-
公开(公告)号：CN113703025B
公开(公告)日：2023-11-07
申请号：CN202110972521.3
申请日：2021-08-23
Applicant: 东南大学
IPC: G01S19/47
Abstract: 本发明公开了一种面向GNSS多种失效状态的车辆定位误差智能预测方法。该方法首先根据GNSS失效时的可见星数将失效状态分为0颗星、1颗星、2颗星、3颗星四种，依据定位误差对历史信息的依赖特性，针对不同失效状态下的定位误差预测任务分别建立基于LSTM的深度学习网络；接着，借鉴多任务学习思想，充分利用不同失效状态子任务模型之间的相似性，采用soft参数共享机制进行综合训练，提升各子任务模型的泛化能力；最终，训练完成后的车辆定位误差智能预测模型可以根据实际的可见星数目所决定的输入量个数，选择相应的子任务模型，得到定位误差的预测值。本方法充分利用了GNSS失效状态下的部分可见卫星的信息，模型泛化能力强，定位误差预测准确。
-
公开(公告)号：CN116959260A
公开(公告)日：2023-10-27
申请号：CN202311212627.9
申请日：2023-09-20
Applicant: 东南大学
IPC: G08G1/01 , G08G1/048 , G08G1/052 , G08G1/0967 , G06N3/042 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于图神经网络的多车辆驾驶行为预测方法，属于新一代信息技术领域。首先，建立基于图神经网络的驾驶行为预测模型，并定义预测模型的输入和输出。其次，定义驾驶行为预测模型的相关参数。最后，设计驾驶行为预测模型的网络架构，并对其进行训练。本发明提出的方法站在路侧的全局化视角，能够预测多个交通参与者的驾驶行为，有助于提高道路重点区域的行车安全。此外，该方法无需计算车辆动力学模型，计算耗时低，且使用的传感器成本较低，计算方法清晰，便于大规模推广。
-
公开(公告)号：CN109903341B
公开(公告)日：2023-09-08
申请号：CN201910073564.0
申请日：2019-01-25
Applicant: 东南大学
IPC: G06T7/80
Abstract: 本发明公开了一种车载摄像机外参动态自标定方法，涉及智能车辆信息处理技术领域，该方法在载体车辆上设置一正六边形黑白标定参照物，首先利用张氏标定法对静态载体车辆上监控摄像机的参数进行标定，获得摄像机内参与初始外参，进而结合参照物中各标定参照点的三维世界坐标计算各标定参照点的初始三维摄像机坐标；然后在监控摄像机工作过程中对动态变化的外参进行定时检测更新。本方法保持监控摄像机外参的准确可靠，为后续进行相关机器视觉应用提供标定准确性前提。
-
公开(公告)号：CN116503602A
公开(公告)日：2023-07-28
申请号：CN202310528767.0
申请日：2023-05-11
Applicant: 东南大学
IPC: G06V10/26 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多层级边缘增强的非结构化环境三维点云语义分割方法，首先构建一个高效的基于球面投影的语义‑边缘双编码结构，其次设计边缘注意力融合模块对双编码器的中间特征进行深度和自动融合，再次设计解码器将特征图恢复到原始输入尺寸，接着提出一种边缘判别器，在输出端进一步提高识别边缘的能力，然后设计损失函数，最后利用样本集对网络进行训练，获得网络参数，从而实现非结构化环境三维点云语义的高效与可靠分割，本发明方法结合传统方法和深度学习算法的优点，提升对于边缘的感知能力，以实现非结构化环境的高效、高精三维语义分割。
-
公开(公告)号：CN116265664A
公开(公告)日：2023-06-20
申请号：CN202111553621.9
申请日：2021-12-17
Applicant: 东南大学
Abstract: 本发明提出了一种用于大型挖掘机高效作业的一键无线操控方法，首先对挖掘机的液压系统进行电控改造，然后搭建无线操控装置和实现挖掘机各执行部件动作的单步操控，接着梳理挖掘机高频重复的序列化动作，最后基于“感知‑控制”实现挖掘机序列化动作的一键操控。本发明装置包括遥控器、无线传输模块、信号处理模块、电流产生模块和多个电磁阀，可以实现挖掘机单步动作和序列化动作的无线操控。本发明方法融合挖掘机作业部件的状态实时感知和精准控制，可以实现高效精准的一键序列化操控，提高挖掘机的作业效率。
-
Patent Agency Ranking
