-
公开(公告)号：CN116956227B
公开(公告)日：2024-01-09
申请号：CN202311224821.9
申请日：2023-09-21
Applicant: 之江实验室
Abstract: 本申请涉及一种方位历程图显示方法、装置、计算机设备和存储介质。所述方法包括：获取方位能量检测数据，并存储至预先建立的缓存空间；获取图像显示参数，所述图像显示参数包括预设显示时长和显示图窗尺寸；从所述缓存空间提取所述预设显示时长的所述方位能量检测数据，作为待显示数据；根据所述显示图窗尺寸对所述待显示数据进行数据融合，确定待显示融合数据；根据待显示融合数据，生成方位历程图并进行显示。采用本方法能够实现降低噪声干扰，直观显示目标轨迹的技术效果。
-
公开(公告)号：CN112562337A
公开(公告)日：2021-03-26
申请号：CN202011455350.9
申请日：2020-12-10
Applicant: 之江实验室
Abstract: 本发明公开一种基于深度学习的高速公路实时交通事故风险评估方法，该方法首先使用ETC门架、高速互通、收费站的基础信息，为高速公路划分路段，并建立路段间的上下游关联关系；并分别计算各路段的车流量、车流速度与车流密度，获取道路信息、气象信息和事故信息，并将其转换为独热编码，然后对事故发生点的上下游路段对应的四类信息进行数据融合、数据重采样和标准化；再根据获取的数据，区分其中的时序特征和非时序特征，构建并训练深度学习模型；最后根据训练好的深度学习模型，对高速公路各路段发生交通事故的风险水平进行实时评估，计算获得事故风险水平指标。本发明可及时准确地对高速公路交通事故风险水平进行评估。
-
公开(公告)号：CN116482665A
公开(公告)日：2023-07-25
申请号：CN202310499973.3
申请日：2023-05-05
Applicant: 之江实验室
Abstract: 在本说明书提供的一种水下目标检测的方法、装置、存储介质及电子设备中，通过传感器阵列采集的数据生成二维热图，所述二维热图中的数值表征回波振幅，确定数值最大的像素点为目标像素点。当所述目标像素点大于预设阈值时，存储所述目标像素点的位置，并更新所述二维热图。继续在更新后的二维热图中确定下一个目标像素点，直至所述二维热图中不存在数值大于所述预设阈值的像素点为止。当所述目标像素点小于预设阈值时，根据存储的各目标像素点的位置，确定水下目标检测结果。从上述方法中可以看出，通过在二维热图中去除目标像素点对应的理论仿真热图的方法，更新所述二维热图，降低了伪影和副瓣的影响，使水下目标检测的结果更准确。
-
公开(公告)号：CN117595943A
公开(公告)日：2024-02-23
申请号：CN202410067215.9
申请日：2024-01-17
Applicant: 之江实验室
Abstract: 本申请涉及一种目标特征频点快速回溯分析方法、系统、设备及介质，其中，目标特征频点快速回溯分析方法包括：基于湿端采集的水声信号，获得全方位波束形成数据；按照预设时间间隔对所述全方位波束形成数据进行频谱提取，得到全方位LOFAR频谱数据；基于指定的特征频点，从所述全方位LOFAR频谱数据中查询出与所述特征频点对应的全时间范围和全方位范围的时间方位历程数据，并生成LOFAR窄带方位历程图；将所述LOFAR窄带方位历程图与目标方位历程图进行对比，判断所述特征频点是否属于目标特征频点。解决了水声目标发现和识别的效率低的问题，提高了水声目标发现和识别的效率。
-
公开(公告)号：CN117008863A
公开(公告)日：2023-11-07
申请号：CN202311272857.4
申请日：2023-09-28
Applicant: 之江实验室
IPC: G06F3/14 , G06F16/904 , G06F16/901 , G06F16/903
Abstract: 本发明提供了一种LOFAR长数据处理及显示方法和装置，属于声纳技术领域。本发明采用了数据可切换的分段显示，同时通过自适应分段压缩显示的方法，提高了LOFAR长数据的显示精度、准确度及完整度，可获得信息更全面，观测更清晰直观的LOFAR长数据显示方式，有利于使用者对LOFAR长数据进行快速、准确的分析。
-
Patent Agency Ranking
公开(公告)号：CN112562337B
公开(公告)日：2022-05-13
申请号：CN202011455350.9
