改进的BIN法

改进的BIN法（共7篇）

改进的BIN法 篇1

引言

正确绘制构件的内力图是解决材料力学问题的基础, 而截面法贯穿了材料力学的整个主线, 但是截面法在使用时也存在很多缺点。为此介绍一种新的画内力图方法, 从而快速的解决材料力学问题。该法的基本思想是从构件轴线的起点出发, 根据构件的受力情况, 依据各自的规则 (即将介绍) , 逐步走向构件轴线终点的路线亦构成内力图, 故称之为“走向法”。

1 轴力图的走向法与截面法比较

1.1 截面法画轴力图。

截面法必须经过截开、代替、平衡三个步骤才能完成。例如图1所示杆件的轴力图, 截面法计算如下:已知F1=16k N, F2=10k N, F3=20k N,

(1) 计算D端支反力。由整体受力图建立平衡方程:∑Fx=0, FD+F1-F2-F3=0, 则

(2) 分段计算轴力。由于在横截面B和C上作用有外力, 故将杆分为三段。用截面法截取如图1 (b) 所示的研究对象后, 由平衡方程分别求得

式中, FN3为负值, 表面3-3截面上的轴力FN3的实际方向与图中所假设的方向相反, 应为压力。

(3) 画轴力图。根据所求得的轴力值, 画出轴力图如图1 (e) 所示。

1.2 走向法画轴力图:

走向法画轴力图遵循“拉上压下”的规则, 如上题用走向法作图如下:

解: (1) 根据整体平衡计算支座反力:

(2) 建立直角坐标系如图2, x轴对应于杆轴线, y轴对应杆轴力FN, 把杆件上集中力作用点A、B、C、D对应到x轴。

(3) 画轴力图。从坐标原点O开始, 沿着杆轴线方向作图。如图2, 首先假想离A端某一距离处固定但不产生反力, 则FD对杆件产生压力, 根据“拉上压下”规则, D点轴力图的走向为“↓”, 行走线段的长度代表集中力的大小即14k N, 故D点偏右的轴力为0+14k N=14k N。由于DC中间段没有力的作用, 轴力不变, 轴力图的走向为“→”, 到达C点, 有一集中力F3作用, 对于A端固定杆件, F3产生拉力, 根据“拉上压下”规则, C点轴力图的走向为“↑”, 行走线段的长度为F3=20k N, 故C点偏右的轴力为20k N-14k N=6k N, 位于x轴上方。CB段走向同DC段, 走向为“→”, 到达B点, 有一集中力F2=10k N作用, 对杆件产生拉力, 轴力图走向为“↑”, 行走线段长度为10k N, 故B点偏右的轴力为6k N+10k N=16k N。AB段走向同DC段, 轴力图走向为“→”, 到达A段, 有一集中力F1=16k N作用, 产生压力, 轴力图走向为“↓”, 行走线段长度为16k N, 故A点偏右轴力为16k N-16k N=0k N, 轴力图回到了x轴。同时也证明了轴力图的正确性。

同样, 也可以从右到左画, 起点为A'点, 作法仍然遵循“拉上压下”的规则。具体过程略。

对于有分布力作用的杆件, 均布力q作用段, 仍然遵循“拉上压下”的规则, 但这里是拉力为“”, 压力为“”, 斜线起点和终点的变化量为均布力大小ql (l为均布力的作用长度) 。

显然, 走向法比截面法简单得多, 而且能自行校核轴力图的正确性, 遵循的规则也只有四个字“拉上压下”。可贵的是, 这种思想能延伸到其他内力图 (扭矩图、剪力图、弯矩图) 的作法中, 也可以自成体系, 在教学过程中得到广大学生的普遍认可, 教学效果很好。

2 扭矩图走向法

扭矩图走向法遵循“从左至右, 顺上逆下”规则, 即从轴的左端开始画, 遇到顺时针集中力偶, 扭矩图“↑”逆时针集中力偶, 扭矩图“↓”, 变化量为集中力偶的大小, 没有力偶作用处, 扭矩图“→”。具体画法同轴力图走向法, 如图3, 同样达到了自动校核的效果。

3剪力图和弯矩图的走向法

材料力学中都阐述过弯矩、剪力和载荷集度的关系d FS/dx=q, dM/dx=FS, d2M/dx2=q, 由积分知识和一次函数、二次函数及其图形的规律可知, 载荷集度q的面积等于FS图的变化量, FS图的面积等于M图的变化量, 均布荷载作用下, M图为二次抛物线, 且开口方向与q的方向一致。走向法利用了这一特点, 并总结出自己的规则:剪力图遵循“从左至右, 上上下下”;弯矩图遵循“从左至右, 力偶顺上逆下, 弯矩变化量=剪力图与x轴围成的面积”。解释为:剪力图“从左至右”画, 当遇到“↑”的集中力时, 剪力图走向为“↑”, “↓”的集中力时, 剪力图走向为“↓”, 变化量为集中力的大小, 均布荷载的剪力图走向为斜线, 且斜率为载荷集度q, 当均布荷载“↑”时, 剪力图走向为“”, 当均布荷载“↓”时, 剪力图走向为“” (这里的第一个“上、下”指力的方向, 第二个“上、下”指剪力图的走向, 包括“直是直下”和“斜上斜下”) , 没有力作用, 剪力不变, 剪力图走向为“→”;弯矩图也是“从左至右”画, 首先看是否存在集中力偶, 若存在, 则遵循“顺上逆下”规则, 这里的“上、下”指直上直下, 和扭矩图一样, 然后再遵循“弯矩变化量=剪力图与x轴围成的面积”的规则。具体举例说明如下:

