车辆自动行驶的安全性和稳定性离不开车道线准确识别。然而,日常驾驶中面临着复杂多变的天气和光照条件、道路标记模糊或遮挡等挑战。研究并设计基于深度神经网络的车道线识别算法,以提高识别技术在面对复杂环境的鲁棒性与检测结果精度...车辆自动行驶的安全性和稳定性离不开车道线准确识别。然而,日常驾驶中面临着复杂多变的天气和光照条件、道路标记模糊或遮挡等挑战。研究并设计基于深度神经网络的车道线识别算法,以提高识别技术在面对复杂环境的鲁棒性与检测结果精度。通过构建以VGG-16为主链并嵌入通道注意力和空间注意力机制的全卷积神经网络模型,实现端到端像素级别的车道线语义分割。嵌入注意力模块的新模型在CULane通用数据集上验证结果同VGG-解码语义分割方法相比,其平均像素准确率与均交并比(Mean Intersection over Union, MIoU)分别提升2.2%与1.3%。且在车道线不存在场景下,预测结果的像素准确率达到70%。嵌入注意力机制的图像分割算法研究为车道线识别问题提供了有效解决方案,有力支撑车道线检测技术在无人驾驶场景的应用。展开更多
重力卫星GRACE(gravity recovery and climate experiment)监测斯堪的纳维亚半岛陆地水储量变化会受到冰川均衡调整(GIA)信号的严重影响。首先根据该地区绝对重力和GPS并址观测数据计算了GIA重力和垂直位移的实测线性比值,利用该比值和...重力卫星GRACE(gravity recovery and climate experiment)监测斯堪的纳维亚半岛陆地水储量变化会受到冰川均衡调整(GIA)信号的严重影响。首先根据该地区绝对重力和GPS并址观测数据计算了GIA重力和垂直位移的实测线性比值,利用该比值和GPS网观测的垂直位移速度场得到了GIA重力。然后,对GRACE观测的重力变化速率进行GIA重力改正,进而可分离陆地水储量变化趋势,避免了使用GIA模型所带来的巨大不确定性,并根据观测数据完整估计了所得结果的不确定性。最后与水文模型作对比分析。结果表明,实测的GIA重力-垂直位移线性比值为0.148±0.020μGal/mm(1Gal=10-2 m/s2),该结果检验了Wahr的理论近似值且与北美实测的结果非常接近。2003年1月至2011年3月期间,斯堪的纳维亚半岛陆地水储量存在明显的增加趋势,信号的主体位于半岛南端的维纳恩湖附近,总的水量增加速率为4.6±2.1km3/a,数据观测期间的累积增加水量为38±17km3。研究结果与WGHM水文模型的结果有较好的一致性,相关系数达到0.69,而与GLDAS水文模型的相关性略小。展开更多
文摘车辆自动行驶的安全性和稳定性离不开车道线准确识别。然而,日常驾驶中面临着复杂多变的天气和光照条件、道路标记模糊或遮挡等挑战。研究并设计基于深度神经网络的车道线识别算法,以提高识别技术在面对复杂环境的鲁棒性与检测结果精度。通过构建以VGG-16为主链并嵌入通道注意力和空间注意力机制的全卷积神经网络模型,实现端到端像素级别的车道线语义分割。嵌入注意力模块的新模型在CULane通用数据集上验证结果同VGG-解码语义分割方法相比,其平均像素准确率与均交并比(Mean Intersection over Union, MIoU)分别提升2.2%与1.3%。且在车道线不存在场景下,预测结果的像素准确率达到70%。嵌入注意力机制的图像分割算法研究为车道线识别问题提供了有效解决方案,有力支撑车道线检测技术在无人驾驶场景的应用。
