-
公开(公告)号：CN113460048B
公开(公告)日：2022-07-01
申请号：CN202110916925.0
申请日：2021-08-11
Applicant: 东南大学
Abstract: 本发明涉及一种设计自动驾驶车辆高速近距离安全编队间隔策略的方法，属于自动驾驶技术领域，该方法基于的硬件系统包括：车载雷达、安装在车辆上的传感器以及CPU，车载雷达用于实时测量与前车的距离；安装在车辆上的传感器用于实时测量车辆的加速度以及速度，CPU用于实时接收车载雷达和安装在车辆上的传感器发送来的数据并将这些数据放入对应的软件程序中；软件程序包括间隔策略计算程序，间隔保持程序以及判定程序。本发明确保了跟随车辆在极端情况刹车时的安全性，同时也为自动驾驶汽车决策提供了足够的时间和空间来进行更加友好以及安全的控制。
-
公开(公告)号：CN114898423B
公开(公告)日：2024-12-24
申请号：CN202210338391.2
申请日：2022-04-01
Applicant: 东南大学
IPC: G06V40/16 , G06V10/774 , G06V10/764 , G06V10/74 , G06V10/46 , G06V10/44 , G06V10/40 , G06V10/34 , G06V10/32 , G06V10/30 , G06V10/28
Abstract: 本发明公开了一种基于改进的递归最小二乘法的人脸识别方法，首先，将预先获取的人脸图像进行图像预处理，并划分为训练样本与测试样本；其次，基于尺度不变特征变换和局部二值模式对预处理后的图像进行特征提取；然后，采用改进的基于递归最小二乘法的稀疏表示方法得到稀疏向量，进行图像稀疏重构；最后，在稀疏重构后的特征与数据库人脸图像的特征匹配得出分类识别的结果。本发明在人脸识别方面具有优秀且鲁棒的识别效果，提高人脸识别的准确率，通过稀疏表示还可以弥补样本不足的问题。
-
公开(公告)号：CN114898423A
公开(公告)日：2022-08-12
申请号：CN202210338391.2
申请日：2022-04-01
Applicant: 东南大学
IPC: G06V40/16 , G06V10/774 , G06V10/764 , G06V10/74 , G06V10/46 , G06V10/44 , G06V10/40 , G06V10/34 , G06V10/32 , G06V10/30 , G06V10/28
Abstract: 本发明公开了一种基于改进的递归最小二乘法的人脸识别方法，首先，将预先获取的人脸图像进行图像预处理，并划分为训练样本与测试样本；其次，基于尺度不变特征变换和局部二值模式对预处理后的图像进行特征提取；然后，采用改进的基于递归最小二乘法的稀疏表示方法得到稀疏向量，进行图像稀疏重构；最后，在稀疏重构后的特征与数据库人脸图像的特征匹配得出分类识别的结果。本发明在人脸识别方面具有优秀且鲁棒的识别效果，提高人脸识别的准确率，通过稀疏表示还可以弥补样本不足的问题。
-
公开(公告)号：CN114722955B
公开(公告)日：2024-03-26
申请号：CN202210426934.6
申请日：2022-04-22
Applicant: 东南大学
Abstract: 本发明提供一种有异常状态信息的有限状态自动机中故障事件序列的表示方法，首先在对特定系统状态以及相关事件做标记后，以迭代的方式探索并记录所需事件序列，初步得到基本事件序列的集合，和所有系统自动机中不包含异常状态的环，最后将所得到事件序列经过整合即得到该自动机的全部故障事件序列的一般表示，突破了系统自动机仅能基于已发生事件通过转换方程推断当前是否发生错误的限制，也可进一步将异常诊断从多步运算操作转化为简单的搜索操作，无论所分析系统自动机的异常事件序列是否是无限的，该方法都能给出其有限的一般表示。
-
公开(公告)号：CN115759523A
公开(公告)日：2023-03-07
申请号：CN202211220820.2
申请日：2022-10-08
Applicant: 东南大学
IPC: G06Q10/063 , G06Q30/0201 , G06Q50/06 , G06F18/2411 , G06F18/2415 , G06F18/214
Abstract: 本发明公开了一种基于机器学习的电力市场操纵行为方法及装置，方法包括：(1)获取若干时段电力市场数据作为样本；(2)对每个样本计算能衡量电力市场中所有发电主体市场表现情况的若干指标；(3)将指标形成特征向量，将是否有操纵行为的标志作为对应标签，共同组成数据集；(4)对训练集同时采用支持向量机分类算法和贝叶斯分类算法进行训练，得到支持向量机分类模型和贝叶斯分类模型；(5)采用测试集两个分类模型进行检测和验证，并根据测试集样本的表现情况对两个分类模型进行优化；(6)采集待检测的电力市场数据，同时输入两个分类模型，按照检测结果划分电力市场操纵行为存在的等级。本发明自动化程度高、准确性高。