对于图4所示的简支梁, 其受力情况如图所示, 用走向法作其剪力图和弯矩图。

解: (1) 列静力学平衡方程。计算支座反力得:FA=4k N, FB=3k N。

(2) 作剪力图和弯矩图。首先建立剪力和弯矩关于梁轴线的坐标系, 如图4。

剪力图:从左端A点开始画, 剪力图图起点为坐标原点, 由于A点有向上的支座反力FA=4k N作用, 根据“上上下下”规则, 剪力图走向为“↑”, 行走线段的大小为4k N, 故A点偏右为0k N+4k N=4k N, 到达AC段中间, 有一“↓”的均布力q=3k N/m作用, 根据“上上下下”规则, AC段剪力图走向为“”, 从A点至C点, Fs的变化量为q×l=3k N/m×2m=6k N, 故C点以右的剪力为4k N-k N6=-2k N, 到达x轴下方, C点集中力偶对剪力不产生影响, CD段没有力的作用, 剪力图走向为“→”, D点有一“↓”集中力F=1k N作用, 故剪力图走向为“↓”, 变化量为1k N, 故D点以右的剪力值为2k N+1k N=3k N, 在x轴下方, DB段同CD段, 到达B点, 由于“↑”支座反力FB=3k N的作用, 剪力图走向为“↑”, 变化量为3k N, 故最终B点的剪力为3k N-3k N=0k N, 回到了x轴, 证明计算和绘图结果无误。

弯矩图:从左端A点开始画, 由于A点没有集中力偶的作用, 弯矩图没有突变, AC段有“↓”的均布在和作用, 故弯矩图为抛物线, 且开口与均布力的方向一致 (向下) ;AE段剪力图与x轴围成三角形, 并在x轴上方, 其面积为2.67k Nom, 根据“弯矩变化量=剪力图与x轴围成的面积”, 故E点对应扭矩为0k Nom+2.67k Nom=2.67k Nom, 其弯矩图走向如图。超过E点, 剪力图与x轴围城的面积在x轴下方, 为“-”, 故从E点开始, 弯矩逐渐减小, 直到C点, 其间弯矩变化量为EC段剪力图与x轴围成三角形的面积-0.67k Nom, 故C点偏左部分的弯矩为2.67k Nom-0.67k Nom=2k Nom。在C点有一顺时针集中力偶作用, 根据“顺上逆下”规则, 弯矩图走向为“↑”, 变化量=集中力偶大小3k Nom, 故C点偏右的弯矩为2k Nom+3k Nom=5k Nom, CD段剪力图与x轴围成图形为矩形, 并为“-”值, 故从C点到D点, 弯矩逐渐减小, 其走向为“”, 变化量为CD段剪力图与x轴围成图形的面积-2k Nom, 故D点偏左的弯矩为5k Nom-2k Nom=3k Nom, 又由于D点没有集中力偶的作用, 弯矩图不发生突变。从D点到B点, 剪力图与x轴围成的图形为矩形, 并在x轴下方, 其面积为-3k Nom, 故自D点开始, 弯矩逐渐减小, 直到B点, 弯矩变化量为-3k Nom, 即B点的弯矩为3k Nom-3k Nom=0k Nom, 弯矩图走向回到了x轴, 证明计算和绘图结果正确。

总结

综上所述, 走向法画内力图遵循以下几个规则:

轴力图:拉上压下;

扭矩图:从左至右, 顺上逆下;

剪力图:从左至右, 上上下下;

弯矩图, 从左至右, 力偶顺上逆下, 剪力图与x轴围成的面积=弯矩变化量。

以上几个规则, 应用上较传统的截面法简单、易记、快速、准确, 且作图本身就能校核计算和绘图的正确性, 解决了长久以来学生在内力图绘制方面的难题, 从教学效果看, 学生容易接受、消化。

摘要：鉴于目前截面法在工程力学中的垄断地位及存在的问题, 提出一种新的内力图画法——走向法。此法在作图的过程就能自行校核计算结果和绘图结果的正确性, 方便在教学和工作实践中使用。

关键词：走向法,内力图,截面法,改进,画法

参考文献

[1]张定华.工程力学 (少学时) [M].北京:高等教育出版社, 2000.

