-
公开(公告)号：CN110602630A
公开(公告)日：2019-12-20
申请号：CN201810526043.1
申请日：2018-05-25
Applicant: 南京理工大学
Abstract: 本发明提出了一种基于PDR与蓝牙区段模糊匹配的室内融合定位方法，利用简单易行且节约成本的蓝牙布局方式，采用蓝牙区段模糊匹配算法确定用户所在位置区间，根据用户与蓝牙基站距离匹配用户大概率所在区段；随后，采用通用性的方向构建算法建立并反复纠正当前方向，并在此过程中依靠蓝牙不断修正行人航迹推测累积误差，利用行人航迹推算短期内高可靠性特点的同时克服了其长期误差累积的缺点；最后，利用推测位置和蓝牙定位位置，采用防回退算法确定本次定位位置。
-
-
公开(公告)号：CN112863245A
公开(公告)日：2021-05-28
申请号：CN201911195156.9
申请日：2019-11-28
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于深度神经网络的换道过程轨迹预测方法获取换道车辆和跟驰车辆运行参数和车辆轨迹；建立HMM换道决策模型，进行驾驶员换道决策阶段的训练；建立换道执行模型，进行驾驶员换道执行阶段的训练；对采集到的车辆实时数据，运用训练好的HMM模型判断驾驶员是否处于换道状态；如果识别出车辆状态为换道状态，用训练好的深度神经网络进行换道车辆轨迹预测。本发明提高了车辆换道轨迹的预测精度，有利于分析碰撞危险，提高行车安全性。
-
公开(公告)号：CN107665587B
公开(公告)日：2020-06-19
申请号：CN201710820129.0
申请日：2017-09-13
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于拍摄设备布局的车位检测方法。该方法步骤如下：以两台或三台拍摄设备为一组，从入口或出口处开始，在整个停车场的车行道上方顺次设置各组拍摄设备，直至监控范围覆盖整个停车场；靠近车行道入口、出口处拍摄设备的拍摄方位分别指向车行道入口、出口；每组中一端的拍摄设备检测其监控范围内的车行道上是否有车：如果没车，则保持初始拍摄方位；如果有车，则进行旋转检测；如果该拍摄设备检测到车位信息发生变化，则上传所拍摄的车位信息；否则触发本组中相邻的拍摄设备进行旋转检测，然后该拍摄设备恢复至初始拍摄方位；组与组之间的拍摄设备不能相互触发。本发明方法充分利用资源，降低部署成本，使用户实时获取准确的车位信息。
-
公开(公告)号：CN110717886A
公开(公告)日：2020-01-21
申请号：CN201910829118.8
申请日：2019-09-03
Applicant: 南京理工大学
Abstract: 本发明提出了一种复杂环境下基于机器视觉的路面坑塘检测方法，首先利用进行了像素级标注的交通监控图像训练语义分割模型；其次，对交通监控视频进行背景建模获得交通监控背景图像，利用语义分割模型对背景图像进行分割，提取图像中的道路；随后，对提取的道路进行二值化，分割出路面上颜色较深且面积较大的区域，并采用支持向量机对这些区域进行分类，获得路面坑塘候选区域；最后，输出存在被语义分割模型划分为路面坑塘子区域的候选区域。通过本发明有效减少了复杂背景对检测任务的干扰，提高了算法的鲁棒性，并提高了检测精度。
-
Patent Agency Ranking
公开(公告)号：CN107665587A
公开(公告)日：2018-02-06
申请号：CN201710820129.0
申请日：2017-09-13
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于拍摄设备布局的车位检测方法。该方法步骤如下：以两台或三台拍摄设备为一组，从入口或出口处开始，在整个停车场的车行道上方顺次设置各组拍摄设备，直至监控范围覆盖整个停车场；靠近车行道入口、出口处拍摄设备的拍摄方位分别指向车行道入口、出口；每组中一端的拍摄设备检测其监控范围内的车行道上是否有车：如果没车，则保持初始拍摄方位；如果有车，则进行旋转检测；如果该拍摄设备检测到车位信息发生变化，则上传所拍摄的车位信息；否则触发本组中相邻的拍摄设备进行旋转检测，然后该拍摄设备恢复至初始拍摄方位；组与组之间的拍摄设备不能相互触发。本发明方法充分利用资源，降低部署成本，使用户实时获取准确的车位信息。
-
公开(公告)号：CN112863245B
公开(公告)日：2022-07-05
申请号：CN201911195156.9
申请日：2019-11-28
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于深度神经网络的换道过程轨迹预测方法获取换道车辆和跟驰车辆运行参数和车辆轨迹；建立HMM换道决策模型，进行驾驶员换道决策阶段的训练；建立换道执行模型，进行驾驶员换道执行阶段的训练；对采集到的车辆实时数据，运用训练好的HMM模型判断驾驶员是否处于换道状态；如果识别出车辆状态为换道状态，用训练好的深度神经网络进行换道车辆轨迹预测。本发明提高了车辆换道轨迹的预测精度，有利于分析碰撞危险，提高行车安全性。
-
公开(公告)号：CN110738690A
公开(公告)日：2020-01-31
申请号：CN201910872806.2
申请日：2019-09-16
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于多目标追踪框架的无人机视频中车速校正方法。该方法为：采集无人机拍摄的视频并分拣具有俯视视角的车辆图像制作视频数据集；在数据集上重新训练深度卷积神经网络，提取深层语义特征，回归目标预测框；在实现目标检测的基础上，采用交并比IOU度量目标相似性，匹配对应的目标；结合卡尔曼滤波器构建多目标实时追踪框架；利用设计的高斯滤波器减小由算法框架在追踪车辆目标时计算的车辆速度的数据抖动和误差，从车辆轨迹中提取更加精确的车辆运动数据。本发明提高了在多目标追踪过程中提取运动目标参数的准确度，实现了运动目标的快速预测与校正。
-
公开(公告)号：CN110796876A
公开(公告)日：2020-02-14
申请号：CN201911007613.7
申请日：2019-10-22
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于卡尔曼滤波的路段车辆总数估计方法，具体为：根据固定检测器数据和智能网联车数据获取每个时间间隔内驶入和驶离路段的车辆数，每个时间间隔内从上游交叉口驶入路段智能网联数量和当前在路段上的智能网联车数量；根据驶入路段的智能网联车数量和驶入路段的车辆总数计算智能网联比例；根据智能网联比例设计卡尔曼滤波估计器；对卡尔曼滤波估计器进行求解，获取当前路段上车辆的总数。本发明充分发挥了智能网联车数据的准确性和实时性，并融合了多元数据，提高了路段车辆总数估计的准确性。
-
公开(公告)号：CN110602630B
公开(公告)日：2020-11-27
申请号：CN201810526043.1
申请日：2018-05-25
Applicant: 南京理工大学
Abstract: 本发明提出了一种基于PDR与蓝牙区段模糊匹配的室内融合定位方法，利用简单易行且节约成本的蓝牙布局方式，采用蓝牙区段模糊匹配算法确定用户所在位置区间，根据用户与蓝牙基站距离匹配用户大概率所在区段；随后，采用通用性的方向构建算法建立并反复纠正当前方向，并在此过程中依靠蓝牙不断修正行人航迹推测累积误差，利用行人航迹推算短期内高可靠性特点的同时克服了其长期误差累积的缺点；最后，利用推测位置和蓝牙定位位置，采用防回退算法确定本次定位位置。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.025 seconds)
