-
公开(公告)号：CN113723540A
公开(公告)日：2021-11-30
申请号：CN202111027470.3
申请日：2021-09-02
Applicant: 济南大学
Abstract: 本发明公开了一种基于多视图的无人驾驶场景聚类方法及系统，包括以下步骤：获取无人驾驶车辆当前多视图数据，并进行标准化处理；基于迁移学习对每个视图进行聚类分析：(1)根据设定的类别数分别进行聚类分析，得到当前隶属度矩阵；(2)根据该视图与其他视图的当前隶属度矩阵，以及设定的迁移学习因子，对隶属度矩阵进行更新，得到新的聚类中心，并更新视图的权重；根据迁移学习前后的聚类结果，判断是否需要继续进行迁移学习，若是，更新迁移学习因子，对每个视图再次进行聚类分析，若否，聚类结束，得到无人驾驶场景的道路识别结果。本发明通过基于激光雷达数据和图像数据两个视图进行场景中道路的识别，数据的利用更为充分，识别精度高。
-
公开(公告)号：CN110077416B
公开(公告)日：2020-12-11
申请号：CN201910376543.6
申请日：2019-05-07
Applicant: 济南大学
IPC: B60W40/09
Abstract: 本公开提供了一种基于决策树的驾驶员意图分析方法及系统，本公开利用车载传感器采集驾驶员在实际驾驶过程中，车速、加速踏板的位移、制动踏板的位移、方向盘的转向角度以及距离路口的实时距离；然后，利用多流卷积神经网络检测驾驶员注视位置，并通过RGB摄像头获取驾驶员头部姿态信息；其次，对以上数据做相应标记后利用SVD降维筛选出关键特征；最后，使用决策树算法对以上采集到的数据进行分析得出驾驶员意图类型，以对汽车进行更好的控制。
-
公开(公告)号：CN107124329B
公开(公告)日：2020-05-05
申请号：CN201710284487.4
申请日：2017-04-25
Applicant: 济南大学
Abstract: 本发明公开了基于低水位滑动时间窗口的离群数据发现方法及系统；包括：数据分发：接收外部数据流，然后将外部数据流分发给各个数据处理节点；数据处理：数据处理节点对接收到的外部数据流进行处理；定义低水位滑动时间窗口，以时间戳为水平坐标轴，随着时间推移，低水位滑动时间窗口在时间戳水平坐标轴上从左往右不断移动，在任意时间点，低水位滑动时间窗口水平坐标轴上方为未处理数据，水平坐标轴下方为已处理数据；然后根据当前数据处理时间戳在低水位滑动时间窗口范围内的位置来发现当前数据处理是否为离群数据；数据聚合：将数据处理的结果进行汇总进行输出。区分可丢弃数据、离群数据与正常待处理数据，提高数据处理可靠性，加速故障恢复。
-
公开(公告)号：CN110910392A
公开(公告)日：2020-03-24
申请号：CN201911131121.9
申请日：2019-11-18
Applicant: 济南大学
Abstract: 一种基于多重空间信息加权的模糊聚类的图像分割方法，在模糊聚类的目标函数中同时考虑了图像的多种像素信息，这种方法对于具有多种未知噪声的图像具有较好的鲁棒性，在此过程中，该方法提供了两种不同的算法，首先为了确保对聚类贡献较大的空间信息能够更好地促进聚类，采用熵加权技术对参与聚类的多种空间信息进行自动加权，像素之间的距离度量采用欧几里得距离；其次考虑到噪声图像中的像素点错综复杂且往往具有线性不可分的特点，使用核方法将特征空间中的像素点映射到高维的核空间，像素之间的距离度量使用高斯核函数进行计算，并对映射后的不同图像之间的像素点进行加权。
-
公开(公告)号：CN110136455A
公开(公告)日：2019-08-16
申请号：CN201910379345.5
申请日：2019-05-08
Applicant: 济南大学