[2]林贤根.土木工程力学 (少学时) [M].北京:机械工业出版社, 2002.

[3]李洪, 聂毓琴.工程力学[M].长春:吉林人民出版社, 2005.

[4]陈育民.杆件轴力图及扭矩图的简化画法[J].黎明职业大学学报, 2008 (1) :44-46.

[5]姜海翔.轴力图快速绘制方法的研究[J].内江科技, 2007 (1) :68.

比色法测钨的改进 篇2

最后经过大量实验证明,该方法形成络合物所用时间短,实验结果的重现性好,操作简捷,更适合大批量低含量钨矿中钨的测定。

1 实验部分

1.1 实验原理

钨矿样品经过过氧化钠高温熔融,热水提取,钨生成钨酸钠与杂质沉淀分离。分取部分滤液,在盐酸溶液中,六价钨被三氯化钛还原成五价,最后与硫氰酸盐络合成黄色钨酰硫氰酸络离子[6]。

$\text{Η}{}_2\text{W}\text{Ο}{}_4+\text{Τ}\text{i}\text{C}\text{l}{}_3+4\text{Κ}\text{S}\text{C}\text{Ν}+4\text{Η}\text{C}\text{l}\stackrel{}{\to }$

3KCl+TiCl4+KWO(SCN)4+2H2O

1.2 仪器与试剂

UV-180A型紫外分光光度计,岛津公司。

WO3,国家标准物质研究中心,钨标准储备溶液:500 μg/mL。

NaOH溶液(40 g/L),KSCN溶液(250 g/L),盐酸溶液(1+1),Na2O2。

TiCl3溶液:吸取一定量的TiCl3用盐酸(1+1)稀释10倍。

实验所用试剂均为分析纯,用水均为去离子水。

1.3 标准曲线绘制

准确吸取500 μg/mL的WO3标准溶液0、50、100、200、300、400 μg置于25 mL比色管中,不足10 mL的补加40 g/L NaOH溶液至10 mL,准确加入1.0 mL 250 g/L KSCN溶液,摇匀,再加1.0 mL TiCl3溶液,然后加入10 mL浓盐酸定容至刻度,并迅速冷却15 min后在波长420 nm处,用1 cm比色杯比色。

2 样品分析

2.1 实验步骤

称取0.1000～0.5000 g(±0.1 mg) 样品于铁坩埚中,加入3.0 g 过氧化钠,用玻璃棒将样品与熔剂搅拌混匀,再覆盖1.0 g过氧化钠,置于已升温至650 ℃的高温炉中,升温至700 ℃保持5～7 min,至熔融物呈现全熔状态,取出并冷却。置于250 mL烧杯中用热水浸提,待剧烈反应停止,加少许95%的乙醇以消除高价态Mn的影响,并在电热板上煮沸3～5 min 以破坏H2O2,冷却后移入100 mL 容量瓶中定容澄清。根据样品含量不同,分取5 mL 或10 mL(不足10 mL 者补加NaOH 溶液至10 mL)于25 mL 比色管中,以下同标准曲线。

2.2 标准曲线测定值

利用1.3配制的WO3的不同标准溶液,以试剂空白为参比,在420 nm处测量其吸光值,数据见表1。同时以钨量为横坐标,吸光度为纵坐标,绘制标准曲线的线性方程为y=610.36x+1.1488,线性回归系数R2= 0.9998,见图1,符合标准曲线要求。

2.3 样品结果分析

将标准物质钨矿石GBW07241进行10次平行测定,结果见表2。使用该方法测得标准物质的平均值与标准值吻合性好,准确度和可靠性较高[10]。同时选取某钨矿项目样品,采用本方法测定,其结果外检合格率达95%。

3 控制因素分析

3.1 盐酸加入量

在分光光度分析中,溶液的酸度为非常重要的因素,对显色剂的有效浓度, 被测离子的有效浓度以及络合物的组成都存在不同程度的影响。本实验中,首先加入盐酸的速度要快,随时摇动,防止硅酸析出,其次硫氰酸钨的络合物在HCl体系中,用TiCl3作还原剂时显色酸度要严格控制在8 mol/L左右,显色酸度过低,显色慢; 酸度过高,颜色不稳定,易褪为绿色溶液,而且溶液的酸度在此范围内,许多元素的存在不干扰W的测定,显色后溶液颜色清亮。

3.2 显色时间

显色时间是由显色反应的反应速度和温度来决定的[11]。其中显色反应速度与显色剂的加入量有关,为保证显色反应进行完全,采取显色剂过量的方法,也不是显色剂越多越好,过多容易引起副反应,一般过量30%～50%为宜。同时显色时间是由显色反应本身性质决定的, 常与温度有很大关系[12];另一方面, 显色后形成的有色络合物的颜色的稳定性也不同, 由络合物的性质(稳定系数)决定的,其中稳定系数也与稳定有密切关系。利用中和反应释放的热量,适当提高反应体系的温度,改善了在硫氰酸盐比色法中加入TiCl3使得溶液需经相当长的一段时间后才稳定显色的情况,见表3。

