-
公开(公告)号：CN114185072A
公开(公告)日：2022-03-15
申请号：CN202111450236.1
申请日：2021-11-30
Applicant: 长安大学 , 山东高速信息集团有限公司
Abstract: 本发明公开了一种基于回归预测模型的高速公路隧道内外无缝定位系统及方法，采用隧道外GPS定位模块、隧道内WIFI定位模块、隧道内外无缝定位模块以及综合地图显示模块；解决了隧道内外交接处的传统GPS定位与WIFI定位方法无法提供用户位置信息的问题，从隧道外GPS定位模块或隧道内WIFI定位模块接收坐标信息，将根据隧道内或隧道外得到的定位信息来预测用户的坐标，并将用户的预测坐标传递给综合地图显示模块，本发明隧道内外无缝定位模块基于回归预测模型的融合定位方法，实现了隧道内外无准确缝定位，采用回归预测模型可以根据少量的样本点对用户位置变化进行较为精准的预测，在较低的计算复杂度下提供了用户的位置信。
-
公开(公告)号：CN112162545B
公开(公告)日：2021-12-14
申请号：CN202011134946.9
申请日：2020-10-21
Applicant: 长安大学
IPC: G05B23/02
Abstract: 本发明公开了一种汽车故障诊断方法及系统，利用车辆正常行驶状态下的系统运行数据信息对车辆系统模型进行训练优化，对实时采集车辆行驶状态下的系统运行数据信息，并对车辆行驶状态下的系统运行数据信息进行传感器数据降噪及致命传感器故障的特征提取筛选并进行重构，将重构后的系统运行数据信息输入到训练优化后的车辆系统模型，输出系统状态数据与设定阈值对比，若超出设定阈值，则该系统状态数据对应的系统执行器存在故障，通过对采集的系统运行数据进行传感器数据降噪及致命传感器故障的特征提取筛，能够有效检测传感器数据的致命异常以及汽车运行状态的异常，利用系统运行数据对应的位置实现汽车故障定位，大大提高了汽车故障诊断的可靠性。
-
公开(公告)号：CN111880511A
公开(公告)日：2020-11-03
申请号：CN202010635444.8
申请日：2020-07-03
Applicant: 长安大学
IPC: G05B23/02
Abstract: 一种无人车泊车能力的测试系统及测试方法，该系统包括测试场地、第一参考车辆、路侧单元、控制中心以及待测车辆；所述测试场地包括：通行车道；第一停车位，设置在通行车道旁；多个参考停车位，所述第一停车位于多个参考停车位中的两个参考停车位之间，两个参考停车位内均放置有第一参考车辆；所述路侧单元用于分别与所述控制中心和待测车辆进行信号传输，以及用于获取待测车辆的行驶信息，并将获取到的待测车辆的行驶信息发送至所述控制中心；所述控制中心用于基于输入指令生成停车位信息和启动指令，并通过路侧单元向待测车辆发送停车位信息以及启动指令。上述测试系统及方法可以模拟真实场地，对无人车泊车能力进行测试。
-
公开(公告)号：CN119975359A
公开(公告)日：2025-05-13
申请号：CN202510326979.X
申请日：2025-03-19
Applicant: 长安大学
Abstract: 本发明基于多智能体的多车道匝道合流区车辆控制方法及系统，该车辆控制方法包括：构建多车道混合交通流匝道合流区的仿真系统；基于多车道混合交通流匝道合流区的仿真系统获取智能体运动状态；基于多智能体深度确定性策略梯度MADDPG算法，调整智能体在混合交通匝道合流区运动状态；基于二次神经元的Actor网络，构建基于二次神经元的多智能体深度策略性梯度BQ‑MADDPG算法；基于二次神经元的多智能体深度策略性梯度BQ‑MADDPG算法中，调整智能体在多车道匝道合流区运动状态，直至智能体完全驶离多车道匝道合流区，用以解决现有多智能体深度强化学习MADRL算法在训练中难以达到稳定状态导致模型收敛困难，无法高效解决混合交通下多车道匝道合流区场景的车辆汇入决策控制问题。
-
公开(公告)号：CN114299477B
公开(公告)日：2025-04-18
申请号：CN202111453011.1
申请日：2021-11-30
Applicant: 长安大学
Abstract: 本发明公开了一种车辆视觉定位方法、系统、设备及可读存储介质，通过将车辆运动过程中的旋转矩阵参数化为角度变化量，将车辆运动过程中的平移向量参数化为平移分量以图论概念表示，基于鲁棒特征点AKAZE的特征检测算法，以及结合零均值归一化互相关与多策略的特征点匹配算法保证了特征点提取和特征点关联的精确性，改进的RANSAC算法的外点去除算法去除了噪声点和错误匹配点，保证了运动计算的精确性，通过非线性加权最小二乘法解算车辆运动信息以及基于Sigma点的滤波处理技术进一步优化运动结果，定位精度高，基于初始值估计的改进RANSAC算法降低了外点去除的复杂性，保证了算法的实时性，减少了特征点数目，从而降低了算法复杂度，保证了整个算法的实时性。
-
Patent Agency Ranking
公开(公告)号：CN114299477A
公开(公告)日：2022-04-08
申请号：CN202111453011.1
申请日：2021-11-30
Applicant: 长安大学
Abstract: 本发明公开了一种车辆视觉定位方法、系统、设备及可读存储介质，通过将车辆运动过程中的旋转矩阵参数化为角度变化量，将车辆运动过程中的平移向量参数化为平移分量以图论概念表示，基于鲁棒特征点AKAZE的特征检测算法，以及结合零均值归一化互相关与多策略的特征点匹配算法保证了特征点提取和特征点关联的精确性，改进的RANSAC算法的外点去除算法去除了噪声点和错误匹配点，保证了运动计算的精确性，通过非线性加权最小二乘法解算车辆运动信息以及基于Sigma点的滤波处理技术进一步优化运动结果，定位精度高，基于初始值估计的改进RANSAC算法降低了外点去除的复杂性，保证了算法的实时性，减少了特征点数目，从而降低了算法复杂度，保证了整个算法的实时性。
-
公开(公告)号：CN114152968A
公开(公告)日：2022-03-08
申请号：CN202111450167.4
申请日：2021-11-30
Applicant: 长安大学
Abstract: 本发明公开了一种弱GNSS环境下车辆定位方法、系统、设备及可读存储介质，通过对车辆的序贯数据进行局部异常值处理与数据降噪处理，利用GNSS/INS组合导航系统获取车辆预测数据，并进行预处理，采用预处理后的车辆预测数据训练得到预训练模型，本发明基于GNSS/INS组合导航系统数据，从数据降噪和位置预测模型能够对车辆进行准确定位，解决GNSS/INS系统在弱GNSS条件下的车辆定位问题，大大提高了车辆的定位精确度；采用位置预测模型采用了数据驱动的LSTM模型，避免了建模的复杂性，考虑到离线训练和实时在线预测两个阶段数据形态的不同，离线训练时从数据整体角度入手进行异常值处理和滤波降噪，而在线预测时由于数据是序贯到达的，采用局部异常值处理和数据降噪方法，防止数据失真。
-
公开(公告)号：CN112162545A
公开(公告)日：2021-01-01
申请号：CN202011134946.9
申请日：2020-10-21
Applicant: 长安大学
IPC: G05B23/02
Abstract: 本发明公开了一种汽车故障诊断方法及系统，利用车辆正常行驶状态下的系统运行数据信息对车辆系统模型进行训练优化，对实时采集车辆行驶状态下的系统运行数据信息，并对车辆行驶状态下的系统运行数据信息进行传感器数据降噪及致命传感器故障的特征提取筛选并进行重构，将重构后的系统运行数据信息输入到训练优化后的车辆系统模型，输出系统状态数据与设定阈值对比，若超出设定阈值，则该系统状态数据对应的系统执行器存在故障，通过对采集的系统运行数据进行传感器数据降噪及致命传感器故障的特征提取筛，能够有效检测传感器数据的致命异常以及汽车运行状态的异常，利用系统运行数据对应的位置实现汽车故障定位，大大提高了汽车故障诊断的可靠性。
-
公开(公告)号：CN119205903A
公开(公告)日：2024-12-27
申请号：CN202410975727.5
申请日：2024-07-19
Applicant: 长安大学
IPC: G06T7/73 , G06N3/0464 , G01C21/00
Abstract: 本发明公开了一种基于点云描述符提取的车辆位置识别方法及系统，通过对获取的车辆激光点云数据进行去噪处理；采用点云描述符预训练模型对去噪处理后的激光点云数据进行点云全局描述符提取，根据获取的点云全局描述符获取车辆位置，本发明同时使用点云深度图与点云鸟瞰图作为输入，避免使用数据量庞大的原始点云数据的同时极大程度的保留了点云的几何信息，引入注意力机制同时提取数据的空间和时间维度特征，构建了具有旋转不变性的全局描述符。与传统描述符构建方法相比，本发明构建的描述符更加鲁棒，位置重识别效果好，在反向重访或带有一定旋转角度的重访情况下，能够以很好的进行位置重识别。
-
公开(公告)号：CN118991806A
公开(公告)日：2024-11-22
申请号：CN202411086767.0
申请日：2024-08-08
Applicant: 长安大学
IPC: B60W50/02 , G06F18/21 , G06F18/24 , G06F18/214 , G06N3/0455 , G06N3/088 , G01M17/007
Abstract: 本发明公开了一种自动驾驶汽车传感器数据异常检测方法及系统，通过重构预训练模型对车辆传感器数据进行异常重构获取重构数据；对获取的重构数据以及获取该重构数据的车辆传感器数据进行误差计算，如果重构数据与获取该重构数据的车辆传感器数据之间的误差大于设定阈值，则获取该重构数据的车辆传感器数据异常，否则为正常数据，本发明可有效检测并解释异常，保证了自动驾驶汽车运行的安全性。增强模型对传感器数据的多种异常类型的检测性能。并且通过计算每个输入维度对样本异常检测结果的贡献对异常检测结果进行解释，增强了模型的可信度。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.019 seconds)
