-
公开(公告)号：CN108519605A
公开(公告)日：2018-09-11
申请号：CN201810313071.5
申请日：2018-04-09
Applicant: 重庆邮电大学
Abstract: 本发明涉及基于激光雷达和摄像机的路沿检测方法，属于智能交通领域。该方法为：采用激光雷达获取路沿点云数据，采用摄像机获取道路图像数据；对雷达数据和摄像机数据分别进行预处理，并进行联合标定；处理每帧雷达点云数据，对于每条扫描线，根据路沿的线性特征采用一种基于距离的方法提取候选路沿特征点；处理每帧图像数据，采用成熟的方法检测图像中车道线，提取车道线模型；采用车道线模型对提取的候选路沿特征点进行拟合；判断候选路沿点与拟合线之间的距离，并通过路沿点修正拟合线，得到路沿检测结果。本发明可以充分利用激光雷达和摄像机的优点精确地、稳定地检测路沿。
-
公开(公告)号：CN105741546B
公开(公告)日：2018-06-29
申请号：CN201610157445.X
申请日：2016-03-18
Applicant: 重庆邮电大学
IPC: G08G1/01
Abstract: 本发明请求保护一种路侧设备与车传感器融合的智能车辆目标跟踪系统及方法，车载设备包括目标检测、车辆定位、DSRC通信和目标跟踪模块，路侧设备包括DSRC通信与车辆跟踪模块。车载设备目标检测模块通过车载传感器检测主车周围车辆、行人等目标的位置信息；DSRC通信模块发送本车位置和身份信息给路侧设备，并接收路侧设备发送过来的附近目标车辆的位置及身份信息；目标跟踪模块根据目标检测模块检测到的目标观测数据进行数据关联，再根据路侧设备发送的信息对关联结果进行修正，最后对修正的关联结果进行跟踪滤波。路侧设备DSRC通信模块接收来自各车辆的位置及身份信息，经车辆跟踪模块修正后再发送给各车辆。本发明提高了智能车辆目标跟踪精度。
-
公开(公告)号：CN108039046A
公开(公告)日：2018-05-15
申请号：CN201810011640.0
申请日：2018-01-05
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于C‑V2X(Cellular Vehicle‑to‑Everything)的城市交叉路口行人检测识别系统，包括：设计基于C‑V2X通信技术的信息采集框架，结合城市交叉路口高精度地图，判定手机携带者的种类；利用未来C‑V2X终端携带者当前的位置判定携带者为行人的概率；利用C‑V2X手机当前速度信息，识别出该C‑V2X手机携带者是否为行人；得出当C‑V2X手机携带者为行人时的密度范围，结合C‑V2X手机周围的密度信息，判别C‑V2X手机携带者在当前密度下为行人的概率；使用领域的方法表示方向，对交叉路口范围的区域根据领域特点划分为不同的区域，通过C‑V2X手机之前的方向、行人对方向的影响因子、位置对方向的影响因子得到C‑V2X手机携带者为行人时前进方向集合，结合实际的C‑V2X手机方向计算此前进方向的C‑V2X手机携带者为行人的概率。
-
公开(公告)号：CN107359904A
公开(公告)日：2017-11-17
申请号：CN201710575112.3
申请日：2017-07-14
Applicant: 重庆邮电大学
IPC: H04B1/711 , H04B17/391 , H04L25/02 , H04L25/03 , H04L27/26
CPC classification number: H04B17/3912 , H04B1/711 , H04L25/0202 , H04L25/024 , H04L25/03006 , H04L27/264 , H04L27/2657 , H04L27/2659 , H04L2025/03649
Abstract: 本发明涉及一种基于压缩感知、高速移动的UFMC系统无线信道估计方法，属于无线通信领域。该方法包括建立系统模型，分析插入PN序列的UFMC系统参数，确定在多径信道时的发送与接收信号模型；进行多径信道的时间相关特性及稀疏特性分析；进行基于PN序列自相关的信道粗估计；进行基于压缩感知算法的信道时延位置精确估计；进行LS算法的信道幅度值的精确估计；性能与仿真结果分析。本发明充分利用信道时间的相关性，将在信道粗估计过程中平均相干时间内的Rg个连续符号的CIR来降低噪声对信号的影响，进一步提高信道时域冲激响应的粗略估计的估计精度；充分利用粗估计得到的信息进一步提高改进的SAMP算法估计的信道时延和稀疏度的精确度，降低传统SAMP算法的复杂度。
-
公开(公告)号：CN104867356B
公开(公告)日：2017-05-24
申请号：CN201510306832.0
申请日：2015-06-04
Applicant: 重庆邮电大学
IPC: G08G1/16
Abstract: 本发明请求保护一种基于DSRC和Telematics的车辆威胁评估系统，车载设备由数据采集与通信、威胁评估两个模块组成，而路侧设备由DSRC通信与车辆跟踪两个模块组成。车载设备数据采集与通信模块采集本车辆的状态及位置信息并通过DSRC进行广播，同时通过DSRC接收路侧设备发布的周围目标车辆的状态及位置信息，并通过Telematics服务获得环境信息；威胁评估模块对威胁评估结果进行修正，得到更准确的周围目标车辆对本车辆的威胁指数，作为后续告警/控制的依据。路侧设备DSRC通信模块接收来自各车辆的状态及位置信息，并将跟踪模块处理后的信息进行广播；车辆跟踪模块将DSRC通信模块接收到的各车辆的状态及位置信息进行跟踪滤波以提高精度与可靠性。