改变还原剂与盐酸的加入顺序后,从表3可以看出,当显色时间约10 min,体系的吸光值基本保持不变了,与原有的至少15 min才能稳定相比[11],明显的缩短了操作周期的时间,一般用该方法定容后10 min即可比色。

4 结 论

静脉输液排气法的改进 篇3

1 资料与方法

1.1 一般资料

将40例输液患者随机分成两组, A组20例, B组20例, 两组使用的液体均为0.9%生理盐水250mL。

1.2 方法

使用相同批号的输液器, 将输液器插入输液瓶内, 关闭调节器开关, 将液体挂于同等高度输液架上。

A组采用传统排气方法, 一手持穿刺针的针柄, 倒置莫菲滴壶, 打开调节器, 使液体自然流入滴壶内, 待滴壶内液面达1/2~2/3时, 折叠滴壶根部输液管, 迅速使滴壶顺置, 松开折叠处, 使液体缓慢下降, 直至排尽输液管和穿刺针内的空气。

B组采用改进后的排气法, 同A组待莫菲滴壶内液面至1/2~2/3处时, 折叠滴壶根部输液管, 迅速使滴壶顺置, 松开折叠处, 同时上提滴壶下端输液管路, 直至排尽输液管和穿刺针内的空气, 但要注意液体不能倒流, 可排气至穿刺针上约2mm左右。

2 结果

A组一次成功14例, 占70%, 排气时间 (12.0±3.0) s;B组一次成功18例, 占90%, 排气时间 (6.0±1.0) s。

3 讨论

采用改进后的静脉排气法, 排气时莫菲滴壶下端输液管路始终是上提的, 整个输液管路的方向自上而下再向上, 犹如一倒置的抛物线, 使液体利用负压及重力作用顺利地流至输液管路末端, 避免了管内气泡的产生, 缩短了排气时间, 确保了及时、准确、安全地输液[1,2]。

参考文献

[1]殷磊.护理学基础[M].2版.北京:人民卫生出版社, 2000.

改进的BIN法 篇4

随着经济生产的发展,城市交通问题日益突出。为了提高现有道路利用率,保证车辆在最大限度内畅通无阻,科研人员借助计算机图像技术和人工智能技术实现了现代城市的交通智能化。

车流量监控、车速测量等都是计算机图像技术在智能交通领域中的重要应用,车道分割则是这些应用的前提。传统的区域生长法有实现方便的优势,但对于地面的大块污迹或水渍的抗干扰性差。而本文提出的基于区域生长法和霍夫变换的车道分割方法对于雨天、陈旧路面有较好的效果。

1车道分割方法

图1是方法的基本流程图,从该流程图中可以看出车道分割方法包含如下几个部分:a)用混合高斯背景建模算法获取背景图像;b)通过区域生长算法去除掉非运动区域的垂直边缘,以获得只有车道信息的垂直边缘图像;c)通过对背景图片进行垂直边缘检测获取背景环境的垂直边缘图像;d)通过霍夫变换对边缘图像进行处理,得到车道的区域分割图像。

2道路区域分离

2.1背景建模

获取准确的背景模型对于后续的图像处理具有至关重要的意义,考虑到户外存在随时间变化而产生的日光强度变化、投影位置的变化等干扰因素,本文采用混合高斯模型的建模方式对背景建模。混合高斯分布的背景模型用N个高斯分布的加权混合值来描述图像中每个像素点的背景值[1]。设某像素点(X,Y)在时刻t的观测值为Xt,于是该点的混合高斯模型计算值p(Xt)为:

其中η(Xt,ui,t,ξi,t)为t 时刻此点的第i个高斯分布概率函数;ωi,t表示t时刻第i个高斯分布的权重,且undefined;N是运算次数,N越大表明采样的数据越多,其背景模型越精确,但运算速度越慢,本文中N取了20,即选取了不同时刻的20帧图像。这种方法在光亮逐步变化的户外或室内环境的建模中都有较好的效果[2]。图2显示了通过高斯建模获取到的背景图像,注意这幅背景图像的地面上是有水渍的。

2.2获取前景图像

在获取精确的背景图像之后就可以利用背景差法获取任意一时刻的前景图像,再对此前景图像进行二值化处理,就可以获取任意时刻的前景区域。图3(a)是某时刻的原始图像,图3(b)则是经过上述方法得到的二值化前景图像。

2.3基于改进的区域生长的道路区域分离

2.3.1 改进的种子区域生长法

种子区域生长算法是假设在某一区域的像素点都相似的基础上的区域生长算法[3];它可以看作通过相似像素点而确定区域边界,最终通过区域边界来对区域进行分割的一种方法。进行有效的区域分割,要求区域有相似的灰度、色度,而种子像素又要与区域有相似的灰度、色度[4]。

