车辆检测

摘要： 针对无人驾驶系统环境感知中的车辆检测精度低的问题,本文提出一种基于多模态特征融合的三维车辆检测算法。该算法通过毫米波雷达与摄像机联合标定,匹配2个传感器间的坐标关系并减小采样误差;采用统计滤波剔除毫米波雷达数据冗余点,减少离群点干扰;构造多模态特征融合模块,利用逐像素平均融合点云与图像信息;加入特征金字塔提取融合后的高级特征信息提升复杂道路场景下的检测精度;建立特征融合区域建议结构,根据高级特征信息生成区域建议;使用非极大值抑制去除冗余检测框后,通过检测框顶点匹配输出车辆检测结果。经KITTI数据集实验结果表明:所提出的方法能够快速、准确地实现车辆检测,平均检测时间为0.14 s,平均检测精度为84.71%。该算法具有重要的理论和应用价值,可为无人驾驶系统的车辆检测提供有效方案。

摘要： 目前,汽车检测有多种方法,特别是制动性能检测,可以在路试和试验台检测上完成,由于反制动试验台具有准确、快速以及定量显示等特点,其应用日渐广泛。随着汽车保有量逐年增加,汽车制动性能检测是汽车检查的重要项目之一,但是普通车主对检测数据结果的理解存在很大偏差,无法根据检测报告来判断自身汽车安全性能,看不出车辆技术状况。不仅如此,检测报告除了说明车辆质量是否合格之外,还是车辆维护的主要依据之一,检测员和车主对检测报告正确解读具有非常重要意义。基于此,文章首先对汽车制动性能指标进行详细分析与讨论,并进一步深入研究车辆技术状况,最后以实际检测案例数据分析车辆制动率、不平衡率和阻滞率等进行研究,以此为汽车检测维修人员充分理解和认知汽车检测报告提供指导。

摘要： 近年来,解决交通拥堵问题已经成为交通管理方面的重要任务,车辆检测与识别的广泛应用也是解决交通拥堵问题的常用方式之一。基于卷积神经网络的Faster R-CNN逐渐成为一种重要的图像目标检测和识别方法。该算法检测精度高、限制小,因此受到了广泛的关注。目前常用的算法模型均是基于模型本身参数的修正,很少涉及网络结构以外的改进方式。文章对Faster R-CNN车辆目标检测方法的网络结构改进、锚框提取改进及候选框参数修正方法进行论述,特别是对数据集预处理后再训练能提高效率。经过改进的方法不仅能使网络结构轻量化,也增加了网络的泛化能力,使Faster R-CNN能完成更复杂的交通环境检测任务,并且识别精度也得到了显著提升。

摘要： 随着深度学习的发展,基于深度学习的车辆检测算法性能不断被提升,在构建智能交通体系方面发挥重要作用。单阶段目标检测模型因其检测速度的优越性,被广泛应用于车辆实时检测。为了综合分析基于深度学习的单阶段车辆检测算法相关改进及应用,分别对比了各类常用单阶段车辆检测算法,列举其改进措施以及在车辆检测方面存在的问题;重点阐述了基于常见单阶段车辆检测算法针对现有问题采取的相关改进以及应用领域;简要介绍了车辆检测相关数据集,对现阶段车辆检测中亟待解决的问题与难点进行了分析,提出了车辆检测未来的研究方向。

摘要： 针对交通监控视频中车辆遮挡、车辆目标偏小导致的错检、漏检问题,提出一种改进的YOLOv5网络模型。将注意力机制SE模块分别引入YOLOv5网络的Backbone、Neck、Head,经过试验对比得出SE模块引入的最佳位置。针对YOLOv5模型存在的正负样本不平衡问题,将焦点损失函数Focal Loss引入模型的训练过程。试验表明,将SE模块与Backbone进行融合,模型的平均准确率mAP提高了0.011%,引入Focal Loss之后,mAP提高了0.02%,同时准确率Precision和召回率Recall均有提高。对自建的数据集进行测试,结果表明:改进的YOLOv5模型能有效地提高交通监控场景中的车辆检测性能。

