-
公开(公告)号:CN117611627A
公开(公告)日:2024-02-27
申请号:CN202311268996.X
申请日:2023-09-27
Applicant: 东南大学
IPC: G06T7/246 , G06T7/277 , G06N3/0442
Abstract: 本发明公开了一种基于无迹卡尔曼滤波和长短时记忆融合的多目标跟踪方法及系统,采用等转角速率和速度运动模型的无迹卡尔曼滤波方法对跟踪目标的状态向量进行目标运动状态估计,根据目标在上一帧的运动信息使用无迹卡尔曼滤波算法进行当前帧跟踪目标运动状态的预测,并在跟踪目标丢失时,使用长短期记忆神经网络进行预测和修正;同时,基于加权特征距离计算相似度,根据匈牙利算法对检测目标和跟踪目标进行两阶段数据关联,通过生命周期管理对匹配结果对应的检测和跟踪目标实现稳定的属性更新,实现多目标跟踪。本发明方法解决了复杂交通环境下的遮挡、拥堵等因素导致的漏跟踪、误跟踪、ID切换问题,并且实现了较快推理速度的多交通目标跟踪能力。
-
-
公开(公告)号:CN116946162A
公开(公告)日:2023-10-27
申请号:CN202311209606.1
申请日:2023-09-19
Applicant: 东南大学
IPC: B60W50/00 , B60W40/064 , B60W40/072 , B60W40/076 , B60W40/06
Abstract: 本发明公开了一种考虑路面附着条件的智能网联商用车安全驾驶决策方法。首先,将安全驾驶决策问题建模为有限马尔可夫决策模型,并定义决策模型的基本参数。其次,设计决策模型的网络架构。最后,训练决策模型的网络参数。本发明提出的方法综合考虑了路面附着条件、道路坡度和弯度等因素对于行车安全的影响,能够适应不同的交通环境和行驶工况,解决了现有的商用车驾驶决策方法适应性差、决策不准确的问题。
-
公开(公告)号:CN116930981A
公开(公告)日:2023-10-24
申请号:CN202311027268.X
申请日:2023-08-14
Applicant: 东南大学
Abstract: 本发明公开了一种面向特征稀疏环境的激光雷达鲁棒定位方法,首先,将激光雷达点云转换为距离图像,其次,构建激光雷达点云超分辨率网络,对下采样后的低分辨率图像进行训练,输出高分辨率图像,接着,将训练好的网络输出的高分辨率图像重新转换为激光雷达点云,最后,基于超分辨率后的激光雷达点云,利用经典的激光雷达点云配准算法进行位置解算。本发明公开的面向特征稀疏环境的激光雷达鲁棒定位方法,有效克服了激光雷达稀疏性带来的定位不准甚至失效的难题。
-
公开(公告)号:CN116343763A
公开(公告)日:2023-06-27
申请号:CN202310257571.2
申请日:2023-03-14
Applicant: 东南大学
IPC: G10L15/04 , G10L21/0208 , G10L25/45 , G10L25/30 , G10L25/24
Abstract: 本发明公开了一种基于混合特征的音频预警精准辨识方法,该方法对收集到的音频语音进行分析,确定预警信号的发出时间,从而对音频预警的及时性进行准确评测。首先,采用logmmse‑谱减法进行双重降噪,将录制的语音中的噪声信息滤除;接着,使用基于短时能量的端点检测,标注出待测语音中的有效语音段;然后,对有效语音段的每帧语音提取MFCC特征和波形多项式特征;继而,分别将两种特征作为卷积神经网络两个通道的输入,将两个通道的输出相加后得到混合特征;最后,将混合特征作为softmax函数的输入,通过最大概率值确定目标语音(音频预警信号)所在的语音段,该语音段的起始位置就是预警信号的发出时间。
-
公开(公告)号:CN115440041B
公开(公告)日:2023-05-30
申请号:CN202211070528.7
申请日:2022-09-02
Applicant: 东南大学
IPC: G08G1/01 , G08G1/052 , G08G1/0967 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
-
公开(公告)号:CN114863708B
公开(公告)日:2023-04-18
申请号:CN202210501894.7
申请日:2022-05-09
Applicant: 东南大学
IPC: G08G1/0967 , G08G1/16 , G06N3/0464 , G06N3/092 , G06Q10/0635
Abstract: 本发明公开了一种面向营运车辆的道路合流区路侧实时精准诱导方法。现有的路侧诱导方法在诱导的实时性、诱导精准性方面无法适用于营运车辆。本发明的方法包含以下几个步骤:步骤一:训练环境中的输入数据预处理;步骤二:设计状态空间、动作空间、奖励函数;步骤三:基于深度确定性策略梯度算法,设计深度策略网络和动作网络并进行训练;步骤四:评估营运车辆诱导效果。本发明能够将转向、制动、加速等方面精准量化的安全性最优的驾驶建议发送给营运车辆,诱导营运车辆安全且高效地通过道路合流区。
-
公开(公告)号:CN115690646A
公开(公告)日:2023-02-03
申请号:CN202211189664.8
申请日:2022-09-28
Applicant: 东南大学
Abstract: 本发明公开了一种面向智能驾驶测评的视频预警时刻高精度分析方法,该方法通过支持硬件触发的相机,以北斗秒脉冲信号为基准信号,使用FPGA分频,实现高频率的视频预警信号采集。将相机采集到的视频转化成图片帧序列,利用视频差分算法获得频率更高的图片帧序列。在新的图片帧序列的上进行模板匹配,并对预警时间的误差进行测评。本发明可以应用于需要进行视频预警信号分析的智能驾驶测评项目,具有在不改变硬件设备的前提下,利用低采样频率设备的采样结果通过差分获得高采样频率采样数据的功能和减小预警时间误差的特点。
-
-
公开(公告)号:CN112101709B
公开(公告)日:2022-11-11
申请号:CN202010760374.9
申请日:2020-07-31
Applicant: 东南大学
IPC: G06Q10/06 , G06F30/20 , G01M17/007
Abstract: 本发明公开了用于商用车辆自动紧急制动系统的全面准确的测评方法。首先,建立基于强跟踪卡尔曼滤波算法的靶车自适应常加速改进模型和基于强跟踪扩展卡尔曼滤波算法的自车横摆特性动力学模型,获取靶车和自车的位置、速度、加速度等运动学状态信息及自车横摆特性状态信息;然后,利用靶车和自车的状态信息,计算一般性的AEB测评指标,即碰撞时间和强化碰撞时间,并计算针对商用车辆横摆稳定性的测评指标,即制动横摆安全裕量和制动平顺性。本发明解决了现有车辆AEB测评方法没有关注靶车的运动状态参数导致测评结果准确性不够高,没有具体考虑商用车辆重心高、质量大等特性导致测评结果不够全面的问题,实现了对商用车辆AEB系统的全面准确测评。
-
-
-
-
-
-
-
-
-