由于车道积水等因素而造成图像中某一车道区域的灰度、色度与其周围区域产生明显的差别,因而误将有水或有污渍的车道区域判为非车道区域。

为了解决这个问题,我们将前景图像覆盖区域引入到区域生长法中。车辆经过的区域一是车道存在的区域,因此车辆运动区域应该成为我们判断车道存在区域的一个重要依据。所以,本文对于区域生长做法的改进是将有车辆经过的区域的相似度人为地加一个增益。这样做能更真实地反映出车道区域。

2.3.2 基于改进的区域生长法进行道路分离

我们选择种子的规则是:

(1) 种子与其领域必须有较高的相似度;

(2) 在想得到的区域内,至少能产生一颗种子;

(3) 不同区域的种子不能连接。

车辆是在车道区域中运动,种子像素就可以在运动车辆存在的区域中获得。在2.1节中,我们已经获取了二值化的前景图像,而前景图像中会包含一些面积较小的白色像素聚集的区域,这些区域往往是距离摄像机比较远的运动车辆或某些细小干扰,为此我们可以设定一个面积阈值,选取若干块面积大于阈值的聚集区域以排除干扰。

假设在t时刻的前景图像是I(x,y,t),在隔Δt时刻后的前景图像是I(x,y,t+Δt),设车辆区域的I(x,y,t)=1、非车辆区域的I(x,y,t)=0,若满足下面条件,则为运动车辆区域。

其中,R(x,y)是运动车辆区域,种子像素就可在这个区域中选取。图4就是某时刻的候选区域示意。

对于某个时间t,最好的情况是我们能够在所有车道中都获取种子像素,但最坏的情况是不能获取到种子像素,因此我们需要进行多次上述过程以在道路的不同区域获取种子像素,经过若干次累积(即分析若干帧)。

种子经生长之后能够得到若干块区域,如图5(a)所示,对其进行相似度提升然后对这些区域进行合并。合并过程为:计算所有相邻区域的距离,将这些距离放到距离表中,将距离最短的区域合并;重新计算新区域与其领域的距离,并将距离表更新;重复上述过程,直到最短的距离超出了阈值。最后,检查所有区域内的像素点个数,如果一个区域内的像素点个数在图像中所占的比例小于图像1/150,将该区域合并到最相似的领域。

但由于城市交通十字路口会存在右转弯车辆,根据如上方法还会将十字路口右转弯车辆所经过的区域判断成摄像机监控的车道,所以我们应去除这些干扰。本文采取了一个较简单而实用的方法,即在该步骤中只分析图片的底部1/4部分,这样就可以很好地排除这一干扰。图5(b)显示了利用区域生长法得到的道路区域图像。

本文也使用了传统的区域生长法进行处理,得到了一组对比图片,如图6所示。可以看到传统阈值法对于地面上的水渍不能很好地进行处理。

3车道分割

正如上节所述,车道线具有良好的直线特征,它们非常有利于我们进行直线检测以获取车道的边界。

当我们通过2.1节中介绍的方法获取到背景环境图片后,可以通过霍夫变换进行直线检测,而在霍夫变换之前又必须先对图像进行垂直边缘检测,以获取我们最需要的信息。所以本节将包含垂直边缘检测和霍夫变换两部分。

3.1垂直边缘检测

检测图像垂直边缘的方法有许多,本文采用了应用较广的索贝尔算子对背景图像进行垂直边缘检测,它是一离散性差分算子,用来计算图像亮度函数的梯度的近似值,在图像的任何一点使用此算子,将会产生对应的梯度矢量或是其法矢量[5]。

本文选取的索贝尔算子为:

undefined

。通过如下公式转换得到垂直边缘图:

可以看到检测出来的垂直边缘图片中包含了很多非道路区域中植物和其他物体的垂直边缘,这些边缘对于我们来说都是没有利用价值的信息,这些信息都可能造成对直线的误检测。而我们可以通过在第二节中检测出的道路区域去除这些没有利用价值的垂直边缘,它可以抽象为如下数学条件:

其中C(x,y)是原始的垂直边缘背景图片,R(x,y)是第二节介绍的车道区域背景图片,C′(x,y)是仅有车道区域垂直边缘的背景图片。

用索贝尔算子检测垂直边缘的关键代码如下:

通过以上算法,我们得到了如图(7)所示的垂直边缘图片。

3.2通过霍夫变换进行直线检测

经过垂直边缘检测,车道分割线就可以通过若干条相互平行的直线进行估计,而我们通过霍夫变换可以非常容易地将这些直线检测出来。

霍夫变换的基本思想是点和线的对偶性[6]。我们知道直角坐标和极坐标是存在对应关系的,霍夫变换根据这些关系把在图像空间中的检测问题转换到极坐标空间里。通过在极坐标空间里进行简单的累加统计完成检测任务。

直线的极坐标方程为:

