-
公开(公告)号：CN112101108B
公开(公告)日：2024-06-18
申请号：CN202010801739.8
申请日：2020-08-11
Applicant: 东南大学
Abstract: 本发明公开了一种基于图形极点位置特征的左右转交通标志识别方法，主要针对左右转标识，具体步骤为，使用单目摄像头获取RGB图像，转化为HSV颜色空间后进行颜色分割，得到二值化图像；通过连通域分析方法降噪。降噪后根据轮廓的质心到轮廓上各点距离的分布，判断该轮廓与圆的相似度，找到相似度较高的轮廓。筛选面积符合要求的圆形轮廓区域，确定标志牌所在位置，切割出圆形标志所在的矩形区域。将标志牌图像二值化处理后，利用轮廓面积关系找到交通标志里的左右转箭头，获取箭头轮廓的上下左右极点，根据极点间位置关系确定标识指示的方向。本发明既考虑到检测结果的准确性，又降低了硬件性能的要求，保证了处理能力较弱系统识别的实时性。
-
公开(公告)号：CN118166759A
公开(公告)日：2024-06-11
申请号：CN202410531260.5
申请日：2024-04-29
Applicant: 广西新发展交通集团有限公司 , 东南大学 , 广西交通设计集团有限公司
Abstract: 本发明涉及一种钻孔灌注桩工程技术领域，具体涉及一种流态土与后压浆联合处理岩溶地区钻孔灌注桩的方法，其中灌注桩包括排气孔、流态土、灌注孔、灌注桩、压浆管；所述排气孔位于溶洞顶部，用于溶洞内外空气流通；所述流态土堆积于溶洞内，所述流态土顶部连接溶洞顶部，所述流态土凝结后对溶洞顶部具有支撑作用；所述灌注孔从上到下依次贯穿溶洞顶部和流态土，并深入溶洞底部土层；所述压浆管位于所述灌注孔内；所述灌注桩为所述流态土浇筑至灌注孔内凝结后形成的柱状结构。解决钻孔灌注施工过程中灌注孔易漏浆的问题，还可以提高溶洞段桩基的侧摩阻力，并且还能有效消除泥皮对桩基础的不利的影响，最终提高桩基承载力。
-
公开(公告)号：CN117710480A
公开(公告)日：2024-03-15
申请号：CN202311529333.9
申请日：2023-11-16
Applicant: 东南大学
IPC: G06T7/80 , G06N3/0464 , G06N3/045 , G06N3/08 , G06V10/766 , G06V10/82 , G06V10/77
Abstract: 本发明公开了一种基于DenseNet和注意力机制的通用相机标定方法。该方法包括：首先，基于五种投影模型的数学结构相似性，构建了通用相机投影模型，该通用相机投影模型可以拟合多种投影模型。其次，搭建了相机标定网络模型，该标定网络模型可以从单张图像中学习通用相机投影模型所需的相机内参，不仅克服了传统相机标定方法中投影模型单一的限制，同时实现了智能化和实时性的相机标定，也解决了内外参耦合的问题。最后，设计了基于通用相机投影模型重投影误差的损失函数，该损失函数能有效地引导标定网络模型更准确地学习通用相机投影模型的内参。实验结果显示，本发明在标定精度上接近张正友标定法，同时无需标志物，并且具有更好的通用性。
-
公开(公告)号：CN117523831A
公开(公告)日：2024-02-06
申请号：CN202311425135.8
申请日：2023-10-31
Applicant: 东南大学
IPC: G08G1/01 , G06N3/042 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种基于多子图注意力的异常事件下交通状态预测方法，通过构建多源信息融合的异常事件子图注意力网络实现，具体包括：根据通道中出现频率较高的交通事件类型组建异常事件集；利用路段上的浮动车数据和异常事件集构建路段级子图注意力模块；利用固定检测器采集的交通数据和异常事件集构建交叉点级子图注意力模块；将编码后的结果输入到图神经网络模型中，分别学习空间和时间相关性；基于实时的交通观测数据和异常事件数据进行短时交通状态预测。本发明的方法通过融合多源信息，对通道中发生异常事件后的交通状态变化情况进行推演预测，对于研究路网交通状态监测技术、提升公路交通运输安全与应急保障能力提供了方法论。
-
公开(公告)号：CN117312782A
公开(公告)日：2023-12-29
申请号：CN202311380352.X
申请日：2023-10-24
Applicant: 东南大学
Abstract: 本发明提供一种基于生成对抗网络的缺失交通状态数据填补方法，首先构建检测路网的邻接表，使用node2vec图嵌入算法对邻接表中的节点进行带有偏重的随机游走，得到邻接道路交通状态矩阵。对邻接道路交通状态数据矩阵采用最大最小标准化算法进行数据归一化，构建生成对抗网络模型，并确定生成器与判别器的模型结构。对生成对抗网络中的生成器与判别器的损失函数进行定义，使用滑动窗口法，对邻接道路交通状态数据进行选择，将其作为生成对抗网络模型的输入，通过对抗训练最小化生成数据与真实数据分布之间的差异，生成缺失路段的道路交通状态。本发明方法很好地结合了交通数据的特点，提高了数据填补的效率，相较于传统方法有更好的泛化性能。
-
Patent Agency Ranking
公开(公告)号：CN116946162B
公开(公告)日：2023-12-15
申请号：CN202311209606.1
