-
公开(公告)号：CN111145184A
公开(公告)日：2020-05-12
申请号：CN201910506741.X
申请日：2019-06-12
Applicant: 东南大学
Abstract: 本发明公开了一种基于多尺度特征融合的拖牵过程安全预警方法。本发明结合轻型救援车拖牵运输的特点以及被拖车监控图像的特征，设计了一种基于多尺度特征融合的拖牵过程安全预警方法，能够对被拖车的纵向晃动幅度进行有效监测；另外，拖牵过程安全预警方法可靠性高，抗干扰能力强；本发明利用了车牌区域的多种特征，例如：颜色特征、矩形特征等，进行车牌定位，抗干扰能力强，鲁棒性强，而且采用基于多尺度特征融合的方法进行纵向晃动幅值计算，准确率高；本发明具有良好的实时性。
-
公开(公告)号：CN112629883B
公开(公告)日：2022-11-11
申请号：CN202011577680.5
申请日：2020-12-28
Applicant: 东南大学
IPC: G01M17/007 , G06F17/16
Abstract: 本发明提出了一种智能车辆队列行驶性能的测试评价方法。首先，综合现有标准及大型货车队列行驶的特点，构建了智能车辆的队列行驶性能测试场景。其次，利用改进的无迹卡尔曼滤波算法，准确推算出队列行驶中各车的关键性运动学参数。最后，量化并输出了智能车辆队列行驶的性能指标：千米通过时间、队列一致性和车距稳定性，从而实现智能车辆队列行驶的科学定量评价。
-
公开(公告)号：CN112629883A
公开(公告)日：2021-04-09
申请号：CN202011577680.5
申请日：2020-12-28
Applicant: 东南大学
IPC: G01M17/007 , G06F17/16
Abstract: 本发明提出了一种智能车辆队列行驶性能的测试评价方法。首先，综合现有标准及大型货车队列行驶的特点，构建了智能车辆的队列行驶性能测试场景。其次，利用改进的无迹卡尔曼滤波算法，准确推算出队列行驶中各车的关键性运动学参数。最后，量化并输出了智能车辆队列行驶的性能指标：千米通过时间、队列一致性和车距稳定性，从而实现智能车辆队列行驶的科学定量评价。
-
公开(公告)号：CN110210389A
公开(公告)日：2019-09-06
申请号：CN201910469443.8
申请日：2019-05-31
Applicant: 东南大学
Abstract: 本发明公开了一种面向道路交通场景的多目标识别跟踪方法。该方法结合道路交通现场环境及障碍物特点，通过激光雷达检测道路现场周围的动态障碍物，步骤如下：首先对激光雷达数据进行预处理，将其转换成一幅二值图像，其次运用背景差法提取动态障碍物并进行聚类分析，进而运用PointCNN算法进行分类识别并通过迭代最邻近算法获取障碍物的位姿变换，最后针对障碍物分类分别使用UKF进行跟踪。本发明提出的多目标识别跟踪方法具有良好的实时性、识别精度和跟踪精度，能够有效地实现对道路交通场景的安全监控。
-
公开(公告)号：CN111145184B
公开(公告)日：2022-07-29
申请号：CN201910506741.X
申请日：2019-06-12
Applicant: 东南大学
Abstract: 本发明公开了一种基于多尺度特征融合的拖牵过程安全预警方法。本发明结合轻型救援车拖牵运输的特点以及被拖车监控图像的特征，设计了一种基于多尺度特征融合的拖牵过程安全预警方法，能够对被拖车的纵向晃动幅度进行有效监测；另外，拖牵过程安全预警方法可靠性高，抗干扰能力强；本发明利用了车牌区域的多种特征，例如：颜色特征、矩形特征等，进行车牌定位，抗干扰能力强，鲁棒性强，而且采用基于多尺度特征融合的方法进行纵向晃动幅值计算，准确率高；本发明具有良好的实时性。
-
Patent Agency Ranking
公开(公告)号：CN111898501A
公开(公告)日：2020-11-06
申请号：CN202010692817.5
申请日：2020-07-17
Applicant: 东南大学