摘要： 为解决由于道路颠簸、车辆自身抖动导致视频帧图像模糊而影响车辆检测效果的问题,采用基于特征匹配的光流法结合SURF特征点提取算法对车载视频进行防抖预处理,再将增稳后的视频序列传入训练好的YOLOv4框架进行车辆检测。在KITTI数据集上对该算法进行验证,最终识别准确率达96.5%。通过对比防抖前后测试结果发现,建立的防抖优化算法效果明显,对视频序列模糊帧的检测能力有很大提升。

摘要： 《客车技术与研究》创刊于1979年,双月刊,是国内目前唯一公开发行的客车领域学术期刊。本刊由重庆市交通局主管,重庆交通科研设计院、重庆车辆检测研究院有限公司和中国公路学会客车分会主办,现已被国内外多家检索机构收录,包括中国核心期刊(遴选)数据库、万方数据--数字化期刊群、中国期刊全文数据库、中文科技期刊数据库、中国学术期刊综合评价数据库、JST日本科学技术振兴机构数据库(日)(2018)等,是《CAJ-CD规范》执行优秀期刊。

摘要： 交通运输环境下的运动车辆检测是近年来计算机视觉以及图像处理领域研究的热点。随着交通联网的普及,交通运输行业对运动目标检测的精确性以及对复杂背景环境的适应性的需求越来越高。因此围绕如何提高交通运输环境下运动目标检测和背景检测的准确度两个方面进行研究,对帧差法和背景差分法改进后融合,并将融合算法运用到复杂的交通环境中。以大量交通录像视频作为样本,用改进的融合算法进行了测试。实验结果表明该算法能够精确快速的检测出目标,完整还原出物体轮廓,有效减小噪声影响,具有良好的抗干扰性。

摘要： 随着社会经济的不断发展,车辆数目急剧增加,车辆检测技术在众多领域中发挥着重要作用,如何在复杂场景下对车辆实时检测成为当下难点之一。针对复杂场景车辆检测任务本文提出一种基于YOLOv5s的改进算法,在YOLOv5s网络基础上添加卷积块注意力模块,同时加深网络主干以提取更丰富的特征信息。在公共数据集BDD100K中获取所需的数据标签后进行了实验验证,实验结果表明,本文提出的优化模型在以1280×736分辨率输入图像的平均检测速度为23 ms/帧,模型在保证实时性的前提下较YOLOv5s有4.6%的精度提升,并且在现实场景中,光线不足、车辆目标小及遮挡较多等复杂情况下具有更优的检测效果。

摘要： 本文中提出了在真实的道路环境中使用修改和改进的AlexNet进行车辆检测和分类。在面临的诸多挑战中,利用YOLO深度学习系列算法提出潜在区域,解决了单一特征提取车辆候选区域鲁棒性差的问题,提高了检测速度。为此,我们选择了轻量级网络Yolov2-tiny作为位置网络。此外,在AlexNet的基础上提出了一种改进算法,并将空间金字塔池SPP引入到车辆分类网络中,解决了因图像缩放而导致的图像失真而导致的精度不高的问题。将CNN与支持向量机相结合,将支持向量机中的归一化特征相结合,提高了模型的泛化能力。实验表明,该方法在车辆检测和类型分类方面具有较好的性能。

摘要： 针对车辆检测准确率低、实时性差的问题,文中提出基于CenterNet检测算法改进的车辆检测方法.在原有网络的基础上,增加了特征融合模块和注意力机制模块,在保证检测速度的前提下提高了检测准确率.相比原有网络,所提方法的平均检测精度提高了2.1％,mAP达到了87.9％,可用于对车辆的实时检测.

摘要： 随着深度学习的快速发展,基于深度神经网络的目标检测模型被不断提出并且检测的效率和精度均得到大幅提升.然而,目前的环境目标检测方法在复杂场景下的性能仍然受限.多传感器信息融合被认为是进一步实现目标检测技术突破的重要途径.本文针对环境感知中的车辆检测技术,着重介绍了融合视觉信息和激光信息的多视图目标检测(AVOD)模型的框架,对其工作原理进行说明,探究了决定网络模型性能的关键因素.最后,论文在KITTI上对AVOD模型的性能进行了验证与对比分析,指出了未来的发展方向.

