算法相比,所提算法平均路径搜索时间缩短了33.1
本文提出了一种基于深度学习的手势识别来控制机器人做复杂动作的解决方案。本文提出的方案展现出有效的开放性和可扩展性,无论是手势识别还是在机器人复杂动作方面,都可以根据需求做相应调整。同时,本研究工作创建了一个有效的基于人工智能网络的机器人控制实用实验平台。实验设计分别以运用6个基础手势控制机器人在危险环境中清除可疑物品为例,验证了开发的平台可以让机器人实时、远程地完成预设复杂动作,满足现实中自然人机交互的功能。
在信息技术背景下,针对非均质性的海量复杂异构数据繁多、处理和存储困难等问题,提出了新型混合云存储系统架构.采用的方法是在该系统中设置数据管理中心、客户端、云端数据