Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "detekcja pojazdów" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    Detection and classification of vehicles using selected methods of image processing
    Autorzy:
    Marek-Latowicki, M.
    Konior, A.
    Ryguła, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/393413.pdf
    Data publikacji:
    2019
    Wydawca:
    Polskie Stowarzyszenie Telematyki Transportu
    Tematy:
    image processing
    vehicle detection
    vehicle classification
    przetwarzanie obrazu
    detekcja pojazdów
    klasyfikacja pojazdów
    Opis:
    Methods of vehicles detection and classification using image processing are becoming increasingly popular, especially due to their non-invasiveness in the road surface and relatively lower installation and maintenance costs. These methods are commonly used in traffic flow monitoring systems and detection of vehicles with specific parameters. Importantly, the use of video analytics methods is still characterized by sensitivity to external disturbances such as variable weather conditions. The work discusses selected data processing mechanisms that have been applied within the functioning vehicle recognition subsystem. As part of the analysis, the effectiveness of the applied solutions and sensitivity to the occurring weather conditions were assessed.
    Źródło:
    Archives of Transport System Telematics; 2019, 12, 4; 10-14
    1899-8208
    Pojawia się w:
    Archives of Transport System Telematics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Evaluation of a vehicle detection system for city traffic control
    Autorzy:
    Pamuła, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/393922.pdf
    Data publikacji:
    2014
    Wydawca:
    Polskie Stowarzyszenie Telematyki Transportu
    Tematy:
    traffic flow
    traffic control
    vehicle detection
    płynność ruchu
    sterowanie ruchem
    detekcja pojazdów
    Opis:
    The paper presents an evaluation of the properties of the vehicle detection system comprising the source of data of traffic flow for road traffic control in a city. The quality of traffic data determines the ability to reach optimal traffic control decisions. Errors of measuring traffic stream balancing locally at junctions and in the whole of the road traffic control system are chosen as evaluation criteria. The city traffic is modelled using a directed graph, with vertices being the measurement sites and with edges linking vertices having weights representing traffic flow values. The analysis of the results enables the determination of measurement sites inadequately mapping the road situation and allows proposing new sites to improve the system. The analysis is performed using real traffic data acquired from the Traffic Control Centre in Gliwice
    Źródło:
    Archives of Transport System Telematics; 2014, 7, 3; 37-41
    1899-8208
    Pojawia się w:
    Archives of Transport System Telematics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Sposoby detekcji pojazdów transportu zbiorowego i ich funkcjonalność
    Methods for detection of the public transport vehicles and their functionality
    Autorzy:
    Aleksandrowicz, J.
    Piwowarczyk, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/193780.pdf
    Data publikacji:
    2016
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Komunikacji Rzeczpospolitej Polskiej
    Tematy:
    transport zbiorowy
    priorytet w ruchu
    detekcja pojazdów
    public transport
    traffic priority
    detection of vehicles
    Opis:
    Artykuł porusza tematykę detekcji pojazdów transportu zbiorowego w obrębie skrzyżowań z sygnalizacją świetlną. W artykule zostały przedstawione sposoby wykrywania pojazdów transportu zbiorowego, ich funkcjonalności i przydatność w nowoczesnych systemach sterowania ruchem. W artykule zostały przedstawione m.in. takie rozwiązania jak: detekcja indukcyjna, detekcja radiowa, wideodetekcja, czy detekcja na podstawie lokalizacji GPS. Dodatkowo zaproponowano możliwość wykorzystania techniki RFID w detekcji pojazdów transportu zbiorowego.
    The article discusses issues on the detection of the public transport vehicles is the area of intersections with traffic lights. The methods of detection of the public transport vehicles, their functionalities and usefulness in the modern traffic control systems. Measures like: inductive detection, radio detection, video-detection and detection based on the GPS location have been presented in the article. Additionally possibility of application of the RDIF technique for the detection of the public transport vehicles has been proposed.