-
Patent Agency Ranking
公开(公告)号：CN106657215A
公开(公告)日：2017-05-10
申请号：CN201610830476.7
申请日：2016-09-19
Applicant: 重庆邮电大学
IPC: H04L29/08 , G08G1/0967
Abstract: 本发明请求保护一种基于V2X通信的车联网信息终端架构，该架构主要面向前装车载终端、后装车载信息终端、便携式路侧信息终端、固定式路侧信息终端，该架构以DSRC通信终端、DSRC通信模块、OBD设备、移动蜂窝通信模块、人机交互模块、便携式移动信息终端等为基础，可以根据V2X不同的用途，进行软硬件重构实现不同的功能，降低硬件开发成本，降低软件对硬件的依赖性，提高开发效率。
-
公开(公告)号：CN103684963A
公开(公告)日：2014-03-26
申请号：CN201310577468.2
申请日：2013-11-18
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种面向车联网应用的中间件架构系统及实现方法，涉及车联网应用嵌入式中间件技术领域。包括中间件消息总线模块、车联网应用组件模块、车联网中间件消息代理模块、车联网安全组件、车联网通信协议适配层。车联网中间件应用组件形成规范的功能组件，车联网中间件消息代理负责将车联网中各类消息的解析、分类处理，远程连接请求经安全组件验证，通过后在车联网消息总线中查询对应的应用组件线程，通过消息总线建立起远程终端与本地应用组件或中间件消息代理之间的消息通道再进行通信。车联网通信协议适配层负责屏蔽平台及企业协议差异性，提供统一通信调用接口。该发明提高代码的可重用性和应用程序的开发效率。
-
公开(公告)号：CN114549886B
公开(公告)日：2025-03-28
申请号：CN202210212240.2
申请日：2022-03-04
Applicant: 重庆邮电大学
IPC: G06F18/23213
Abstract: 本发明属于V2X接收消息预处理领域，尤其涉及一种基于k‑means算法的V2X消息聚类方法及系统，该方法包括：构建V2X车联网；第一车辆用户接收其他车辆用户广播的BSM基本安全信息，并对信息进行解析；对解析信息进行分类处理，若解析信息为非安全类信息，则将该信息划分为最低优先等级队列，若解析信息为安全类信息，则对解析信息进行轨迹交叉计算；将轨迹交叉计算结果与接收到到的BSM基本安全信息进行组合，得到新的消息集合；采用k‑means算法对新的消息进行聚类处理，得到聚类结果；根据聚类结果对消息进行优先级排序；本发明通过将关联消息集合映射到优先级队列中，能有效加强车载单元对紧要消息的处理及时性。
-
公开(公告)号：CN114599014B
公开(公告)日：2025-03-14
申请号：CN202210261412.5
申请日：2022-03-16
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种车联网中连接时间约束下的基于资源重分配的任务卸载方法，属于移动通信技术领域，包括以下步骤：S1：建立交通流模型，根据车辆的位置信息推导行驶速度，基于等效转换，计算车辆间的连接时间；S2：基于贪婪思想对车辆进行匹配；S3：将卸载决策、信道资源分配、新产生任务和正在计算的任务的资源分配统筹表示为方案矩阵，对迭代过程中不同的卸载决策提出概率变异策略和针对变异产生问题的修正算法，对部分卸载决策和资源分配进行归一化处理来满足约束条件；S4：基于同化变异算法和小生境改进的平衡优化器优化算法对方案矩阵进行迭代寻优。本方法提高了车辆间连接稳定性和任务卸载成功率，降低了超时率和系统成本。
-
公开(公告)号：CN119360447A
公开(公告)日：2025-01-24
申请号：CN202411492294.4
申请日：2024-10-24
Applicant: 重庆邮电大学
IPC: G06V40/20 , G06V20/58 , G06V40/10 , G06V20/70 , G06V10/764 , G06V10/82 , G06T7/246 , G06N3/0895 , G06N3/042 , G06N3/0464 , G06N3/0455
Abstract: 本发明涉及一种融合大模型的多模态行人指挥手势识别方法，属于自动驾驶领域。其包括：收集行人数据集，并进行数据集划分；采用预训练的行人检测模型从数据集中提取人体关键点；通过目标追踪网络对提取的人体关键点信息进行处理，得到动态的关键点轨迹信息；建立用于识别手势的多模态动作识别模型，其至少包括骨架编码器和文本编码器；多部分对比学习损失训练优化多模态手势识别模型，得到识别结果。将训练好的模型安装至自动驾驶汽车上，对行人手势进行区分，准确判断行人的意图。本发明方法采用多模态框架，识别精度高、识别速度快。
-
-
-
-
-
-
-
-
-
Search Results
158
records
(took 0.022 seconds)
