-
公开(公告)号：CN119152461A
公开(公告)日：2024-12-17
申请号：CN202411253811.2
申请日：2024-09-09
Applicant: 合肥工业大学
IPC: G06V20/56 , G06V10/44 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/0475 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种针对多岔口复杂道路场景的车道线检测方法，包括：1.获取多岔口场景数据样本并进行预处理；2.构建多岔口复杂道路场景车道线检测网络，包括：基于注意力机制的图像特征提取网络、点云体柱特征提取网络、车道线生成对抗网络、交叉注意力模块、视角转换模块、检测头；3.利用基于注意力机制的图像特征提取网络与点云体柱特征提取网络对数据样本进行特征提取；4.联合车道线生成对抗网络与交叉注意力模块生成融合特征；5.利用视角转换模块将融合特征转换为BEV特征并传入检测头生成车道线坐标集合。本发明能充分提取多模态信息，有效解决车道线长距离依赖、深度跳跃问题，从而能提高特殊场景下的车道线检测效果。
-
公开(公告)号：CN118114379A
公开(公告)日：2024-05-31
申请号：CN202410307148.3
申请日：2024-03-18
Applicant: 合肥工业大学
IPC: G06F30/15 , G06F30/27 , G06F18/214 , G06N3/096 , G06F119/14
Abstract: 本发明公开了一种基于试验数据重构的道路六分力参数辨识方法，以测试拖车对轮胎进行道路六分力试验，采集道路六分力原始数据；原始数据经数据清洗获得清洗数据，清洗数据经五点加权滤波获得滤波数据；滤波数据经分段Bezier曲线拟合获得拟合数据，将拟合数据划分为特征集和模型标签，并导入具有先验六分力数据预训练的原始模型进行微调验证获得优化模型；将生成序列输入优化模型并输出优化模型计算结果，得到重构试验数据；利用重构试验数据通过并行寻最优初值的L‑BFGS‑B算法对轮胎六分力模型进行参数辨识，获得模型参数。本发明解决了道路六分力数据波动大，难以直接用于轮胎模型参数辨识的难题，同时提供便捷的辨识算法，提高了轮胎参数辨识效率。
-
公开(公告)号：CN117037104A
公开(公告)日：2023-11-10
申请号：CN202311182068.1
申请日：2023-09-13
Applicant: 合肥工业大学
IPC: G06V20/56 , G06V10/764 , G06V10/42 , G06V10/774 , G06V10/82 , G06N3/048
Abstract: 本发明公开了一种基于线锚的多分类车道线检测方法，以自定义数据集为模型训练真值数据，以特征金字塔网络为神经网络骨架对真值数据进行特征提取；利用通道注意力模块和空间注意力模块进行特征加权，利用预先定义的线锚对加权特征进行局部车道线采样；利用单头自注意力模块对线锚采样的局部车道线特征进行全局聚合，利用三个全连接层对全局聚合结果进行车道线置信度判定、车道线类别分类和车道线坐标回归，对回归结果进行非极大值抑制获得车道线坐标预测初值，归一化车道线置信度判定结果和车道线类别分类结果，利用焦点损失函数和平滑L1损失函数优化车道线坐标预测初值和归一化结果实现检测，其端到端车道线多分类检测满足了车道线检测速度要求。
-
Patent Agency Ranking
公开(公告)号：CN118863588A
公开(公告)日：2024-10-29
申请号：CN202410919453.8
申请日：2024-07-10
Applicant: 合肥工业大学
IPC: G06Q10/0637 , G06Q10/0639 , G06F18/213 , G06F18/241 , G06F18/27 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/084
Abstract: 本发明公开了一种轮胎与整车匹配量化评价方法，首先开展客观评价试验，获得整车客观指标和轮胎客观指标；接着开展主观评价试验，获得主观区域评分；接着对客观指标进行特征降维处理，然后将降维后的客观指标与主观区域评分输入主客观融合对抗生成网络进行数据增强，获得匹配增强数据集，最后利用匹配增强数据集训练主客观融合组合模型得到轮胎与整车匹配性的量化评价结果。本发明有助于为轮胎选型提供准确的评估和指导，缩短轮胎配套选项周期。
-
