-
公开(公告)号：CN117630865A
公开(公告)日：2024-03-01
申请号：CN202311623244.0
申请日：2023-11-30
Applicant: 天津理工大学
IPC: G01S7/48 , G06V20/58 , G06V20/64 , G06V10/764 , G06V10/766 , G06V10/77 , G06V10/80 , G06V10/44 , G06V10/52 , G06V10/82
Abstract: 本发明公开了一种基于自适应锚框阈值与3D IoU损失的3D目标车辆检测方法，步骤为：S1、获取周围环境的原始激光雷达数据，S2、在由步骤S1获得的原始激光雷达数据中，去除靠近地面位置激光雷达点和去除无法投影到图像上的激光雷达点，S3、依次通过采样增强、随机翻转增强和旋转平移增强的方法，对由步骤S2得到的雷达数据进行数据增强处理，S4、构建基于自适应锚框阈值与3D IoU损失的3D目标检测网络，S5、利用步骤S3的雷达数据对3D目标检测网络进行训练；该方法使用轻量化模型，平衡检测精度和检测速度，同时使用尺度特征使得针对不同大小物体都能保持较好检测效果，与传统处理方法相比，提高网络精度同时，解决了梯度消失问题，提升了网络的鲁棒性。
-
公开(公告)号：CN114863102A
公开(公告)日：2022-08-05
申请号：CN202210447948.6
申请日：2022-04-26
Applicant: 天津理工大学
Abstract: 本发明公开了基于Deeplabv3+网络的非结构化道路自适应注意力语义分割方法，步骤包括：S1、创建非结构化道路场景样本数据集，包括非结构化道路图片集和对应包含有语义标注的图片集；S2、基于Deeplabv3+网络，在ResNet‑18网络的各block模块之后增加CBAM模块，构建形成基于Deeplabv3+网络的非结构化道路自适应注意力语义分割算法模型；S3、利用步骤S1创建的非结构化道路场景样本数据集对非结构化道路自适应注意力语义分割算法模型进行迭代训练；该方法实现有效细化不同类别上下文信息，尤其在物体边缘处可以实现细粒度推理，提升复杂环境下非结构化道路可行驶区域语义分割的鲁棒性以及算法网络模型的泛化性，满足智能车辆对非结构化道路可行驶区域复杂场景的理解力要求。
-
公开(公告)号：CN113104050A
公开(公告)日：2021-07-13
申请号：CN202110372793.X
申请日：2021-04-07
Applicant: 天津理工大学
Abstract: 本发明公开了一种基于深度强化学习的无人驾驶端到端决策方法，步骤为：1)获取无人驾驶车辆前方道路特征编码，2)将前方道路环境状态与车辆自身状态作为当前时刻环境状态输入至经过训练的深度强化学习结构中以输出无人驾驶车辆的动作；其中，深度强化学习网络包括由Eval Actor网络和Target Actor网络构成的Actor网络，由Eval Critic 1网络和Target Critic 1网络构成的Critic 1网络，由Eval Critic 2网络和Target Critic 2网络构成的Critic 2网络，以及由Eval Q网络和Target Q网络构成的Q网络组；该方法要求的环境数据要求少，可实现有效降低成本，同时通过构建具有高学习效率、训练速度快的深度强化学习网络，实现提高智能体的探索效率的目的。
-
公开(公告)号：CN106023403B
公开(公告)日：2019-03-26
申请号：CN201610290278.6
申请日：2016-05-04
Applicant: 天津理工大学
Abstract: 本发明公开了一种旋转式钱币分拣机构，涉及到公交，自动售卖平台，银行，用于对钱币进行快速分拣，计数及包装。包括钱币存放盒，设置在下方具有一倒四棱锥型沉台的箱体内，用于将不同大小的硬币筛选脱落；包括摇柄驱动装置，用于带动钱币存放盒旋转；包括螺旋送币装置，其顶部与所述的箱体底部相连，用于使钱币存放盒筛选脱落的硬币逐个有序的下落；包括钱币计数及包装装置，设置在螺旋送币装置底部，用于对螺旋送币装置下落的硬币计数收集；所述的箱体设置在支撑架上。本发明的有益效果是通过分拣、计数、自动控制、堆垛包装等功能，能够在短时间内将大量面值不等的钱币如1元、5角、1角、纸币等钱币区分开来，并且能达到计数及包装的目的。
-
公开(公告)号：CN118212416A
公开(公告)日：2024-06-18
申请号：CN202410414035.3
申请日：2024-04-08
Applicant: 天津理工大学
IPC: G06V10/26 , G06V20/56 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种用于自动驾驶的交通场景图像实时语义分割方法，其利用城市交通场景语义分割数据集，对构建的多通道三元聚合实时语义分割网络经训练实现；多通道三元聚合实时语义分割网络由细节分支、语义分支和聚合层构成；该交通场景图像实时语义分割方法中构建的MCTANet网络中，细节分支中设计有动态空间增强模块，充分利用不同尺度的空间信息且不会引入过多的计算复杂度；语义分支中设计有全局上下文共享模块，能够有效增强语义分支获取全局感受野的能力，且网络推理速度几乎不受影响；聚合层采用三元引导聚合层，对上述二分支的特征互补融合，提高分割精度；相比现有的BiSeNetV1和BiSeNetV2网络在保持推理速度同时，具有更高的分割精度。