摘要： 本文提出了一种基于卷积神经网络的车辆检测算法.针对卷积神经网络需要大量训练数据且计算耗时的问题,选用KITTI车辆数据集作为训练集,并采用深度可分卷积对YOLOv2卷积神经网络模型进行轻量化改进,提升车辆检测速度.实验结果表明,改进后的YOLOv2算法在准确率未明显下降的情况下,检测速度大幅提升,可以实时可靠地检测前方车辆.

摘要： 无人机覆盖区域广、不受道路交通限制,为了利用无人机视频从广域的视角准确全面提取交通信息,本文对基于无人机视频的车辆检测算法展开了研究.首先,分析了无人机视频具有的特性;然后,分别基于帧间差分、分块背景建模和模板匹配思想,提出了三种车辆自动检测算法;最后,对比分析了算法性能,结果表明:帧间差分和分块背景建模法检测速度快,适用于交通状态良好、稳定飞行条件下悬停拍摄的视频;模板匹配法检测速度较慢,适用于巡航拍摄视频,或交通环境复杂、飞行条件较差的悬停拍摄视频.

摘要： 无人机视频车辆检测的准确性和稳定性对提取交通信息至关重要.旨在研究专门应用于无人机视频的车辆检测算法,通过对比分析现有车辆检测算法实验结果,结合对称差分能够有效分离背景与目标像素的特点,引入分块建模的思想,提出基于对称差分分块建模的背景差分法.针对无人机视频车辆检测算法评价指标缺失的现状,分析车辆检测结果,提出正检率、重检率、漏检率、错检率4个评价指标来衡量无人机视频车辆检测算法性能.实验结果表明,本文提出算法具有较高正检率(均值92.29％,中值100％)和稳定性(四分位距为8％),该算法能够在无人机视频中准确的检测车辆.

摘要： 为了解决隧道照明中存在的能源消耗严重的问题,提出一种"车进灯亮,车走灯暗"的隧道照明节能控制系统,其中对于隧道车辆及时准确地检测具有重要意义.本文提出一种以背景差分法为基础,结合图像边缘检测、图像分块及阈值检测的隧道内车辆检测算法.每当隧道照明控制系统调节隧道内部亮度时,重新获取该亮度下的背景图像存入数据库.通过试验,验证了提出方法的有效性和鲁棒性.

摘要： 为了高效地检测路面车辆目标,提出了一种基于毫米波雷达及视觉传感器融合的车辆检测方法.采用了底层的数据融合策略.在雷达数据通道,利用霍夫变换及切比雪夫定理排除非路面车辆目标点,生成稀疏概率图.在图像数据通道,结合稀疏概率图与图像底层特征,建立视觉显著模型并生成车辆显著图像.在显著图上利用过分割方法快速定位路面车辆的位置.本方法在结构化道路下进行了大量实验,结果表明:本方法有效的克服了基于视觉传感器的车辆检测方法对光照敏感的缺陷,相比于基于单一传感器的车辆检测方法,本文方法具有更高的精确度和鲁棒性.

摘要： 为提升视觉车辆检测能力,本文提出了一种应用于单目视觉平台的基于特征融合和自组织映射概率神经网络(Self Organized Mapping Probability Neural Network,SOMPNN)的车辆检测算法.首先用类Haar特征和HoG特征相融合构成样本特征向量.然后将其导入自组织映射网络,竞争并形成低维原型向量,并用概率神经网络对该原型向量进行训练形成车辆检测器.最后,采用基于复杂度和空间信息的时序分析方法对少数漏检误检进行修正,进一步提高车辆检测的鲁棒性.多组视频图像中的测试结果表明,所提算法具有94.6％的检测率及0.47每帧的误检率.和多种已有主流算法的比较表明,本方法的检测能力优于已有算法.

