-
公开(公告)号:CN103605960A
公开(公告)日:2014-02-26
申请号:CN201310578627.0
申请日:2013-11-15
Applicant: 长安大学
Abstract: 本发明提供一种基于不同焦距视频图像融合的交通状态识别方法,通过对不同焦距的视频图像进行背景差法和自动背景更新算法检测运动区域,分别计算灰度特征参数和速度特征参数,然后通过BP神经网络对大量的灰度特征参数和速度特征参数数据进行训练,从而实现交通状态的识别。实验结果表明,本方法能够较好通过交通视频流识别出交通状况,并且易于实现、准确性较高,对促进交通诱导系统的研究和应用、解决城市中交通拥堵问题具有较高的应用价值。
-
公开(公告)号:CN119942474A
公开(公告)日:2025-05-06
申请号:CN202510074522.4
申请日:2025-01-17
Applicant: 长安大学
IPC: G06V20/54 , G06V20/56 , G06V20/70 , G06V30/18 , G06V10/20 , G06V10/30 , G06V10/40 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0455
Abstract: 本发明提供了一种基于图像文本多模态特征融合的交通场景下目标检测方法,该方法包括:获取交通场景图像,并对其进行预处理,根据预处理完成后的图像生成描述图片内容的文本数据,基于预处理后的交通场景图像及对应的文本数据生成交通场景数据集,对DETR目标检测网络进行改进,并基于改进后的DETR目标检测网络构建交通场景目标检测模型,基于交通场景数据集对交通场景目标检测模型进行训练,得到最终的交通场景目标检测模型,将待检测图像输入最终的交通场景目标检测模型中,得到检测结果。本发明具有较高的检测速度和鲁棒性,能够弥补传统图像检测方法的不足,能够显著提高检测的准确性和效率,在智能交通系统中具有广泛的应用前景。
-
公开(公告)号:CN118247989B
公开(公告)日:2025-01-14
申请号:CN202410230885.8
申请日:2024-02-29
Applicant: 长安大学
IPC: G08G1/0968 , G08G1/01 , H04W4/44
Abstract: 本发明涉及智能交通领域,尤其涉及一种基于树搜索的高速公路混合交通流合流序列优化方法,包括以下步骤:S1,构建双车道主干道和单车道匝道的交通场景,并记录当前的队列块合流序列;S2,当有新的队列块进入控制区时,利用树搜索获取包含当前队列块的最优合流序列;S3,基于搜索得到的最优合流序列,利用庞特里亚金原理求解队列块内车辆的最优行驶轨迹;S4,队列块中头车按照最优行驶轨迹行驶,其余人驾车按照跟驰模型进行行驶,实现合流。本发明依靠车联网技术实时获取高速公路控制区内主干道和匝道内车辆队列块的状态信息,利用CAV的可控性,通过搜索最优合流序列以及对CAV进行速度控制和换道控制,来完成引导队列块内HDV进行安全高效的合流。
-
公开(公告)号:CN118310514A
公开(公告)日:2024-07-09
申请号:CN202410409727.9
申请日:2024-04-07
Applicant: 长安大学
Abstract: 本发明提供了一种弱GNSS环境下车辆定位方法和系统,该方法包括:对自动驾驶车辆的系统运行数据信息进行预处理,其中系统运行数据信息包括从GNSS系统获取的经纬度数据和从INS系统获取的三轴加速度、三轴角速度及航向信息;将预处理后的从INS系统获取系统运行数据信息训练位置预测网络,最终输出预测网络的监督信息;根据步骤S2中的监督信息以及预处理后系统运行数据信息和位置修正网络的监督信息训练位置修正网络;最终输出预测值进行修正;在弱GNSS环境或GNSS中断情况下,通过位置预测网络和位置修正网络,输出最终预测值。以解决如何在不增加额外传感器的前提下,仅利用GNSS/INS组合导航系统的数据,提升GNSS/INS组合导航系统在弱GNSS条件下的车辆定位性能的问题。
-
公开(公告)号:CN117518121A
公开(公告)日:2024-02-06
申请号:CN202311437884.2
申请日:2023-10-31
Applicant: 长安大学
Abstract: 本发明公开了一种车辆位置重识别方法及系统,通过对车辆的激光雷达数据进行预处理获取车辆激光雷达的点云结果;利用获取的点云结果进行环境描述符构建;根据获取车辆的激光雷达数据的激光雷达传感器的种类和测量环境计算动态过滤策略阈值;根据构建的环境描述符以及得到的动态过滤策略阈值,与历史数据库中点云数据进行比对,获取车辆的位置信息,本发明能够提高位置重识别的准确率和效率,本发明考虑不同激光雷达的角分辨率和测量范围,提出了动态阈值过滤策略,提高了本方法对多种型号传感器的泛化能力,本发明分离激光雷达测量的地面点与非地面点,融合地面点高度信息和非地面点强度信息构建描述符,提高了描述符对环境的表达能力。