公开(公告)号：CN115965783A
公开(公告)日：2023-04-14
申请号：CN202211647922.2
申请日：2022-12-21
Applicant: 东南大学
Abstract: 本发明提出了一种基于点云和图像特征融合的非结构化道路分割方法。首先，利用自动驾驶仿真模拟器CARLA构建非结构化道路场景的数据集。然后，针对点云数据特性设计了用于训练和推理的3D主干网络，针对图像数据的特征设计了用于辅助训练的2D网络。接着，利用知识蒸馏进行点云‑图像特征融合，在保留原有3D特征知识的基础上，充分利用2D特征的纹理和颜色特征作为先验信息辅助训练，利用多模态特征增强3D主干网络。最后，利用自建的非结构化道路场景数据集训练模型，并进行非结构化道路分割。本发明有效解决了当前非结构化道路场景数据集稀缺的问题，并将互补的多模态特征进行有效的提取和融合，进一步提高了非结构化道路分割的准确性和高效性。
-
公开(公告)号：CN115440041A
公开(公告)日：2022-12-06
申请号：CN202211070528.7
申请日：2022-09-02
Applicant: 东南大学
IPC: G08G1/01 , G08G1/052 , G08G1/0967 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种路侧视角下的重点车辆驾驶行为预测方法。首先，确定驾驶行为预测网络的输入和输出。其次，构建面向重点车辆的驾驶行为预测网络。最后，训练驾驶行为预测网络，实现了路侧视角下重点车辆的驾驶行为预测。本发明提出的方法，利用了智能路侧设备的全局视角优势与先验信息，且考虑了周围交通参与者对重点车辆驾驶行为的影响，可以对重点车辆“下一步”可能的行为意图进行辨识，实现其“未来”驾驶等行为的“行为级”有效预测。
-
公开(公告)号：CN112580148B
公开(公告)日：2022-11-18
申请号：CN202011512718.0
申请日：2020-12-20
Applicant: 东南大学
IPC: G06F30/15 , G06F30/27 , G06N3/08 , G06F111/18
Abstract: 本发明公开了一种基于深度强化学习的重型营运车辆防侧翻驾驶决策方法。首先，面向高等级公路，建立包含直道和弯道的三车道虚拟环境模型。其次，采集道路状态信息和车辆运动信息。最后，将防侧翻驾驶决策问题建模为马尔科夫决策过程，利用深度确定性策略梯度算法建立重型营运车辆的防侧翻驾驶决策模型，得到不同交通环境和行驶工况下的防侧翻驾驶决策策略，实现对重型营运车辆侧翻主动防控的最优决策。本发明提出的决策方法，克服了现有方法缺乏有效性、环境适应性等不足，为驾驶员提供制动踏板开度、方向盘转角控制量等精确量化的驾驶建议，从而实现有效、可靠、自适应的防侧翻驾驶决策。
-
公开(公告)号：CN115099599A
公开(公告)日：2022-09-23
申请号：CN202210684503.X
申请日：2022-06-17
Applicant: 东南大学
Abstract: 本发明公开了一种面向公交信号优先控制的测试评价方法。首先，选取城市的交通路口作为试验场地，建立面向公交信号优先控制的测试场景。其次，为了全面、精确、可靠地获取公交信号优先控制诱导过程中的公交车运动状态参数，结合匀加速运动模型，采用扩展卡尔曼滤波算法对公交车的位置、速度、加速度信息进行准确估计。最后，在公交车运动状态参数准确递推的基础上，提出了诱导距离、诱导过程的驾驶平顺性、诱导过程的急加速/急减速行为等多个量化指标，从多个角度对公交信号优先控制开展测试评价，实现了精确、可靠、科学的定量测评。
-
公开(公告)号：CN115063463A
公开(公告)日：2022-09-16
申请号：CN202210698689.4
申请日：2022-06-20
Applicant: 东南大学
Abstract: 本发明公开了一种基于无监督学习的鱼眼相机场景深度估计方法，该方法首先建立生成对抗网络架构，对输入的鱼眼图像进行畸变校正处理；然后建立场景深度估计网络架构，对图像进行深度特征和位姿特征的提取；接着使用场景深度图信息和相机位姿信息重构图像，设计损失函数训练模型，优化网络参数；最终使用训练好的网络进行深度估计，得到图像的场景深度图。该方法使用鱼眼相机，具有观测范围广的特点；所采用的无监督学习方法，具有训练方便、感知结果准确的特点，能够满足场景深度估计的需求。
-
-
-
-
-
-
-
-
-
Search Results
335
records
(took 0.033 seconds)
