-
Patent Agency Ranking
公开(公告)号：CN114235679A
公开(公告)日：2022-03-25
申请号：CN202111345929.4
申请日：2021-11-15
Applicant: 同济大学
Abstract: 本发明涉及一种基于激光雷达的路面附着系数估计方法及系统，所述方法包括：S1：获取不同光照条件、不同路面类型上车辆行驶中车载激光雷达采集的点云信息；S2：提取点云信息中的路面区域点云；S3：基于路面区域点云的反射强度概率分布模型参数，建立路面反射强度分布模型参数数据库；S4：获取实测路面点云数据，利用分布相似度进行路面类型辨识和附着系数估计。与现有技术相比，本发明具有估计精度高、鲁棒性强等优点。
-
公开(公告)号：CN113538357B
公开(公告)日：2022-10-25
申请号：CN202110777999.0
申请日：2021-07-09
Applicant: 同济大学
IPC: G06T7/00 , G06T7/11 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种抗阴影干扰的路面状态在线检测方法，包括：收集不同场景工况下的路面图像及路面阴影图像历史数据，通过离线训练，分别得到路面区域分割模型、路面阴影检测模型和路面状态分类模型；获取实际路面图像，基于路面区域分割模型、路面阴影检测模型和路面状态分类模型，得到该实际路面图像对应的路面状态检测结果。与现有技术相比，本发明不依赖车辆激励状态，且不受路面阴影干扰，能够对车辆当前行驶道路的路面状态进行准确可靠的检测。
-
公开(公告)号：CN115186577A
公开(公告)日：2022-10-14
申请号：CN202210714607.0
申请日：2022-06-22
Applicant: 同济大学
IPC: G06F30/27 , G06K9/62 , G06N3/04 , G06F119/14
Abstract: 本发明涉及一种基于估计器参数自适应优化的路面附着系数融合估计方法，包括：建立基于机器视觉的视觉估计器；建立综合利用纵侧向激励的动力学估计器；确定不同路面类型下动力学估计器局部弱能观性成立的激励阈值范围，实现动力学估计器的有效启停；设计基于视觉估计器边界层厚度的动力学估计器参数自校正算法；设计基于模糊C均值的自适应自调整策略，优化路面附着系数的映射经验值和视觉估计器边界层厚度，得到视觉动力学融合估计器；将实际车辆状态参数以及车载摄像头采集的路面图像输入视觉动力学融合估计器，输出得到路面附着系数估计值。与现有技术相比，本发明能有效提高路面附着系数的估计精度，且具有实时性好、鲁棒性强的优点。
-
公开(公告)号：CN114235679B
公开(公告)日：2023-02-10
申请号：CN202111345929.4
申请日：2021-11-15
Applicant: 同济大学
Abstract: 本发明涉及一种基于激光雷达的路面附着系数估计方法及系统，所述方法包括：S1：获取不同光照条件、不同路面类型上车辆行驶中车载激光雷达采集的点云信息；S2：提取点云信息中的路面区域点云；S3：基于路面区域点云的反射强度概率分布模型参数，建立路面反射强度分布模型参数数据库；S4：获取实测路面点云数据，利用分布相似度进行路面类型辨识和附着系数估计。与现有技术相比，本发明具有估计精度高、鲁棒性强等优点。
-
公开(公告)号：CN113538357A
公开(公告)日：2021-10-22
申请号：CN202110777999.0
申请日：2021-07-09
Applicant: 同济大学
Abstract: 本发明涉及一种抗阴影干扰的路面状态在线检测方法，包括：收集不同场景工况下的路面图像及路面阴影图像历史数据，通过离线训练，分别得到路面区域分割模型、路面阴影检测模型和路面状态分类模型；获取实际路面图像，基于路面区域分割模型、路面阴影检测模型和路面状态分类模型，得到该实际路面图像对应的路面状态检测结果。与现有技术相比，本发明不依赖车辆激励状态，且不受路面阴影干扰，能够对车辆当前行驶道路的路面状态进行准确可靠的检测。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