摘要： 贝尔纳·马赫蒂纳日先生从法国的驾照制度入手,介绍了法国公民如何考取驾照以及法国的驾校结构模式等,就在法国如何当好一名驾校教练员等内容做了详细的介绍,最后还针对法国的体制性交通安全教育、驾校教练员的形成机制、车辆检测等提供了许多重要的借鉴和参考.

摘要： 当隧道内车流量较小并且通过隧道的车辆之间时间间隔很长时,隧道照明设备持续开启会浪费大量的电能,因此对交通流量小的隧道研发节能环保的照明控制系统就具有其独特的意义.文章在车辆感应式隧道照明控制系统设计的基础上,主要对其车辆检测技术、车辆感应式隧道照明控制技术、照明灯具控制技术等关键技术进行了研究.与实际相结合,检验了各关键技术在系统中的运用成果,从而验证了车辆感应式隧道照明技术具有车来灯亮,车走灯熄的功能,既保证了车辆的安全行驶,又节约了隧道照明系统的电能,达到了平衡安全与环保节能的目标.

摘要： 具备：通信部(810)，与车辆进行通信，接收该车辆所具备的车载网络的日志；日志收集对象车辆选出部(855)，在取得了表示作为通信对象的多台车辆中的一台的第一车辆中发生异常的信息的情况下，从多台车辆中选出与该异常相应的异常关联车辆；日志收集部(830)，经由通信部(810)向异常关联车辆发送请求发送该异常关联车辆所搭载的车载网络的日志的第一请求；以及日志分析部(840)，基于根据第一请求而从异常关联车辆发送且由通信部(810)接收到的日志所表示的信息，判定异常关联车辆中有无异常发生。

摘要： 本发明提供一种车辆用目标检测方法，其中，所述车辆用目标检测方法包括：获取车辆前方的图像；将所述图像划分为多个子图像；判断所述子图像是否满足预定条件；将满足多个预定条件中的任意一个的子图像排除，并将其余子图像设定为目标子图像，其中，多个所述预定条件包括：子图像中的物体在所述车辆前方的真实距离大于第一预定距离、子图像中的物体的真实高度超出预定高度范围、子图像中的物体的真实宽度超出预定宽度范围、子图像的中心点与所述车辆上与该子图像相邻的侧部之间的距离大于第二预定距离；识别所述目标子图像中的目标。本发明还提供一种车辆用目标检测装置和一种车辆。利用所述车辆用目标检测方法可以快速地检测图像中是否包括目标。

摘要： 一种作业车辆的状态检测系统，具备：行驶状态检测装置，其设于具有旋转机械的作业车辆，检测作业车辆的行驶状态；振动传感器，其设于旋转机械；行驶状态数据获取部，其获取表示行驶状态的行驶状态数据；条件成立判定部，其对行驶状态是否满足规定条件，进行判定；振动检测数据获取部，其获取表示在行驶状态满足规定条件时的振动传感器的检测值的振动检测数据；振动正常数据存储部，其存储表示在旋转机械为正常且行驶状态满足规定条件时的振动传感器的检测值的振动正常数据；以及解析部，其基于振动检测数据和振动正常数据，解析在获取了振动检测数据时的旋转机械的状态。

摘要： 具备：通信部(810)，与车辆进行通信，接收该车辆所具备的车载网络的日志；日志收集对象车辆选出部(855)，在取得了表示作为通信对象的多台车辆中的一台的第一车辆中发生异常的信息的情况下，从多台车辆中选出与该异常相应的异常关联车辆；日志收集部(830)，经由通信部(810)向异常关联车辆发送请求发送该异常关联车辆所搭载的车载网络的日志的第一请求；以及日志分析部(840)，基于根据第一请求而从异常关联车辆发送且由通信部(810)接收到的日志所表示的信息，判定异常关联车辆中有无异常发生。

