摘要：针对传统有限元法求解声学问题由于刚度矩阵过硬导致较大的色散误差,以及在较高波数和网格扭曲时计算精度过...针对传统有限元法求解声学问题由于刚度矩阵过硬导致较大的色散误差,以及在较高波数和网格扭曲时计算精度过低甚至错误的问题,采用移动最小二乘权函数对传统有限元法的声压梯度进行加权重构,推导了梯度移动最小二乘加权（Gradient weighted by moving least-squares,GW-MLS）的二维声学计算公式。对声压梯度的加权重构使得GW-MLS模型的刚度相对于FEM模型得以软化,刚度更接近真实模型刚度。采用与有限元法相同的方式构造质量矩阵和边界积分矢量,保证质量矩阵和边界条件的正确施加和积分精度。通过二维管道声腔模型和二维车内声腔模型算例对所提出的算法进行验证,数值分析结果表明,GW-MLS有效地减少了色散误差的影响,提高了计算精度,尤其是对较高波数和网格扭曲时表现出良好的适应性。显示全部
摘要：为满足车辆行驶时能对各种车道线（实线、虚线、直道、大弯道）准确识别，提出一种基于Meanshift原理和RANS...为满足车辆行驶时能对各种车道线（实线、虚线、直道、大弯道）准确识别，提出一种基于Meanshift原理和RANSAC（Random Sample Consensus）算法的车道识别方法；该方法首先利用改进的最大熵阈值分割方法和图像灰度概率密度特征对左右车道线目标进行初定位。动态地建立车道线ROI（Region of Interests），然后运用Meanshift算法对左右车道线进行精确定位，最后利用RANSAC算法对各搜索框中候选车道线的重心进行筛选，并采用最小二乘法对左右车道线进行拟合；实验结果表明，该方法可以识别各种车道线型，并具有较好的鲁棒性；车道检测平均时间为80ms／f，车道跟踪平均时间为40ms／f。显示全部