-
公开(公告)号:CN116331246A
公开(公告)日:2023-06-27
申请号:CN202310343554.0
申请日:2023-03-31
Applicant: 长安大学
IPC: B60W50/14 , B60W30/095 , B60W50/00 , B60W40/08
Abstract: 本发明公开了一种基于驾驶人实时反应时间的车辆前向碰撞预警方法,属于车辆碰撞预警领域,通过将驾驶人反应时间这一具有鲜明驾驶人个性化的因素作为独立变量进行实时计算并纳入预警系统的预测中,从而降低车辆实际驾驶风险,提高驾驶人对驾驶信息的可接受度。通过将驾驶信息与驾驶人实时反应时间相结合,研发个性化车辆前向碰撞预警方法及系统,可以大大提升驾驶人对预警信息的可接受程度、提高实际驾驶安全性、缓解增加道路交通压力。
-
公开(公告)号:CN115880884A
公开(公告)日:2023-03-31
申请号:CN202211165614.6
申请日:2022-09-23
Applicant: 长安大学
Abstract: 本发明涉及智能交通领域,尤其涉及一种基于可控智能网联车的高速公路匝道混合交通流管控方法,包括以下步骤:S1,将高速公路匝道路段分为正常行驶路段、编队形成路段和加速汇入路段;S2,智能网联车和人驾跟驰车辆在编队形成路段形成车辆编队;S3,计算车辆编队完全到达汇入点S的时间区间[tmin,tmax];S4,对主干道智能网联车与匝道路段上的智能网联车进行协同控制,在主干道为匝道上的编队车辆预留出汇入间隙;S5,车辆编队汇入主干道。本发明依靠车联网技术提前获取高速公路主干道和下游合流区的交通状况,通过控制智能网联车的速度引导匝道车辆安全汇入高速公路主干道,避免出现驾驶员仅仅根据自身的驾驶经验和周围的驾驶环境寻找汇入主干道的时机的情况。
-
公开(公告)号:CN109165164B
公开(公告)日:2022-04-19
申请号:CN201811021027.3
申请日:2018-09-03
Applicant: 长安大学
IPC: G06F11/36 , G06F16/25 , H04L41/069 , H04L43/50
Abstract: 本发明公开了面向车联网封闭测试场的数据管理系统及数据管理方法,通过增加数据存储服务器收集测试场地内所有网络和功能终端的运行日志数据并进行独立存储,实现测试者对测试功能的调取,不影响其他网络性能,为测试终端增加数据反馈模块,通过专用网络对日志文件进行上传,使得测试者对车联网系统数据准确调取,降低测试经济成本和时间成本,能够解决现存车联网测试环境中,利用为测试设备和相关设备添加数据上传模块对数据进行收集,同时能够用于将新数据与旧数据进行对比;采用数据存储服务器独立系统传输数据,保证数据管理系统与待测系统相互独立,系统简单,可移植程度高,能够适应不同试验场需求。
-
公开(公告)号:CN109166140B
公开(公告)日:2021-10-01
申请号:CN201810852477.0
申请日:2018-07-27
Applicant: 长安大学
Abstract: 本发明属于智能汽车定位技术领域,具体涉及一种基于多线激光雷达的车辆运动轨迹估计方法及系统,其中方法包括,根据车辆的初始位姿和不同时刻惯性传感器的输出值得到粗选运动轨迹;获取多线激光雷达不同时刻的三维点云数据并进行栅格化处理得到灰度图;对相邻时刻的两帧灰度图之间的特征点进行特征匹配,得到特征匹配点对;根据特征匹配点对得到相邻时刻的点云数据之间的变换关系;根据所述变换关系得到车辆的精确运动轨迹,基于粗选的轨迹进行特定范围内的SURF匹配,这样就减少了SURF特征匹配的运算量和运算时间。该车辆轨迹估计方法无须依赖高精度地图、GPS和UWB等辅助定位技术,环境适用性强且应用范围广。
-
公开(公告)号:CN108462947B
公开(公告)日:2020-11-27
申请号:CN201810206308.X
申请日:2018-03-13
Applicant: 长安大学
Abstract: 本发明公开了一种基于LTE‑V的车联网通信测试系统及测试方法,采用ENodeB基站、路侧测试单元、用户测试终端、LTE‑V核心网和本地服务器组构成测试平台,利用移动通信技术应用到车联网通信领域,采用了广域集中式蜂窝通信和短程分布式直通通信两种技术方案,分别对应基于接入网‑用户终端和ProSe直接通信接口的网络架构,既能支持大宽带、广覆盖的通信传输支撑,又能实现车与车、车与基站、基站与基站之间的低时延、高可靠的通信服务,满足道路安全及交通效率类应用的需求,本发明的测试方法能够在测试平台上系统地测试LTE‑V网络的部分性能,在真实场景的实车测试可以为研究者提供更真实,更可靠的研究数据,一定程度上推动了LTE‑V通信技术在车联网通信领域的研究与应用。
-
-
-
-
-
-
-
-
-