    Źródło:
    Transport Miejski i Regionalny; 2016, 5; 49-52
    1732-5153
    Pojawia się w:
    Transport Miejski i Regionalny
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    3D objects modelling and description from a traffic flow
    Autorzy:
    Bojmir, M.
    Hudec, R.
    Kamencay, P.
    Pirnik, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/393627.pdf
    Data publikacji:
    2013
    Wydawca:
    Polskie Stowarzyszenie Telematyki Transportu
    Tematy:
    vehicle detection
    vehicle extraction
    depth map
    3D modelling polygonal mesh
    detekcja pojazdów
    ekstrakcja pojazdów
    mapa głębi
    modelowanie 3D
    Opis:
    Contemporary research activities in the area of transportation systems usually utilize computer vision techniques. These activities are mostly oriented to the analysis of traffic flow. Key parts of the analysis consist of detection, extraction, modelling and recognition of objects in the traffic flow. Additional information can be obtained by the object tracking, too. The main aim of this contribution is to propose a new method for modelling 3D objects that are moving in the traffic flow. At the beginning of this paper, basic methods of object detection and extraction are shortly described. Moreover, the modified algorithm based on the object extraction and 3D models creation by mesh is also proposed. That mesh model is generated from a depth map. Finally, the results of proposed method are presented in the last part of this paper.
    Źródło:
    Archives of Transport System Telematics; 2013, 6, 3; 4-9
    1899-8208
    Pojawia się w:
    Archives of Transport System Telematics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie sieci konwolucyjnej głębokiego uczenia w detekcji pojazdów
    Use of deep learning convolutional network in vehicle detectionmears
    Autorzy:
    Oszutowska-Mazurek, D. A.
    Mazurek, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/136004.pdf
    Data publikacji:
    2017
    Wydawca:
    Wyższa Szkoła Techniczno-Ekonomiczna w Szczecinie
    Tematy:
    sieć konwolucyjna
    uczenie głębokie
    detekcja pojazdów
    przetwarzanie obrazów
    image processing
    deep learning
    convolutional neural network
    vehicle detection
    Opis:
    Wstęp i cel: Detekcja pojazdów na znaczenie w bezpieczeństwie ruchu drogowego oraz programowaniu pojazdów autonomicznych. Celem pracy jest detekcja pojazdów odróżniająca obrazy pojazdów od innych obrazów nie zawierających pojazdów. Materiał i metody: W pracy wykorzystano bazę pojazdów zawierającą obrazy ekstrahowane z sekwencji wideo, które przetwarzano za pomocą sieci konwolucyjnej głębokiego uczenia. Wyniki: Uzyskana sieć konwolucyjna charakteryzuje się bardzo dobrymi parametrami, krzywa PSNR względem kroku uczenia rośnie co oznacza, że zachodzi proces odszumiania kerneli w całym procesie uczenia. Wniosek: Proponowana metoda może być wykorzystana w programowaniu pojazdów autonomicznych oraz implementacji w Inteligentnych Systemach Transportowych ITS do detekcji pojazdów; bazuje na uczeniu a nie na projektowaniu algorytmu syntetycznego, dzięki temu jest potrzebny relatywnie krótki czas opracowania klasyfikatora.
    Introduction and aim: Vehicle detection plays essential role in road safety and automatic vehicle programming. The aim of study is vehicle detection distinguishing car and non-car images Material and methods: Vehicle database images extracted from video sequences were processed by deep learning convolutional network. Results: Obtained convolutional network is characterised by very good parameters, PSNR curve indicates denoising of kernels in learning process. Conclusion: Proposed method is potentially useful in autonomic vehicles programming and Intelligent Transportation Systems (ITS) for vehicles detection. The solution is based on learning, not on synthetic algorithm design, thanks to this, a relatively short time of classifier development is needed.
    Źródło:
    Problemy Nauk Stosowanych; 2017, 7; 47-56
    2300-6110
    Pojawia się w:
    Problemy Nauk Stosowanych
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Detekcja osi pojazdów z użyciem petli indukcyjnej
    Inductive loop sensors for vehicle axle detection
    Autorzy:
    Marszałek, Z.
