-
公开(公告)号：CN111062311A
公开(公告)日：2020-04-24
申请号：CN201911281009.3
申请日：2019-12-13
Applicant: 东南大学
Abstract: 本发明涉及一种深度级可分离卷积网络的行人手势识别与交互方法，包括：通过安装在车辆上的前视相机系统采集包含行人的图像；将图像输入深度可分离卷积网络，检测行人包围盒，将包围盒区域的图像输入手势识别网络，输出行人区域的特征图。将行人所在区域的图像输入手势识别网络进行手势识别。手势识别网络通过深度级可分离卷积层提取特征，在输出特征图的每个点都预测12个人体关节点信息以及对应的12个偏移向量，最后通过对关节点分类理解行人手势，车辆根据识别到的行人手势，结合手势优先级，采取最保守策略做出决策。本发明使用深度级可分离卷积实现模型，成倍缩小模型规模，可以在智能手机等低功耗移动终端实现检测。
-
公开(公告)号：CN110096973A
公开(公告)日：2019-08-06
申请号：CN201910304333.6
申请日：2019-04-16
Applicant: 东南大学
Abstract: 本发明提出了一种基于ORB算法和深度级可分离卷积网络的交警手势识别方法，步骤如下：S1、采用摄像机拍摄含有交警的图像；S2、预处理图像，利用ORB算法检测预处理后的图像中的关键点；S3、利用BRIED特征描述子描述S2中的关键点特征；S4、通过随机一致性采样算法和关键点匹配图像中交警制服所在区域；S5、计算交警制服中心点，结合交警制服与交警身体的比例关系膨胀出交警所在区域；S6、将交警区域图像输入手势识别网络，手势识别网络利用深度级可分离卷积结构精简模型，并通过支持向量机或者一层全连接层得到手势分类结果，完成交警手势识别。本发明方法模型规模小，运算量少，运算速度快，识别精度高，可以部署在手机等低功耗设备上，方便推广。
-
公开(公告)号：CN102520418A
公开(公告)日：2012-06-27
申请号：CN201110449323.5
申请日：2011-12-28
Applicant: 东南大学
Abstract: 本发明公开了一种用于保证GPS导航数据完整性的数据存储实现方法，适用于GPS软件接收机的数据存储系统，利用创新设计的数据结构对GPS导航数据进行存储，从而保证了GPS接收机温启动和热启动时所利用的导航数据的完整性。该数据存储区包括星历数据部分、历书数据部分和数据完整标识部分，GPS接收机解码获得导航数据后，将一系列需要的星历、历书等数据分别传输进星历数据部分和历书数据部分，当所有数据都完整后，对数据完整标识部分进行设置，实现用于GPS导航数据完整性的数据存储。从而给GPS接收机识别完整的、可用的导航数据提供了确定的方法。
-
公开(公告)号：CN119863922A
公开(公告)日：2025-04-22
申请号：CN202411786653.7
申请日：2024-12-06
Applicant: 东南大学
IPC: G08G1/01 , G08G1/123 , G06N3/0442
Abstract: 本发明公开了一种考虑物理约束的车辆轨迹重构方法，包括步骤：S1、基于上游固定检测器和下游虚拟检测器的观测记录，构建车辆轨迹数据集。S2、将每辆车的轨迹数据处理成时间序列数据。S3、引入超车行为作为物理约束条件，通过时间消耗曲线估计车辆的超车点信息，得到目标车辆的超车行为约束条件；S4、引入基于激波理论的速度时空分布图作为物理信息表征目标车辆所在交通流的运行状态，得到目标车辆的速度时空分布约束条件。S5、基于跟驰模型和GRU模型构建并训练得到融合模型，并采用两个约束条件对重构轨迹进行校正。S6、对校正之后的车辆轨迹进行平滑处理。本发明能精准把控交通流状态，对于细化交通状态评价具有重要的应用价值。
-
公开(公告)号：CN117912245A
公开(公告)日：2024-04-19
申请号：CN202410046345.4
申请日：2024-01-12
Applicant: 东南大学
IPC: G08G1/01
Abstract: 本发明公开了一种基于极大似然估计的AVI检测器流量分配方法，包括基于时空棱镜划定候选目的地集的搜索范围；在候选目的地集基础上，使用有偏随机游走算法生成连接各目的地的候选路径集；通过求解似然函数最优化模型，推断不同候选目的地集的匹配概率；基于极大似然估计进行检测器流量分配；本发明将路径流视为检测器流的分配结果而不是OD流，并基于这一新的视角，将UE假设和先验OD矩阵替换为时间一致性假设和检测器对之间的观测交通流，从而得到更真实的结果。
-
Patent Agency Ranking
公开(公告)号：CN117506937A
公开(公告)日：2024-02-06
申请号：CN202410008776.1
申请日：2024-01-04