-
Patent Agency Ranking
公开(公告)号：CN109653863B
公开(公告)日：2021-04-23
申请号：CN201910026324.5
申请日：2019-01-11
Applicant: 天津理工大学
Abstract: 本发明公开了一种环缸内燃机，包括设置在机体外壳内的钟摆活塞和四个缸盖总成以及位于机体外壳外侧的驱动齿轮组；钟摆活塞包括可转动地设置在机体外壳内的环形通道内的支撑架体以及对称设置在支撑架体两端的两个活塞组，四个缸盖总成中每两个间隔设置在一个活塞组的两侧，将环形通道分隔出内设有活塞组的两个活塞腔和位于活塞腔邻侧的两个储气腔，驱动齿轮组包括通过连杆机构与钟摆活塞连接的主动齿轮和与主动齿轮啮合的从动齿轮；该环缸内燃机有更小的体积，更加平顺的运行过程，以及更优的气门控制；相对于经典环缸内燃机，解决了普遍存在的气密性问题，提供了更好的润滑和冷却方案，简化了机械结构，节约了生产与维修成本。
-
公开(公告)号：CN111681259A
公开(公告)日：2020-09-18
申请号：CN202010416099.9
申请日：2020-05-17
Applicant: 天津理工大学
Abstract: 本发明公开了一种基于无Anchor机制检测网络的车辆跟踪模型建立方法，该方法依次由对输入图像进行图像处理、构建无Anchor机制检测网络并利用完成训练的检测网络确定跟踪车辆的状态信息、以及建立车辆跟踪模型以配合无Anchor机制神经网络对车辆实现实时跟踪建立三个步骤构成；该方法中图像处理步骤实现有效去除不相关背景信息，保留图像重要信息，无Anchor机制检测网络有效抑制了低质量边界框，获得与Anchor机制检测网络的水平相同的车辆跟踪框；进而该检测网路建立的车辆跟踪模型的处理速度优于目前深度学习的端到端的跟踪方法和单目标跟踪器的车辆跟踪方法，准确性优于位置预测的车辆跟踪方法。
-
公开(公告)号：CN106023403A
公开(公告)日：2016-10-12
申请号：CN201610290278.6
申请日：2016-05-04
Applicant: 天津理工大学
CPC classification number: G07D3/128 , G07D11/0003
Abstract: 本发明公开了一种旋转式钱币分拣机构，涉及到公交，自动售卖平台，银行，用于对钱币进行快速分拣，计数及包装。包括钱币存放盒，设置在下方具有一倒四棱锥型沉台的箱体内，用于将不同大小的硬币筛选脱落；包括摇柄驱动装置，用于带动钱币存放盒旋转；包括螺旋送币装置，其顶部与所述的箱体底部相连，用于使钱币存放盒筛选脱落的硬币逐个有序的下落；包括钱币计数及包装装置，设置在螺旋送币装置底部，用于对螺旋送币装置下落的硬币计数收集；所述的箱体设置在支撑架上。本发明的有益效果是通过分拣、计数、自动控制、堆垛包装等功能，能够在短时间内将大量面值不等的钱币如1元、5角、1角、纸币等钱币区分开来，并且能达到计数及包装的目的。
-
公开(公告)号：CN118212416B
公开(公告)日：2025-02-25
申请号：CN202410414035.3
申请日：2024-04-08
Applicant: 天津理工大学
IPC: G06V10/26 , G06V20/56 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种用于自动驾驶的交通场景图像实时语义分割方法，其利用城市交通场景语义分割数据集，对构建的多通道三元聚合实时语义分割网络经训练实现；多通道三元聚合实时语义分割网络由细节分支、语义分支和聚合层构成；该交通场景图像实时语义分割方法中构建的MCTANet网络中，细节分支中设计有动态空间增强模块，充分利用不同尺度的空间信息且不会引入过多的计算复杂度；语义分支中设计有全局上下文共享模块，能够有效增强语义分支获取全局感受野的能力，且网络推理速度几乎不受影响；聚合层采用三元引导聚合层，对上述二分支的特征互补融合，提高分割精度；相比现有的BiSeNetV1和BiSeNetV2网络在保持推理速度同时，具有更高的分割精度。
-
公开(公告)号：CN115293237A
公开(公告)日：2022-11-04
申请号：CN202210791760.3
申请日：2022-07-05
Applicant: 天津理工大学
Abstract: 本发明公开了一种基于深度学习的车辆轨迹预测方法，其步骤为：S1、构建包括有若干组车辆轨迹数据的用于深度学习的车辆轨迹数据库，每组车辆轨迹数据包括目标车辆及其周围相关车辆的特征信息，S2、构建由卷积池化模块、编码模块和解码模块构成的车辆轨迹预测模型，S3、利用步骤S1构建的数据集对步骤S2构建的车辆轨迹预测模型进行训练；S4、获得与步骤S1相同的车辆特征信息并输入至训练好的模型中进行车辆轨迹预测；该方法通过对目标车辆及其周围相关车辆的特征信息进行提取，并构建形成具有更强的信息提取能力的车辆轨迹预测模型，进而实现有效的预测目标车辆的轨迹的目的，且预测结果准确性高、可信性强，并能广泛应用到各种路面场景中。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.036 seconds)