-
Patent Agency Ranking
公开(公告)号：CN115723124A
公开(公告)日：2023-03-03
申请号：CN202211309758.4
申请日：2022-10-25
Applicant: 东南大学
IPC: B25J9/16
Abstract: 基于力传感器的人机交互的检疫机器人采咽控制方法。该方案分为以下几个步骤：机械臂末端到达口腔中心点，移动机械臂末端直至咽拭子与舌头接触并维持z方向(垂直舌头向上)的力示数为一个定值，用移动机械臂沿着y轴负方向进行采咽，最后离开舌头完成采咽过程；本发明提供了一种基于力传感器的人机交互的检疫机器人采咽控制方法，实现了机械臂末端咽拭子在人口腔中进行核酸采样时，z轴方向上的力始终维持恒定值，使用控制器消除了x、z方向上口腔微小移动对核酸采集造成的影响，从而保证了核酸采集的有效性和人们在核酸采集过程中的舒适程度。
-
公开(公告)号：CN113460066B
公开(公告)日：2022-12-09
申请号：CN202110916924.6
申请日：2021-08-11
Applicant: 东南大学
Abstract: 本发明提供了一种检测自动驾驶车辆队列中车辆数据传输准确性的方法，属于自动驾驶技术领域，该方法基于的硬件系统包括：车载激光雷达、安装在车辆上的传感器、数据存储模块、以及装有包括数据处理程序以及判定程序的CPU；所述车载激光雷达用于实时测量与前车的距离；所述安装在车辆上的传感器用于实时测量车辆的加速度以及速度；所述数据存储模块用于存储各时刻其他车辆传递过来的加速度以及速度数据、各时刻自身的速度数据以及各时刻雷达测量的与前车的距离数据；所述数据处理程序读取存储的数据并进行处理产生结果；所述判定程序从数据处理程序读取结果并进一步进行判断，最终决定车辆传输数据是否正确。本发明具有安全性高、实时等优点。
-
公开(公告)号：CN113460048A
公开(公告)日：2021-10-01
申请号：CN202110916925.0
申请日：2021-08-11
Applicant: 东南大学
Abstract: 本发明涉及一种设计自动驾驶车辆高速近距离安全编队间隔策略的方法，属于自动驾驶技术领域，该方法基于的硬件系统包括：车载雷达、安装在车辆上的传感器以及CPU，车载雷达用于实时测量与前车的距离；安装在车辆上的传感器用于实时测量车辆的加速度以及速度，CPU用于实时接收车载雷达和安装在车辆上的传感器发送来的数据并将这些数据放入对应的软件程序中；软件程序包括间隔策略计算程序，间隔保持程序以及判定程序。本发明确保了跟随车辆在极端情况刹车时的安全性，同时也为自动驾驶汽车决策提供了足够的时间和空间来进行更加友好以及安全的控制。
-
公开(公告)号：CN114722955A
公开(公告)日：2022-07-08
申请号：CN202210426934.6
申请日：2022-04-22
Applicant: 东南大学
Abstract: 本发明提供一种有异常状态信息的有限状态自动机中故障事件序列的表示方法，首先在对特定系统状态以及相关事件做标记后，以迭代的方式探索并记录所需事件序列，初步得到基本事件序列的集合，和所有系统自动机中不包含异常状态的环，最后将所得到事件序列经过整合即得到该自动机的全部故障事件序列的一般表示，突破了系统自动机仅能基于已发生事件通过转换方程推断当前是否发生错误的限制，也可进一步将异常诊断从多步运算操作转化为简单的搜索操作，无论所分析系统自动机的异常事件序列是否是无限的，该方法都能给出其有限的一般表示。
-
公开(公告)号：CN113460066A
公开(公告)日：2021-10-01
申请号：CN202110916924.6
申请日：2021-08-11
Applicant: 东南大学
Abstract: 本发明提供了一种检测自动驾驶车辆队列中车辆数据传输准确性的方法，属于自动驾驶技术领域，该方法基于的硬件系统包括：车载激光雷达、安装在车辆上的传感器、数据存储模块、以及装有包括数据处理程序以及判定程序的CPU；所述车载激光雷达用于实时测量与前车的距离；所述安装在车辆上的传感器用于实时测量车辆的加速度以及速度；所述数据存储模块用于存储各时刻其他车辆传递过来的加速度以及速度数据、各时刻自身的速度数据以及各时刻雷达测量的与前车的距离数据；所述数据处理程序读取存储的数据并进行处理产生结果；所述判定程序从数据处理程序读取结果并进一步进行判断，最终决定车辆传输数据是否正确。本发明具有安全性高、实时等优点。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.029 seconds)