申请日：2020-12-10
Applicant: 之江实验室
Abstract: 本发明公开一种基于深度学习的高速公路实时交通事故风险评估方法，该方法首先使用ETC门架、高速互通、收费站的基础信息，为高速公路划分路段，并建立路段间的上下游关联关系；并分别计算各路段的车流量、车流速度与车流密度，获取道路信息、气象信息和事故信息，并将其转换为独热编码；然后对事故发生点的上下游路段对应的四类信息进行数据融合、数据重采样和标准化；再根据获取的数据，区分其中的时序特征和非时序特征，构建并训练深度学习模型；最后根据训练好的深度学习模型，对高速公路各路段发生交通事故的风险水平进行实时评估，计算获得事故风险水平指标。本发明可及时准确地对高速公路交通事故风险水平进行评估。
-
公开(公告)号：CN111598069B
公开(公告)日：2020-11-06
申请号：CN202010729116.4
申请日：2020-07-27
Applicant: 之江实验室
Abstract: 本发明公开了一种基于深度学习的高速公路车辆换道区域分析方法，该方法通过先对道路的车道和车道线进行结构化建模；同时对高速公路高清监控视频中车辆的外边框进行检测；根据每帧图像中车辆的检测结果，对视频中车辆轨迹进行跟踪；再将车辆轨迹与道路结构化数据相结合，根据车辆所经过的车道区域对车辆换道进行识别，根据车辆框与车道线相交位置对车辆换道位置进行检测；最后对不同时间段内所经过车辆的换道位置进行聚类分析，得出不同时间段的高速公路车辆换道热点区域。本发明步骤简明，结果精确，运用高速公路中摄像头数据，对车辆换道行为进行检测，对换道区域进行分析，为高速公路的精细化交通管理和车道设计提供有力的支撑。
-
公开(公告)号：CN111508094B
公开(公告)日：2020-09-22
申请号：CN202010612426.8
申请日：2020-06-30
Applicant: 之江实验室
Abstract: 本发明公开一种基于ETC门架与卡口通行数据的高速公路拥堵发现方法，其包括如下步骤：获取ETC门架与卡口的所在道路编号、方向、设备桩号与设备编号信息；使用ETC门架与卡口的基础信息，以ETC门架与卡口为节点，建立节点之间通行关系的有向图；获取ETC门架与卡口的车辆通行数据，包括门架或者卡口的编号、经过车辆的车牌与车辆经过的时间；计算每个车辆通过有向图中每条边的行程时间，然后根据该边对应路段的长度获得每个车辆通过该路段的速度；根据车辆通过路段的速度，计算路段拥堵指数，发现高速公路拥堵路段。本发明可及时准确地发现高速公路路网拥堵情况，有效提升高速公路运营效率。
-
公开(公告)号：CN111598069A
公开(公告)日：2020-08-28
申请号：CN202010729116.4
申请日：2020-07-27
Applicant: 之江实验室
Abstract: 本发明公开了一种基于深度学习的高速公路车辆换道区域分析方法，该方法通过先对道路的车道和车道线进行结构化建模；同时对高速公路高清监控视频中车辆的外边框进行检测；根据每帧图像中车辆的检测结果，对视频中车辆轨迹进行跟踪；再将车辆轨迹与道路结构化数据相结合，根据车辆所经过的车道区域对车辆换道进行识别，根据车辆框与车道线相交位置对车辆换道位置进行检测；最后对不同时间段内所经过车辆的换道位置进行聚类分析，得出不同时间段的高速公路车辆换道热点区域。本发明步骤简明，结果精确，运用高速公路中摄像头数据，对车辆换道行为进行检测，对换道区域进行分析，为高速公路的精细化交通管理和车道设计提供有力的支撑。
-
公开(公告)号：CN111508240A
公开(公告)日：2020-08-07
申请号：CN202010603955.1
申请日：2020-06-29
Applicant: 之江实验室
Abstract: 本发明公开了一种基于混合特征挖掘的交通流量预测方法，在该方法中，在交通流量数据的基础上引入混合特征数据，具体包括时间特征数据和交通态势特征数据，根据交通流量预测目标从混合特征中挖掘出相应的重要性高且特征之间差异大、相互独立的特征，而剔除相关性低、冗余重复的特征，将挖掘出的特征结合交通流量数据作为模型输入，构建交通流量预测模型，通过模型实现交通流量预测。在实现丰富特征引入的同时，构建了复杂度更低、解释性更强的预测模型，显著提升了模型的预测精准度。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.022 seconds)