公开(公告)号：CN115761669A
公开(公告)日：2023-03-07
申请号：CN202211419494.8
申请日：2022-11-14
Applicant: 合肥工业大学
IPC: G06V20/56 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/088 , G06N3/094
Abstract: 本发明公开了一种面向高级别自动驾驶的车道线检测方法，利用由摄像头采集到的含有车道线的样本图像获得用于模型训练的真值数据，利用真值数据搭建并优化获得优化卷积神经网络模型；利用生成对抗网络对待检测图像进行去模糊适配处理，获得待检测车道线清晰图像；利用优化卷积神经网络模型通过形态学处理、连通域分析和空间聚类对待检测车道线清晰图像进行处理获得车道线实例分割结果；利用激光雷达检测路面获得车道线位置信息，结合车道线位置信息和车道线实例分割结果获得包含车道线类别信息和车道线位置信息的完整检测结果。本发明能够满足高级别自动驾驶对车道线检测准确率、召回率及信息完整性的要求。
-
公开(公告)号：CN117207781B
公开(公告)日：2024-11-05
申请号：CN202311163415.6
申请日：2023-09-08
Applicant: 合肥工业大学
IPC: B60L3/12 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于历史实时能耗的燃料电池汽车续驶里程预测方法，通过对燃料电池汽车进行标准化测试获得历史数据，采集开放道路数据构建速度历程曲线；对历史数据进行处理获得模型输入数据，将模型输入数据导入原始CNN‑LSTM能耗模型进行训练，获得优化CNN‑LSTM能耗模型；对速度历程曲线片段划分，获得速度历程片段，通过积分获得对应片段里程，将速度历程片段输入优化CNN‑LSTM能耗模型中获得当前片段能耗；根据对应片段里程、当前片段能耗计算剩余能量和历史单位能耗行驶里程；对历史单位能耗行驶里程采用历史实时策略获得优化单位能耗行驶里程，剩余能量和优化单位能耗行驶里程相乘获得续驶里程预测值，实现燃料电池汽车续驶里程预测。
-
公开(公告)号：CN117207781A
公开(公告)日：2023-12-12
申请号：CN202311163415.6
申请日：2023-09-08
Applicant: 合肥工业大学
IPC: B60L3/12 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于历史实时能耗的燃料电池汽车续驶里程预测方法，通过对燃料电池汽车进行标准化测试获得历史数据，采集开放道路数据构建速度历程曲线；对历史数据进行处理获得模型输入数据，将模型输入数据导入原始CNN‑LSTM能耗模型进行训练，获得优化CNN‑LSTM能耗模型；对速度历程曲线片段划分，获得速度历程片段，通过积分获得对应片段里程，将速度历程片段输入优化CNN‑LSTM能耗模型中获得当前片段能耗；根据对应片段里程、当前片段能耗计算剩余能量和历史单位能耗行驶里程；对历史单位能耗行驶里程采用历史实时策略获得优化单位能耗行驶里程，剩余能量和优化单位能耗行驶里程相乘获得续驶里程预测值，实现燃料电池汽车续驶里程预测。
-
公开(公告)号：CN115545308A
公开(公告)日：2022-12-30
申请号：CN202211231216.X
申请日：2022-10-09
Applicant: 合肥工业大学
IPC: G06Q10/04 , G06Q50/06 , G06F17/10 , G06K9/62 , G06N3/04 , G06N3/08 , G06N5/00 , G06N20/10 , G06N20/20
Abstract: 本发明公开了一种基于集成模型的燃料电池汽车瞬时能耗预测方法，首先，利用传感器获得采集信息，对采集信息进行数据处理获得计算数据，将采集信息和计算数据共同作为预处理数据；其次，对预处理数据进行时间对齐，获得时间对齐数据，将时间对齐数据划分为初始特征集和模型标签，再对初始特征集进行特征提取和数据归一化，获得模型特征；然后，将模型特征与模型标签导入原始集成模型进行网络训练，获得优化集成模型；最后，对优化集成模型的输出结果采用氢电折算的后处理方法，获得燃料电池端瞬时能耗值和动力电池端瞬时能耗值。本发明解决了燃料电池汽车燃料电池端与动力电池端瞬时能耗预测难的问题，为燃料电池汽车续驶里程的准确估算提供依据。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