ρ=xcosθ+ysinθ 0≤θ≤π (4)

其中ρ是原点到直线的距离,θ是直线的法线与X轴的夹角。这样,一条直线就可以用ρ值和θ值来表示。而霍夫变换就是在极坐标空间(ρ,θ)里建立一个累加数组H(ρ,θ);对二值垂直图像中每个以1表示的点(x,y),让θ取遍θ轴上所有可能的值,并根据式(4)计算对应的ρ;再根据ρ和θ的值(设都已经取整)对数组H(ρ,θ)进行累加;最后对H(ρ,θ)进行局部峰值检测,最终以统计的方法获取检测直线的ρ和θ值。

如果检测出的某些直线属于图像中的一条真实直线,那么它们将会有相似的ρ和θ值,即满足下式:

其中,Tρ,Tθ分别代表阈值。

因此将这些直线通过下式可得出真实直线的ρ和θ值:

霍夫变换的关键代码如下:

通过如上方法,可以得到如图8所示的车道直线。

3.3获取各车道区域

经过如上的方法检测出的直线往往还会包含一些非车道分割线的直线,比如某些车道会标有箭头标志,而箭头的直线也会被检测出来,于是我们还需要进行筛选。根据经验,我们知道箭头往往出现于车道的中间,而车道中间往往是车辆运动必须经过的区域,如果我们在第二节介绍的方法中加入对车辆运动区域的统计,很容易获得车辆最多通过的区域,而这个区域就是车道的中间即箭头所在的位置。通过这个方法,我们可以将该区域中所检测出来的直线去除,这样就去除了车道中间的箭头标志,而剩下来的就是车道线。

实现方法的伪代码如下:

至此,我们已经获取了道路中所有的车道线,在两车道线中间的图像区域就是车道所在的区域。

4结语

本实验采用基于达芬奇数字图像处理芯片TM320DM355的TI达芬奇开发平台。TMS320DM355由一个集成视频处理子系统、一个DSP内核和一个ARM内核组成,可提供216MHz或270MHz的时钟速度。

实验数据由江西省景德镇市交警大队提供。摄像机设于高约5.5米的立柱上,图像采集与车辆较少的时段,这有利于建立精确背景模型。经实验,对普通城市车道具有较好的分割功能,能够达到98%以上。虽然本方法是基于高清视频信号,但对于普通的标清信号也具有一定的借鉴价值,表1列出了对于不同大小的图片该算法的平均耗时。

同时,该方法也存在一些问题:如由于实际分割线老化磨损而造成的分割不准确等。这些问题还待今后的研究。

摘要：车道分割在智能交通监控系统中起着基础而重要的作用。精确地进行车道分割是车流量统计、车速测量等诸多智能交通应用的前提。以往基于种子区域生长法的车道分割方法对于较新且干燥的道路有较好的分割效果,但受地面上水渍、污渍、斑驳的影响较大,鲁棒性不强。为了解决这个问题,提出一种基于改进的种子区域生长法和霍夫变换的车道分割方法。通过改进的区域生长法,可以有效降低水渍、污渍、斑驳的干扰,提高系统的鲁棒性。

关键词：智能交通,改进的区域生长,霍夫变换,道路分割

参考文献

[1]刘静,王玲.混合高斯模型背景法的一种改进算法[J].计算机工程与应用,2010,46(13).

[2]张恒,胡文龙,丁赤飚.一种自适应学习的混合高斯模型视频目标检测算法[J].中国图象图形学报A,2010,15(4).

[3]姜慧研,司岳鹏,雒兴刚.基于改进的大津方法与区域生长的医学图像分[J].东北大学学报:自然科学版,2006,27(4).

[4]王佳男.采用基于区域的自动种子区域生长法的彩色图像分割方法[D].长春:东北师范大学,2007.

[5]庄严.移动机器人基于多传感器数据融合的定位及地图创建研究[D].大连:大连理工大学,2004.

沃尔评分法的缺陷及其改进 篇5

亚历山大·沃尔在其《信用晴雨表研究》和《财务报表比率分析》中提出了“信用能力指数”的概念, 并成为“沃尔评分法”的雏形。其基本思路是:首先选择若干财务比率, 并分别赋予一定的分数或权重;然后确定各个比率的标准值, 并用比率的实际值与标准值相除得到的相对值乘以权重, 计算出各项比率的得分;最后将各个比率的得分加总即得到评价对象的总分数。示例如下表:

一、沃尔评分法的主要缺陷

1.为什么 (只) 选择这几个财务比率?为什么不选择更多的或其他的财务比率?表中这些比率主要是衡量企业短期的流动性 (周转速度是其重要影响因素) , 用它来评价企业短期的偿债能力尚可, 但若用于更广泛或更综合的财务分析则显然不够。即便在后来的应用中增加了其他的比率项目, 仍然不能很好地解决比率选择上主观随意性较强的问题。

2.这些比率的权重的赋予具有更大的主观随意性:为什么给流动比率25分, 而销售额/净资产只给5分呢?实际上, 后者衡量的周转速度是决定前者中流动资产质量 (流动性强弱) 的重要因素, 为什么要厚此薄彼?