申请日：2023-09-19
Applicant: 东南大学
IPC: B60W50/00 , B60W40/064 , B60W40/072 , B60W40/076 , B60W40/06
Abstract: 本发明公开了一种考虑路面附着条件的智能网联商用车安全驾驶决策方法。首先，将安全驾驶决策问题建模为有限马尔可夫决策模型，并定义决策模型的基本参数。其次，设计决策模型的网络架构。最后，训练决策模型的网络参数。本发明提出的方法综合考虑了路面附着条件、道路坡度和弯度等因素对于行车安全的影响，能够适应不同的交通环境和行驶工况，解决了现有的商
-
公开(公告)号：CN116959260B
公开(公告)日：2023-12-05
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(56)对比文件Yafu Tian 等.RSG-GCN: PredictingSemantic Relationships in Urban TrafficScene With Map Geometric Prior.IEEE OpenJournal of Intelligent TransportationSystems.2023,全文.赵海涛;程慧玲;丁仪;张晖;朱洪波.基于深度学习的车联边缘网络交通事故风险预测算法研究.电子与信息学报.2020,(第01期),全文.兰浩然 等.遮挡环境下基于路侧异源雷达融合的多交通目标鲁棒跟踪方法.仪器仪表学报.2022,全文.郑智勇.复杂交通环境下智能车辆高可靠车道级融合定位方法研究.万方学位论文.2023,全文.曹健 等.基于图神经网络的行人轨迹预测研究综述.计算机工程与科学.2023,全文.于秋爽.基于多模型输入的车辆轨迹预测研究.中国优秀硕士学位论文全文数据库 工程科技II辑.2022,全文.Chen T 等.Visual Reasoning usingGraph Convolutional Networks forPredicting Pedestrian CrossingIntention.2021 IEEE/CVF InternationalConference on Computer Vision Workshops(ICCVW).2022,全文.
-
公开(公告)号：CN112505684B
公开(公告)日：2023-12-01
申请号：CN202011288075.6
申请日：2020-11-17
Applicant: 东南大学
Abstract: 本发明公开了一种恶劣环境路侧视角下雷达视觉融合的车辆多目标跟踪方法，该方案融合雷达和视觉传感器，设计了一种结合目标距离和雷达散射面积的标定代价函数，实现了雷达视觉数据级融合处理，提升了感知信息的维度与可靠性，通过引入数据增强和抗干扰编码器解码器结构，设计了一种具有高抗扰能力的目标检测网络架构，提升了恶劣环境下目标跟踪系统的识别能力；最后，通过对目标位置与目标距离的相似度计算，赋予不同状态空间目标不同的跟踪策略，实现了对静态识别目标的动态准确跟踪过程。本发明借助数据和模型两个层面的融合增强处理，使得方案具有较强的可靠性和准确性，能够在诸如逆光、夜间等场景下持续准确获取车辆目标的位置与速度信息。
-
公开(公告)号：CN117128949A
公开(公告)日：2023-11-28
申请号：CN202311022307.7
申请日：2023-08-14
Applicant: 东南大学
IPC: G01C21/00 , G01C21/20 , G01C21/16 , G01C21/34 , G01C11/02 , G01C11/04 , G01S19/42 , G01S19/45 , G01S19/47 , G06T7/00 , G06T5/00 , H04W4/02 , H04W64/00 , H04W84/18
Abstract: 本发明公开了一种面向未知环境的智能车协作定位方法。首先，构建了协作定位系统，其次，建立了协作定位观测模型，接着进行协作定位观测模型训练并用于预测智能车的位置增量，最后，构建协作融合定位模型获取智能车位置。本发明公开的面向未知环境的智能车协作定位方法，实现了先验信息缺失且观测信息受限的未知环境下的智能车协作定位。
-
公开(公告)号：CN117058204A
公开(公告)日：2023-11-14
申请号：CN202310992111.4
申请日：2023-08-08
Applicant: 东南大学
IPC: G06T7/33 , G06T7/10 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/08
Abstract: 本发明提出了一种面向城市动态环境的激光雷达点云配准方法。首先建立点云配准网络的数据集，然后构建基于多任务学习的点云配准网络，接着训练设计的点云配准网络，最后用训练好的网络估计两帧点云的变换矩阵。该方法将三维点云转换成二维距离图像，提高点云处理的效率。该方法执行点云分割和配准两个任务，由于共享特征提取模块，可以根据静态参考目标的可靠特征进行点云配准，减小动态目标引起的误差。
-
-
-
-
-
-
-
-
-
Search Results
335
records
(took 0.032 seconds)