Applicant: 中铁十四局集团大盾构工程有限公司 , 东南大学南京江北新区创新研究院 , 南京承阖信息技术研究院有限公司
Abstract: 本发明公开了一种基于多阶段视觉伺服控制的焊件自主摆放方法。该方法包括将焊件自主摆放分为焊件抓取阶段、焊件转移阶段和焊件摆放阶段，在焊件抓取阶段，通过构建的图像视觉伺服模型实现待摆放焊件的精确抓取，在焊接转移阶段，通过外置的相机获取焊件的空间位姿，利用构建的位置视觉伺服模型引导机械臂末端相机获取对应视野，为焊件摆放阶段的图像视觉伺服模型操作提供起始位置，在焊件摆放阶段，结合实际情况对焊件摆放阶段的特征点进行视野约束，其余控制设计与焊件抓取阶段相同。本发明采用多阶段视觉伺服控制，避免了传统算法中视野丢失的问题，保证焊件在转运过程中的安全，同时为其他阶段的操作提供较高的可操作度。
-
公开(公告)号：CN119811111A
公开(公告)日：2025-04-11
申请号：CN202510197821.7
申请日：2025-02-21
Applicant: 东南大学
IPC: G08G1/083 , G06Q10/047
Abstract: 本发明涉及交通信号控制技术领域，公开了一种面向多关键路径的干道可变带宽协调绿波方法及系统，该方法包括如下步骤：获取实时的干道道路结构数据、交叉口信号配时参数和关键路径信息；将采集的数据输入预先构建好的干道绿波优化模型中，求解干道绿波优化模型，输出优化后的信号控制参数，根据所述优化后的信号控制参数来协调绿波；所述干道绿波优化模型包括目标函数和约束条件；以最大化关键路径的绿波带宽的加权和为目标，得到干道绿波优化模型的目标函数。本发明能够应用于城市干道场景，为多条关键路径提供绿波带，且绿波带宽在不同路段是可以灵活变化，提高城市干道车流通行效率。
-
公开(公告)号：CN119580509A
公开(公告)日：2025-03-07
申请号：CN202411616312.5
申请日：2024-11-13
Applicant: 东南大学
Abstract: 本发明提供一种考虑速度波动的多路径主干道信号协同控制方法，包括首先采集交通数据，包括路网几何数据、交通流量数据、以及信号控制数据，根据交通流量数据确定若干条主要路径。然后基于各个主要路径上每辆车的行驶速度，计算各主要路径上的车辆行驶平均速度和速度波动量。最后构建信号控制优化模型：以所有路径的加权绿波带宽最大化为目标，构建目标函数，同时添加环路整数约束、干扰约束、速度波动时空约束、最高速度波动约束、最低速度波动约束，求解信号控制优化模型，获得优化信号周期和绿波带宽，输出优化的信号配时策略。本发明的方法生成的信号配时在减少行程延迟和停车次数方面具有良好前景，能够实现更好的多路径协同效果。
-
公开(公告)号：CN119541231A
公开(公告)日：2025-02-28
申请号：CN202411507915.1
申请日：2024-10-28
Applicant: 东南大学
Abstract: 本发明公开了一种面向公交优先的多路径信号协调控制方法，包括以下步骤：S1、采集干线交叉口和干线中公交运行线路的相关信息，S2、基于各公交线路的停靠站位置，结合哑元变量进行多路径公交信号控制子区的划分；S3、以最大化各公交路径的加权绿波带宽为优化目标，建立面向公交优先的多路径信号协调控制优化模型，然后分别建立各路径的控制子区组内约束、控制子区组间约束以及行程时间约束；S4、求解优化模型，获得各条公交路径的绿波带宽，并输出干线中各交叉口的优化信号控制参数。本发明在应用于城市干线的公交信号协调控制时，能够为多条公交路径提供绿波带宽，显著提升城市干道中公交车辆的通行效率，缓解交通拥堵。
-
公开(公告)号：CN116543559B
公开(公告)日：2024-10-11
申请号：CN202310576909.0
申请日：2023-05-22
Applicant: 东南大学
IPC: G08G1/01
Abstract: 本发明公开了一种考虑超车行为的车辆轨迹重构方法，该方法包括如下步骤：(1)根据车牌信息检索同一辆车经过上下游固定检测器的观测记录，提取速度及时间信息。(2)选用三次多项式曲线表征车辆轨迹形式，对每一辆车分别建立多项式模型并标定参数，模拟车辆初始行驶轨迹。(3)考虑超车行为的随机性，对于超车/被超车辆，搜索其在行驶时段内超越/被超越的车辆，确定超车/被超车的具体时刻。(4)创建车辆顺序变量，计算每一辆车的顺序变化量。(5)建立分段线性车辆顺序变化模型，计算每一时间步长内的车辆顺序。(6)确定每一步长内自由流和非自由流情况下的车辆位置，选取最小值作为车辆真实位置，重构全时空车辆运行轨迹信息。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.022 seconds)