3.财务比率标准值的确定显然也是经验性的, 不同行业、不同规模的企业, 甚至同一企业的不同时期, 对各个财务比率所要求的“合理状态”也是千差万别的。既然如此, 为什么要选择一个唯一性的数值作为标准呢?

4.评分规则也很不合理。从该方法的评分规则看, 比率的实际值越高, 其单项得分就越高, 企业的总体评价就越好, 这并不符合企业的实际与常识。比如, 流动比率就并非越高越好, 因为这将对企业的盈利能力与发展能力造成不利影响, 并削弱其长期偿债能力。

二、改进建议

1.财务比率的选择要有个相对系统、全面、灵活而有针对性的框架。系统性就是要兼顾企业的偿债能力、资产运营能力、盈利能力、发展能力等几个基本方面;全面性就是这几个基本方面要选择足够的、能较充分地衡量它的财务比率;灵活性与针对性是指可以根据不同的分析目的对这几个基本方面所赋予的权重进行调整。

2.各财务比率权重的赋予要更谨慎、更合理地在以上几个基本方面进行分配, 还要注意财务比率之间的联系, 越是基础的比率应赋予越高的权重。比如在反映企业短期偿债能力的财务比率中, 速动比率就应赋予比流动比率更高的权重。

3.财务比率的标准值既然是经验性的, 也就不存在绝对准确、唯一性的“标准答案”, 因而用一个合理的区间来代替某个具体的孤值显然要更合理也更稳健些。比如上页表中流动比率的标准值用2.00~3.00这个区间来表示会更好。

4.改进评分规则, 使理论得分值能更符合企业的实际状况。比如上表对流动比率的评分, 既然流动比率不能过低 (会危及偿债能力) , 也不能过高 (会削弱盈利能力与发展能力) , 那么合理的评分规则就应改进如下:设实际值为r, 得分为S, 权重为w, 那么当r<2时, S=w× (r/2.5) , 即此时实际值越低越不好;当r>3时, S=w× (2.5/r) , 即此时实际值越高越不好。其中, 2.5是2.00~3.00这个区间的平均值。

论三角高程测量法的改进 篇6

1 三角高程测量的一般方法

如图所示, A点高程为已知HA, A和B为地面上两个高度不同的点, 只要测出A点对B点的高差HAB, 就由HB=HA+HAB得到B点的高程HB。

图中:D为A、B两点间的水平距离;

а为在A点观测B点时的垂直角;i为测站点的仪器高;t为棱镜高;HA为A点高程, HB为B点高程;V为全站仪望远镜和棱镜之间的高差 (V=Dtan a) ;

我们将A、B两点看成一个水准面, 暂不考虑大气折光、当地温度的影响。为了测出高差HAB, 在A点架设全站仪, 在B点竖立跟踪杆, 观测垂直角а, 并直接量取仪器高i和棱镜高t, 如果A、B两点间的水平距离为D, 则HAB=V+i-t, 所以相应得出HB=HA+Dtanа+i-t。

上面所阐述的是三角高程测量的一般公式, 它是以水平面为基准面和视线成直线为前提的计算高程的方法。而当A、B两点距离较远时, 就必须考虑地球弯曲和大气折光等外界的影响了。综上所述:要计算出HB=HA+Dtanа+it, HA必须先是已知的, 而在测设过程中应该量取仪器i和棱镜t的高度, 在测设出а的数据。

2三角高程测量的改进法

像高程测量的一般方法, 我们要将全站仪架设在已知高程点上, 假如能将全站仪架设在任意点, 而同时又不用量取仪器高和棱镜高的情况下, 利用三角高程测量原理测出待测点的高程, 那么施测的速度将更快。为了印证方法是正确, 我们先反过来思考。如图一, 假设B点的高程已知, A点的高程为未知, 这里要通过全站仪测定其它待测点的高程。首先由HB=HA+Dtanа+i-t演变出HA=HB- (Dtanа+i-t) , 水平距离D和夹角а可以用仪器直接测出外, i, t都是未知的。但我们可以确定即仪器一旦架设好, 此时i值也将随之不变, 同时选取跟踪杆作为反射棱镜, 这时假设t值也固定不变, HA+i-t=HB-Dtanа=W。改进法的操作过程如下:

2.1将全站仪任一置点, 但所选位置能和已知高程点之间不能有障碍物, 通视。

2.2用仪器照准已知高程点, 测出V=Dtana的值, 并算出W的值。

2.3将仪器测站点高程重新设定为W, 仪器高和棱镜高设为0即可。

2.4照准待测点测出其高程。

下面从理论上分析一下这种方法是否正确。

结合前面的两个公式得出:HB′=W+D′tanа′

HB′为待测点的高程

W为测站中设定的测站点高程

D′为测站点到待测点的水平距离

а′为测站点到待测点的观测垂直角

从HB′=W+D′tanа′可知, 不同待测点的高程随着测站点到其的水平距离或观测垂直角的变化而改变。

将W=HB-Dtanа代入HB′=W+D′tanа′可知:

按三角高程测量原理可知:HB′=W+D′tanа′+i′-t′

将W=HB-Dtanа代入上式可得出:HB′=HA+i-t+D′tanа′+i′-t′

因为这里i′, t′为0, 所以:

综上所述可知, (1) (2) 两种方法测出的待测点高程在理论上是一致的。也就是说我们采取这种方法进行三角高程测量是正确的。

3 结束语

将全站仪架设在可通视的仁一点, 同时不需量取仪器和棱镜高度。仍然可以测出待测点的高程。测出的结果从理论上分析比传统的三角高程测量精度更高, 因为它减少了量取、置点数所带来的误差。同时需要提醒的是, 在现场测量放样中, 棱镜高还可以根据实际情况改变, 只要记录下相对于初值t增大或减小的数值, 就可在测量的基础上计算出待测点的实际高程, 以灵活解决随着棱镜高的变化而最终测设待测点的高程。

参考文献

改进的背景差值法目标检测算法 篇7

1 预处理

图像中内在噪声的影响是不可忽略的,而原始帧由于各种原因,不可避免的会叠加噪声,因此为了增强图像的效果,第一步应该是对初始帧进行平滑滤波。中值滤波[2]是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术,由于它在实际运算过程中并不需要知道图像的统计特性,所以比较方便。中值滤波最初是应用在一维信号处理技术中,后来被二维的图像信号处理技术所引用。在一定的条件下,中值滤波可以克服线性滤波器所带来的图像细节模糊,而且对滤波脉冲干扰及图像扫描噪声非常有效。中值滤波的目的是在保护图像边缘的同时去除噪音。

2 传统的背景差分法原理

背景差值法[3,5]假定背景是静止不变的,因此图像背景不随图像帧数而变,设背景图像为b(x,y),定义图像序列为f(x,y,i),其中(x,y)为图像位置坐标,i为图像帧数。将当前帧的图像的灰度值减去背景图像的灰度值,就可以得到一个差值图像:

通过设置一个阈值T可以得到一个二值化差值图像:

取值为1的像素对应于运动目标区域,取值为0的像素对应于背景区域。这种算法原理简单、速度快,检测准确。但是目标内部可能出现孔洞,而且检测到的目标轮廓通常比实际的要偏小。

3 改进的思路

本文对传统的背景差值算法作如下改进:将当前帧与背景帧做异或运算。算法步骤如下:

1)产生一个合适的背景图像;

2)将当前帧和背景图像分别二值化;

3)当前帧与背景图像求异或运算,提取运动目标;

4)对求完异或的图像用数学形态学[4]进行开启运算,去除孤立点和孔洞。

4 基于背景求异或的目标检测算法

在此,也是假定背景图像是静止不变的,设背景图像为b(x,y),当前帧图像为f(x,y,i),二者求异或得:

其中⊕代表异或运算。在背景图像像素和当前帧图像像素相同的点作用结果为0,否则结果为1。对目标内部可能会出现的孔洞的问题,本文采用数学形态学的开启运算[2]来解决。开启运算通常可以起到平滑图像轮廓的作用,去掉轮廓上突出的毛刺、截断狭窄的山谷。闭合运算先膨胀[4]会造成目标周边的杂点并入目标,笔者采用先腐蚀后膨胀的办法,先进行腐蚀将目标与杂点隔离,去掉杂点,再对目标进行膨胀处理,使目标恢复原来的大小。

设结构元素为se,则se对集合gi的开启操作为:

这里莓代表gi对se的开启,茚代表腐蚀。经多组实验证实,该种算法能够快速准确的检测到运动目标,结果直接反映了运动目标的位置、大小、形状等信息,能够有效解决目标内部孔洞问题,而且检测得到的目标轮廓清晰,与目标的实际尺寸更接近。实验结果如图3。

5 结束语

改进的背景异或算法虽然在一定条件下相对于传统背景差值算法有一定优势,但是没有从根本上解决会出现”鬼影”[6]现象和容易受光线和外界条件影响的缺点,这个问题有待于我们进一步研究探讨。

参考文献

[1]黎洪松.数字视频处理[M].北京:北京邮电大学,2007.

[2]姚敏.数字图像处理[M].北京:机械工业出版社,2006.

[3](美)冈萨雷斯.数字图像处理[M].北京:电子工业出版社,2009.

[4]张强,王正林.精通MATLAB图像处理.北京:电子工业出版社,2010.

[5]李刚,邱尚斌,林凌,等.基于背景差法和帧间差法的运动目标检测方法[J].天仪器仪表学报,2006,27(8).