简介:为提高无人车行驶过程中前方车辆检测的准确性和实时性,提出了基于激光雷达(LIghtDetectionAndRanging,LIDAR)深度信息和视觉方向梯度直方图(HistogramsofOrientedGradients,HOG)特征的车辆识别和跟踪方法。目标首次进入视野时,聚类处理激光雷达深度信息并确定假设目标的候选区域,采用车辆尾部的HOG特征对假设目标进行验证。在HOG特征验证前,基于最小二乘支持向量机(LeastSquaresSupportVectorMachine,LS-SVM)算法对样本集HOG特征进行训练学习,生成车辆分类器模型。对于验证后的目标车辆,采用激光雷达获取的深度信息对目标车辆进行持续跟踪。构建了2种车辆模型,结合最小二乘直线拟合方法提取出车辆特征,生成目标模型。同时,提出了基于多特征马氏距离的目标关联代价方程,实现了多目标的关联;完成了基于卡尔曼滤波的车辆状态滤波和位置估计,更新了跟踪器模型。通过有效的管理策略,实现了目标跟踪的3个状态:1)初始化模型的生成;2)跟踪过程中跟踪器的更新与预测;3)目标驶离视野时跟踪器的删除。最后,通过试验验证了跟踪算法的有效性。
简介:以实现商业综合体室内步行街"准安全区"为目标,对自然排烟和机械排烟两种烟气控制措施的有效性进行数值模拟研究。采用FDS和Building-Exodus模拟方法,在两种烟气控制措施下分别计算商业综合体室内步行街内的危险临界值TASET和人员安全疏散需要时间TRSET。研究结果表明:适当的烟气控制措施是"准安全区"实现的充分条件,在同等条件下,自然排烟的有效性优于机械排烟。计算结果表明,自然排烟面积与排烟效果成正比。研究证明,若将自然排烟和机械排烟相结合,可以有效应对火灾时多种不利情况,增强排烟的可靠性。