Abstract: 本发明公开了一种针对拥堵路段的无人机在线航拍车辆识别及统计方法，该方法首先构建拥堵路段航拍车辆数据集，之后对原始的YOLOv3网络进行了改进，利用K-Means++算法得到针对于拥堵路段航拍车辆数据集的anchor尺寸，并利用该anchor尺寸训练得到基于YOLOv3卷积神经网络的拥堵路段航拍车辆实时检测模型；然后使用得到的车辆检测模型对无人机沿拥堵路段航行获取的航拍图像进行实时在线检测，识别车辆目标，同时采用KM算法建立相邻两帧图像检测出的车辆目标间精准的匹配关系，准确得到当前帧较前一帧的新增车辆数目，从而实现拥堵路段车辆数量统计。本发明提出的车辆识别及统计方法具有较好的灵活性，实现了针对拥堵路段内车辆数量的准确、实时、在线统计。
-
公开(公告)号：CN110210389B
公开(公告)日：2022-07-19
申请号：CN201910469443.8
申请日：2019-05-31
Applicant: 东南大学
IPC: G06V20/52 , G06V10/762 , G06K9/62 , G01S17/66
Abstract: 本发明公开了一种面向道路交通场景的多目标识别跟踪方法。该方法结合道路交通现场环境及障碍物特点，通过激光雷达检测道路现场周围的动态障碍物，步骤如下：首先对激光雷达数据进行预处理，将其转换成一幅二值图像，其次运用背景差法提取动态障碍物并进行聚类分析，进而运用PointCNN算法进行分类识别并通过迭代最邻近算法获取障碍物的位姿变换，最后针对障碍物分类分别使用UKF进行跟踪。本发明提出的多目标识别跟踪方法具有良好的实时性、识别精度和跟踪精度，能够有效地实现对道路交通场景的安全监控。
-
公开(公告)号：CN110298247B
公开(公告)日：2022-04-12
申请号：CN201910432687.9
申请日：2019-05-23
Applicant: 东南大学
Abstract: 本发明公开一种基于深度学习的道路救援装备正方位拖牵诱导方法，结合道路救援装备拖牵装置结构和作业特点，首先改进基于tiny‑yolo的车牌识别网络，然后制作样本集对网络进行训练，获得网络参数，接着利用该网络对正方位作业区域图像中的被拖车车牌进行识别，最后测量道路救援装备拖牵装置被拖车之间的横向偏差，实时、稳定、可靠地诱导作业人员实施拖牵作业，从而达到提高拖牵救援效率与安全性能的目的。
-
公开(公告)号：CN111898501B
公开(公告)日：2022-04-05
申请号：CN202010692817.5
申请日：2020-07-17
Applicant: 东南大学
Abstract: 本发明公开了一种针对拥堵路段的无人机在线航拍车辆识别及统计方法，该方法首先构建拥堵路段航拍车辆数据集，之后对原始的YOLOv3网络进行了改进，利用K‑Means++算法得到针对于拥堵路段航拍车辆数据集的anchor尺寸，并利用该anchor尺寸训练得到基于YOLOv3卷积神经网络的拥堵路段航拍车辆实时检测模型；然后使用得到的车辆检测模型对无人机沿拥堵路段航行获取的航拍图像进行实时在线检测，识别车辆目标，同时采用KM算法建立相邻两帧图像检测出的车辆目标间精准的匹配关系，准确得到当前帧较前一帧的新增车辆数目，从而实现拥堵路段车辆数量统计。本发明提出的车辆识别及统计方法具有较好的灵活性，实现了针对拥堵路段内车辆数量的准确、实时、在线统计。
-
公开(公告)号：CN110298247A
公开(公告)日：2019-10-01
申请号：CN201910432687.9
申请日：2019-05-23
Applicant: 东南大学
Abstract: 本发明公开一种基于深度学习的道路救援装备正方位拖牵诱导方法，结合道路救援装备拖牵装置结构和作业特点，首先改进基于tiny-yolo的车牌识别网络，然后制作样本集对网络进行训练，获得网络参数，接着利用该网络对正方位作业区域图像中的被拖车车牌进行识别，最后测量道路救援装备拖牵装置被拖车之间的横向偏差，实时、稳定、可靠地诱导作业人员实施拖牵作业，从而达到提高拖牵救援效率与安全性能的目的。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.017 seconds)