    Powiązania:
    https://bibliotekanauki.pl/articles/267250.pdf
    Data publikacji:
    2013
    Wydawca:
    Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
    Tematy:
    czujnik indukcyjny pętlowy
    detekcja osi pojazdów
    magnetyczny profil rezystancji
    magnetyczny profil reaktancji
    inductive loop sensor
    axle detection
    magnetic profile of resistance
    magnetic profile of reactance
    Opis:
    Aktualnie stosowane rozwiązania, umożliwiające detekcje osi pojazdów samochodowych, bazują na mechanicznych czujnikach nacisku, po których przeje d a pojazd. Powszechnie stosowane są czujniki piezoelektryczne, lub o wiele droższe, kwarcowe, umożliwiające poza detekcja osi, ważenie pojazdów w ruchu (WIM). Tam, gdzie nie jest wymagana informacja o masie pojazdu, a wymagana jest klasyfikacja pojazdów ze względu na liczbę osi, drogie systemy WIM nie są konieczne. Nie zawsze sprawdzają sie w stu procentach, ponieważ samochody cie arowe mogą podnosić przynajmniej jedna os. Systemy bazujące na pętli indukcyjnej, dzięki innej zasadzie działania, pozwalają na detekcje równie podniesionych osi, przez co możliwa jest poprawna klasyfikacja pojazdów cie arowych. Pętle indukcyjne charakteryzują sie bardzo duża trwałością oraz prosta budowa. Czas ich eksploatacji wielokrotnie przekracza czas eksploatacji stosowanych detektorów. Pętle indukcyjne do detekcji osi pojazdów wymagają stosowania bardzo czułych układów kondycjonowania.
    Currently used solutions for the axle vehicle detection sensors are based on measurements of mechanical stress or pressure generated in the tube or a special mat installed in the road surface on which the vehicle travels. Piezoelectric, or quartz sensors are commonly used in WIM systems (weight in motion) and allow detection and weighting vehicles in motion. If no information is required regarding the values axle (or estimate the weight of the vehicle), and only the classification of vehicles based on the number of axles is required, WIM systems are not popular because of its cost. Furthermore, WIM systems would lose its efficiency if the trucks could pick up and leave at least one axle. Systems based on an inductive loop sensor, with a different mode of operation may also allow the detection of elevated axles, whereby it is possible to correctly classify vehicles. Moreover, inductive loop sensors have very high durability, simple construction and its lifetime many times exceeds the lifetime of the classical axle detectors. However, inductive loops sensors require the design of complex electronic systems and even the use of computer systems equipped with so-called advanced signal analysis of magnetic profiles. This paper presents the design and operation of inductive loop sensors. A new approach is proposed for the detection of vehicle axles. It is based on the new conditioning systems that provides magnetic profile of resistance (R~) and magnetic profile of reactance (X~) of the inductive loop sensor. Figure 2 shows the measurement system in which the profiles of R~ and X~ for a passenger vehicle are obtained in a static conditions (zero vehicle speed during the measurement). The details of main parameters of considered inductive loops are shown in Table 1 and in Figure 1. Thanks to the profiles of R~ and X~ and formulas (2) and (3) the sensitivity of sensors, SR and SX respectively were determined and these are shown in Table 1. Figures 3 and 4 show profiles respectively R~ and X~ obtained from the inductive loop sensors 1, 2, 3, 4. The Figure 5 shows the profiles R~ and X~ with a narrow sensor No. 4 (according to the Table 1) while the signal W1 shown in Figure 6 shows the result of the weighted sum W1=a R~ + X~. Digital signal W3 is obtained by comparing the signals W1 and W2 in the comparator and it provides information regarding the presence of the vehicle axle that can be easily counted by the digital device. Finally profiles R~ and X~ recorded in real traffic by means of a narrow sensor No. 4 (vehicles shown in the pictures a-f in Table 2 were considered) are shown in Figures 7-12.
    Źródło:
    Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2013, 34; 43-47
    1425-5766
    2353-1290
    Pojawia się w:
    Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-6 z 6

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies