-
公开(公告)号:CN116168371A
公开(公告)日:2023-05-26
申请号:CN202211634308.2
申请日:2022-12-19
Applicant: 同济大学
IPC: G06V20/59 , A61B5/18 , A61B5/0205 , A61B3/11 , A61B3/113 , A61B5/318 , A61B5/369 , A61B5/053 , G05B11/42 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/047
Abstract: 本发明公开了一种面向5G远程驾驶的安全员工作负荷估计系统及估计方法,利用驾驶安全员的生理、心理、驾驶行为及车辆状态建立信息融合计算模型来表征和评估驾驶安全员的驾驶工作负荷。所述检测系统包括脑电仪、眼球追踪设备、心电仪、皮肤/呼吸电仪,部署在远程驾驶舱来实时同步获取驾驶安全员视觉、心电、皮肤、呼吸、认知等相关生理数据及通过非侵入式激素检测及主观评估来获取驾驶安全员心理信息。通过生理、心理信息多模态特征融合,构建驾驶安全员状态模型及驾驶行为数据模型,进而基于Gipps模型分析了安全驾驶员行驶状态切换过程中的远程驾驶安全问题。为5G远程驾驶提供技术支撑。
-
公开(公告)号:CN116149315A
公开(公告)日:2023-05-23
申请号:CN202211466896.3
申请日:2022-11-22
Applicant: 同济大学
IPC: G05D1/02
Abstract: 本发明公开了一种面向无人驾驶出租车集群远程人机共驾系统,其包括车端自动驾驶AI模块,所述车端自动驾驶AI模块为系统客户端,所述车端自动驾驶AI模块包括环境感知模块、驾驶控制模块、通信模块、异常处理模块等模块;云端远程驾驶模块,所述云端远程驾驶模块为系统服务端,所述云端远程驾驶模块包括人机交互模块和通信模块;每辆车都配有一个所述车端自动驾驶AI模块,对所述共驾系统只有一个云端远程驾驶模块。本发明通过设计了多车远程共驾系统,有别于以往单车远程驾驶的系统,本系统可以实现一安全员控制多车,并且为远程驾驶云端配置了UI交互界面和虚拟驾驶模拟器,使安全员远程驾驶的体验更加友好,提高远程驾驶安全员工作效率。
-
公开(公告)号:CN116119547A
公开(公告)日:2023-05-16
申请号:CN202211644104.7
申请日:2022-12-20
Applicant: 同济大学
IPC: B66C23/28
Abstract: 本发明涉及一种用于塔架标准节自动升降与装拆的机械液压装置,包括:起升框架;标准节机构:包括标准节框架,以及分别安装在所述标准节框架的顶部和底部且位置相对应的至少一个弹扣连接件和至少一个勾扣连接件;用于水平输送标准节机构的进给平台;安装在所述起升框架上并用于顶升标准节机构的顶升平台;设置在所述起升框架上并用于带动勾扣杆件下压或弹扣件缩回的辅助平台;以及位于起升框架顶部并用于承载由顶升平台送来的标准节机构的力系转换支撑机构。与现有技术相比,本发明大大简化了标准节的安装、拆卸过程,提高了工作效率,无需人力介入。
-
公开(公告)号:CN114459676B
公开(公告)日:2023-05-05
申请号:CN202210053820.1
申请日:2022-01-18
Applicant: 同济大学
IPC: G01L25/00 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及一种柔性电子皮肤阵列性能检测系统,包括上位机模块、移动模块和检测模块,柔性电子皮肤设置在移动模块上,检测模块设置在柔性电子皮肤的上表面一侧,检测模块包括多个检测单元,上位机模块控制移动模块移动,使检测模块接触柔性电子皮肤并进行检测,获取所有检测单元的力变曲线;根据力变曲线获取每个检测单元的性能值;将所有检测单元的性能值输入训练好的神经网络,得到皮肤整体性能。与现有技术相比,本发明具有检测效率高等优点。
-
公开(公告)号:CN115950432A
公开(公告)日:2023-04-11
申请号:CN202310055408.8
申请日:2023-01-16
Applicant: 同济大学
Abstract: 本发明涉及一种室内外移动机器人的无缝定位方法、设备及存储介质,该方法包括:S1、分别在室外构建基于GNSS/IMU的组合定位子模型,在室内构建建立基于视觉/IMU的组合定位子模型;S2、输入交互;S3、模型滤波;S4、转移概率修正:采用新息向量对转移概率矩阵进行修正;S5、模型概率更新:计算组合定位子模型的似然函数,并更新各组合定位子模型的模型概率;S6、输出交互:对各组合定位子模型输出的当前时刻状态估计值和协方差进行融合,与模型概率加权后得到系统最终状态估计值和协方差,最后将更新后的模型概率传入输入至步骤S2进行下一次迭代。与现有技术相比,本发明实现了室内外导航中具备提供无缝定位服务。
-
公开(公告)号:CN115825068A
公开(公告)日:2023-03-21
申请号:CN202310033662.8
申请日:2023-01-10
Applicant: 同济大学
Abstract: 本发明公开了一种动车车底防松铁丝断裂检测方法,包括:采用待检测防松铁丝特征信息与事先设定好的标准特征信息进行对比的方式进行检测,先采集一辆完好的动车底部防松铁丝的特征信息作为标准参考模板,在动车检修时,再次采集动车底部相同位置的防松铁丝特征信息,并与标准参考模板中的特征信息进行对比,判断防松铁丝是否发生断裂。根据本发明,无需负样本或者少量负样本的就能检测防松铁丝是否断裂,防松铁丝的检测更为简便,应用范围更广,对不同设备的防松铁丝检测都具有推广价值。
-
公开(公告)号:CN115796366A
公开(公告)日:2023-03-14
申请号:CN202211537475.5
申请日:2022-12-02
Applicant: 同济大学
Abstract: 本发明涉及图像数据处理技术领域,特别是指一种森林虫害预测方法及虫害预测森林地图系统,所述方法包括:基于森林地理信息图层,获取并显示地理信息数据;基于环境特征信息图层,获取并显示环境特征数据;基于虫害特性信息图层,获取并显示虫害特性数据;基于感知节点分布图层,对森林虫害监测区域进行初始化全域监测并展示,对虫害高发区域进行重点监测并展示,获取并显示移动感知节点的移动信息以及采集到的数据;基于虫害趋势预测图层,基于改进的深度置信模型,预测虫害发展趋势与地理位置;基于数据存储模块,存储地理信息数据、环境特征数据、虫害特性数据。采用本发明,可以实现林木健康诊断与生态多样性变化的监测预警。
-
公开(公告)号:CN115757371A
公开(公告)日:2023-03-07
申请号:CN202211324675.2
申请日:2022-10-27
Applicant: 同济大学
IPC: G06F16/215 , G06F16/2458 , G06F16/28
Abstract: 本发明提供一种室内人员环控行为模式识别方法,针对偏好型行为,首先对采集到的数据进行清洗,然后根据时间序列数据的特点进行数据压缩,包括了根据重要点对数据进行分段以及使用聚类算法对数据段分类,从而实现时间序列的符号化表示,最后用处理好的数据构建环境—行为的序列,制定时间序列关联规则并提取出主要关联规则。用该主要关联规则表达经历了一系列的状态变化后通常会发生某行为,从而描述环境参数对人员环控行为长时间的影响。针对习惯型行为,只对采集的数据进行数据清洗。根据行为数据特点构建行为序列,提取出主要关联规则。用对应的主要关联规则表达人员的连贯产生的一系列行为,从而描述行为因素对人员环控行为长时间的影响。
-
公开(公告)号:CN115713721A
公开(公告)日:2023-02-24
申请号:CN202211505615.0
申请日:2022-11-29
Applicant: 同济大学
IPC: G06V20/40 , G06V40/20 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种双通路视频协同感知的行为姿态识别方法,包括左右两侧智慧灯杆的摄像模块、边缘计算模块,交互模块在内的双通路视频协同感知系统。左右两侧智慧灯杆的摄像模块即部署在两侧灯杆上的各一路摄像头,用于行人视频数据的收集;边缘计算模块即部署在智慧灯杆端的轻量级行人动作姿态识别神经网络,用于行人视频数据的处理即对行人实时动作类别的推断;交互模块用于共享两侧神经网络获取的行人姿态信息,实现对结果的博弈优化。该识别算法可用于街道行人视频监控信息挖掘与紧急情况实时反应处理,能够以较低算力资源实时、高效和精确地处理行人视频监控信息,节约人力物力,保障行人生命安全与公私财物安全。
-
公开(公告)号:CN115633129A
公开(公告)日:2023-01-20
申请号:CN202211252929.4
申请日:2022-10-13
Applicant: 同济大学
IPC: H04N1/32 , H04L9/00 , G06N3/0464 , G06N3/08 , G06F21/60
Abstract: 本发明公开了一种堆栈式稀疏自编码器和GAN的混沌序列图像加密方法及装置,涉及图像加密技术领域。包括:获取待加密的原始图像;获取原始图像的混沌序列;将混沌序列输入到训练好的基于堆栈稀疏自编码器和生成对抗网络GAN的深度学习网络加密模型;根据混沌序列以及深度学习网络加密模型,得到待加密的原始图像的密文图像。本发明通过堆栈式稀疏自编码器学习图像中复杂的内在特征,堆栈式稀疏自编码不仅具有多层网络结构,而且具有稀疏编码器的约束能力,使得模型能够在复杂环境下学习更加有效的图像特征。堆栈稀疏自编码器和GAN生成对抗网络相结合的加密模型,能够消除混沌序列的周期性,进一步提高加密模型的安全性。
-
-
-
-
-
-
-
-
-