Abstract: 本发明提供了一种交通信号灯配时方法，属于交通设备领域。该方法包括：如果只有一个交叉口，则对该交叉口进行单交叉口信号灯配时；如果两个相邻交叉口之间的距离大于800米，则对每个交叉口分别进行单交叉口信号灯配时；如果两个相邻交叉口之间的距离小于等于800米，则进行两相邻交叉口信号灯配时；如果一个交叉口与四个交叉口相邻，则进行四交叉口信号灯配时。本发明针对各个车道饱和度不等的情况，将实时弹性调度策略运用到了交叉口信号配时中，构建了针对各种交叉口的配时模型，并求得相应的最优解析解，并针对每个相位设计了最优绿灯配时，从而从根本上起到了缓解交通压力的作用。
-
Patent Agency Ranking
公开(公告)号：CN110110662A
公开(公告)日：2019-08-09
申请号：CN201910375979.3
申请日：2019-05-07
Applicant: 济南大学
Abstract: 本公开提供了一种驾驶场景下驾驶员眼动行为检测方法、系统、介质及设备，采集驾驶员驾驶视频；对视频进行分帧，识别出包括脸部和眼部的目标区域，截取目标区域并以图片的形式保存；构建双通道卷积神经网络，将眼部图片作为其中一个通道的输入，提取眼部特征；脸部图片作为另一个通道的输入，提取脸部特征；两个通道提取的特征经过两层全连接层进行融合并通过softmax函数得到最终识别结果，投入成本低且不需要复杂的模型参数，具有非常好的应用前景。
-
公开(公告)号：CN110077416A
公开(公告)日：2019-08-02
申请号：CN201910376543.6
申请日：2019-05-07
Applicant: 济南大学
IPC: B60W40/09
Abstract: 本公开提供了一种基于决策树的驾驶员意图分析方法及系统，本公开利用车载传感器采集驾驶员在实际驾驶过程中，车速、加速踏板的位移、制动踏板的位移、方向盘的转向角度以及距离路口的实时距离；然后，利用多流卷积神经网络检测驾驶员注视位置，并通过RGB摄像头获取驾驶员头部姿态信息；其次，对以上数据做相应标记后利用SVD降维筛选出关键特征；最后，使用决策树算法对以上采集到的数据进行分析得出驾驶员意图类型，以对汽车进行更好的控制。
-
-
公开(公告)号：CN107124329A
公开(公告)日：2017-09-01
申请号：CN201710284487.4
申请日：2017-04-25
Applicant: 济南大学
Abstract: 本发明公开了基于低水位滑动时间窗口的离群数据发现方法及系统；包括：数据分发：接收外部数据流，然后将外部数据流分发给各个数据处理节点；数据处理：数据处理节点对接收到的外部数据流进行处理；定义低水位滑动时间窗口，以时间戳为水平坐标轴，随着时间推移，低水位滑动时间窗口在时间戳水平坐标轴上从左往右不断移动，在任意时间点，低水位滑动时间窗口水平坐标轴上方为未处理数据，水平坐标轴下方为已处理数据；然后根据当前数据处理时间戳在低水位滑动时间窗口范围内的位置来发现当前数据处理是否为离群数据；数据聚合：将数据处理的结果进行汇总进行输出。区分可丢弃数据、离群数据与正常待处理数据，提高数据处理可靠性，加速故障恢复。
-
公开(公告)号：CN106127754A
公开(公告)日：2016-11-16
申请号：CN201610450612.X
申请日：2016-06-21
Applicant: 济南大学
IPC: G06T7/00
CPC classification number: G06T2207/10016 , G06T2207/20081
Abstract: 本发明提供了一种基于融合特征和时空连续性判定规则的CME检测方法，该方法结合CME事件连续两帧之间的时空连续性，根据图像的灰度统计特征和纹理特征利用基于ELM的分类器对日冕观测图像进行识别，检测图像中是否存在CME。本发明的有益效果是：本发明建立了多特征融合CME检测模型，避免了根据单一特征检测CME的误差，同时也避免了日冕观测图像中的噪声部分和CME发生区域发生混淆造成的误判，检测准确度高，检测效率高。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.025 seconds)