摘要： 本发明涉及一种用于检测车辆车轮转速的传感器装置2。传感器装置2具有棒形传感器承载件4以及置入传感器承载件4中的传感器6，该传感器为了检测车轮转速而感测与车轮一起转动的磁极转子的转动。根据本发明，传感器装置2具有用于容纳传感器6的承载结构8以及用于填注传感器承载件4的灌封料12。传感器承载件4的表面，尤其是周侧表面由承载结构8的多个中断的金属表面区域形成以及形成以灌封料12填注的区域，其中，至少两个金属表面区域被构造为按压面22。此外，本发明还涉及用于车辆的传感器设备、车轮转速检测系统和具有传感器装置2的车辆以及用于制造传感器装置2的方法和用于检测车轮转速的传感器装置2的应用。

摘要： 本公开涉及一种车辆载重检测装置、车辆及车辆载重检测方法。该车辆载重检测装置包括激光发射接收器、安装座、第一齿轮、第二齿轮、支撑件、支撑臂及驱动机构，安装座用于固定到车辆的车厢的侧壁，第一齿轮被配置为能够绕第一轴线可转动地连接于安装座，激光发射接收器安装于第二齿轮，支撑件的一端固定连接于第一齿轮，第二齿轮被配置为能够绕第二轴线可转动地安装于支撑件的另一端，第一轴线与第二轴线垂直，支撑臂的一端连接于第一齿轮，驱动机构固定于安装座或支撑臂，用于驱动第一齿轮绕第一轴线转动或驱动第二齿轮绕第二轴线转动，使激光发射接收器能够对车厢的内部进行三维扫描，得出空载时车厢的初始容积、装载时的空余容积及车辆的载重。

摘要： 本公开涉及一种检测超车车辆的方法、相关处理系统、超车车辆检测系统以及车辆，该方法包括以下步骤：‑接收来自安装在主车辆上的相机的图像序列；‑处理该图像序列以便生成光流数据，该光流数据包括与该图像序列中的对应特征相关联的运动向量的列表；‑分析该光流数据以便基于这些运动向量的方向对它们进行分组，由此确定第一光流数据集以及第二光流数据集；‑根据该第一光流数据集中的这些运动向量来计算消失点；‑确定这些图像的中心位置；‑根据该消失点到这些图像的该中心位置的距离来计算摇摄和倾斜信息。

摘要： 配光控制装置(6)包括：通过从拍摄车辆的前方区域的拍摄装置(4)得到的图像的图像解析来检测前方车辆的车辆检测部(14)；确定对前方车辆的存在区域在车宽方向上加上规定的余量的处理对象区域的区域决定部(16)；以及，与车辆检测部(14)的前方车辆的检测并行，在从拍摄装置(4)得到的图像中，基于处理对象区域中包含的在车宽方向上排列的光点的对的像素值来确定遮光部，并决定包含遮光部的配光图案(PTN)的图案决定部(18)。

摘要： 车辆检测装置(4)包括：照相机(8)，其具有图像传感器(14)、以及第1滤光器，并对前方区域进行拍摄，该图像传感器(14)具有包含第1拍摄元件组及第2拍摄元件组的多个拍摄元件，该第1滤光器用于使向第1拍摄元件组的入射光量比向第2拍摄元件组的入射光量减少；图像生成部(10)，其基于从第1拍摄元件组得到的信息来生成第1图像，基于从第2拍摄元件组得到的信息来生成第2图像；以及检测部(12)，其基于第1图像及第2图像来对前方车辆进行检测。

摘要： 本申请公开一种车辆检测方法、车辆检测装置、车辆和交通管制装置，涉及车辆安全技术领域。车辆检测方法包括：获取待检测车辆沿实线方向发送的第一信息；在确定接收到交通管制装置发送的第二信息的情况下，确定待检测车辆发生压线违章，第二信息的发送周期与第一信息的发送周期相同；依据第一信息和第二信息对待检测车辆进行检测，确定待检测车辆发生压线违章的位置信息。通过在确定接收到交通管制装置发送的第二信息的情况下，确定待检测车辆存在压线违章；依据第一信息和第二信息对待检测车辆进行检测，确定待检测车辆发生所述压线违章的位置信息，准确定位发生违章的位置信息，提升道路安全。