目录
“信息化与工业化两化融合研究与应用”丛书序
序
前言
第一章绪论1
1.1引言1
1.2信息融合起源与内涵1
1.3信息融合基本概念3
1.3.1信息融合原理3
1.3.2信息融合处理过程3
1.3.3信息融合层次4
1.4信息融合技术发展6
1.4.1国外发展6
1.4.2国内发展8
1.5交通系统的信息融合问题9
1.5.1智能交通系统9
1.5.2智能交通系统的信息融合模型9
1.5.3交通系统的信息融合研究方向10
参考文献14
第二章信息融合的理论基础16
2.1引言16
2.2贝叶斯网络16
2.2.1概率论及概率推理16
2.2.2贝叶斯网络18
2.2.3贝叶斯网络推理19
2.2.4贝叶斯网络学习21
2.3人工神经网络24
2.3.1人工神经元与感知器24
2.3.2神经网络的互连结构27
2.3.3神经网络的学习32
2.4聚类分析33
2.4.1相似性度量34
2.4.2类和类的特征35
2.4.3常用的聚类分析方法37
2.5主成分分析39
2.5.1主成分分析的基本理论40
2.5.2总体主成分及其性质40
2.5.3样本主成分的导出46
2.5.4主成分分析步骤及框图49
2.6证据理论50
2.6.1D-S证据理论概述51
2.6.2基于D-S证据理论的信息融合53
2.7支持向量机56
2.7.1统计学习理论的一般概念56
2.7.2学习机的VC维与风险界57
2.7.3线性支持向量机59
2.7.4非线性支持向量机63
参考文献65
第三章多传感器信息融合系统67
3.1引言67
3.2传感器的定义和基本特性67
3.2.1传感器的定义和数学模型67
3.2.2传感器的基本特征69
3.2.3交通领域常用传感器69
3.3多传感器信息融合原理和特点78
3.3.1多传感器信息融合定义78
3.3.2多传感器信息融合原理78
3.3.3多传感器信息融合特点80
3.4多传感器信息融合系统的模型81
3.4.1功能模型81
3.4.2结构模型83
3.5信息融合系统的设计方法与原则89
3.5.1分析问题和确定任务89
3.5.2硬件系统设计原则89
3.5.3软件系统设计原则90
3.5.4传感器类型确定原则92
参考文献94
第四章交通视觉增强的信息融合96
4.1引言96
4.2基于视频图像处理的交通视觉增强方法96
4.2.1基于图像空域变换的视觉增强方法96
4.2.2基于图像频域滤波的视觉增强方法102
4.2.3基于图像复原处理的视觉增强方法103
4.3基于多传感器信息融合的交通视觉增强方法109
4.3.1多传感器信息融合实现交通视觉增强理论模型109
4.3.2基于多传感器融合的交通视觉增强方法110
参考文献117
第五章行人识别系统的信息融合119
5.1引言119
5.2激光雷达与摄像机融合预处理120
5.2.1激光雷达几何模型120
5.2.2摄像机成像模型122
5.2.3激光雷达与摄像机标定124
5.3基于激光雷达的行人识别方法127
5.3.1激光雷达点云数据及其处理127
5.3.2传统DBSCAN聚类算法128
5.3.3改进的DBSCAN算法131
5.3.4算法的验证132
5.4基于摄像机的行人识别方法136
5.4.1行人检测模型137
5.4.2车载行人检测算法145
5.5基于神经网络的行人识别方法153
5.5.1决策层信息融合153
5.5.2神经网络154
5.5.3基于神经网络的信息融合方法155
参考文献157
第六章车路协同系统的信息融合160
6.1引言160
6.2车路信息协同感知技术框架160
6.2.1车路通信技术160
6.2.2车载信息系统162
6.2.3路侧感知技术163
6.2.4车路协同下的信息融合164
6.2.5车路信息融合技术难点166
6.3基于车路协同的车速自适应控制167
6.3.1路面状态感知167
6.3.2车速自适应控制170
6.4基于车路协同的车辆状态与轨迹跟踪178
6.4.1感知建模178
6.4.2基于多模型的融合估计算法181
6.4.3仿真验证184
参考文献191
第七章驾驶疲劳识别系统的信息融合193
7.1引言193
7.2驾驶疲劳试验设计194
7.2.1道路场景设计194
7.2.2试验设计194
7.2.3试验数据采集195
7.2.4试验数据预处理195
7.3纵向操作特征与驾驶疲劳197
7.3.1车速分析198
7.3.2加速度分析199
7.4横向操作特征与驾驶疲劳204
7.4.1横向操作数据说明204
7.4.2转向角幅值分析204
7.4.3转向角速度分析208
7.5基于信息融合的驾驶疲劳行为识别210
7.5.1基于主成分分析的驾驶疲劳特征提取211
7.5.2基于聚类分析的驾驶疲劳行为213
7.5.3基于PCA主成分的驾驶疲劳聚类分析217
7.5.4基于神经网络算法的驾驶疲劳218
7.5.5驾驶疲劳识别效果分析224
参考文献225
第八章水上交通系统风险识别的信息融合228
8.1引言228
8.2水上交通系统风险概述228
8.2.1水上交通系统构成228
8.2.2水上交通事故类型与分级230
8.3不确定条件下的通航风险识别方法233
8.3.1通航系统风险因素的层次模型233
8.3.2基于模糊层次分析法的通航风险识别235
8.3.3枯水期长江通航风险识别案例研究239
8.4面向避碰规则的船舶智能避碰算法246
8.4.1国际海上避碰规则246
8.4.2两船会遇避碰246
8.4.3多船会遇避碰252
8.4.4船舶智能避碰算法实例259
参考文献268