-
公开(公告)号：CN113743653B
公开(公告)日：2024-09-27
申请号：CN202110919912.9
申请日：2021-08-11
Applicant: 广西综合交通大数据研究院 , 桂林电子科技大学
IPC: G06F18/25 , G01C21/00 , G06Q10/0631 , G06Q50/40 , G06F18/10
Abstract: 本申请提供了一种融合多种监视系统的机场管理方法、装置、设备及存储介质，涉及机场监控技术领域，该方法包括：获取各监控系统监测到的飞机的系统值，计算飞机下一时刻所在位置的中间预测值；基于各监控系统的系统值与中间预测值对各监控系统的系统值进行误差剔除；计算各监控系统的系统值与中间预测值的动态误差；确定各监控系统的权重，基于各权重融合各监控系统的系统值，确定飞机下一时刻位置的目标预测值。本申请实施例通过对多种系统监测的飞机位置进行融合，不用开发新的监视系统，应用机场已有监视系统，降低成本；将所有监视系统数据集中到同一管理平台，便于管制员查看，减轻管制员的工作负担。
-
公开(公告)号：CN113256729B
公开(公告)日：2024-06-18
申请号：CN202110286400.3
申请日：2021-03-17
Applicant: 广西综合交通大数据研究院
Abstract: 本申请实施例提供了一种激光雷达与相机的外参标定方法、装置、设备及存储介质，涉及图像处理领域。该方法包括：获取同一时刻的激光雷达采集的三维点云和相机采集的像素图像，确定像素图像中的第一关键点，并采用Hough变换确定三维点云中的第二关键点；基于第一关键点在像素图像中的坐标和第二关键点在三维点云中的坐标确定激光雷达与相机的外参。本申请实施例通过延长标定板的邻边长度，以增加邻边上的点云数量，进而增加邻边的辨识度，方便通过Hough变换进行标定板邻边提取，提高关键点提取的精度，根据几何约束设立最优化条件，统计多个标定板的位姿下的关键点，求出不同的外参值，再根据约束条件选出误差最小的外参值，提高外参标定的精度。
-
公开(公告)号：CN113051609B
公开(公告)日：2023-04-18
申请号：CN202110269564.5
申请日：2021-03-12
Applicant: 广西综合交通大数据研究院
Abstract: 本申请实施例提供了一种基于区块链的食材溯源系统、方法、设备及存储介质，涉及区块链技术领域。该系统包括：展示层，用于所述系统的展示与交互；应用层，包括食材供应链上角色的注册与登记、以及与溯源相关功能业务的操作；服务层，用于溯源系统与数据层区块链的数据交互操作；数据层，用于食材供应链上的角色通过所述应用层、所述服务层对所述数据层中存储数据的读写。本申请实施例借助区块链技术，建立学校食材供应链各个角色的合作机制，连通各角色的信息孤岛，实现食材商品的可信溯源，用户可以掌握学校食材流转的全过程，公众与监管机构可以获得学校食堂食材的优质溯源服务，构建透明可信的学校食材溯源体系，实现食品健康的良性循环。
-
公开(公告)号：CN115239981A
公开(公告)日：2022-10-25
申请号：CN202210652292.1
申请日：2022-06-09
Applicant: 广西综合交通大数据研究院
IPC: G06V10/75 , G06V10/764
Abstract: 本发明的技术方案涉及一种车辆位姿获取方法，包括：根据获取的IMU数据得到车辆当前的IMU估计位姿和对应的时间戳；结合IMU估计位姿和对应的时间戳，对获取的LiDAR扫描帧的激光点云进行运动畸变校正，得到预处理LiDAR扫描帧；从预处理LiDAR扫描帧中进行车辆位姿的特征点提取；根据车辆位姿的特征点，得到LiDAR的观测误差函数；根据IMU数据，得到IMU的误差函数；将LiDAR的观测误差函数和所述IMU的误差函数进行叠加计算，得到车辆位姿的误差函数；结合车辆位姿的特征点和所述IMU数据，令车辆位姿的误差函数达到最小值，从而得到车辆的位姿。本发明提供给的车辆位姿获取方法，在距离和方向上进行约束，具有更强的鲁棒性，并且约束位姿，提高获取的车辆位姿精确度。
-
公开(公告)号：CN114095503A
公开(公告)日：2022-02-25
申请号：CN202111214690.7
申请日：2021-10-19
Applicant: 广西综合交通大数据研究院
IPC: H04L67/1021 , H04L67/1023 , H04L67/12 , G06F16/35 , G06N20/00
Abstract: 本申请公开了一种基于区块链的联邦学习参与节点选择方法。联邦学习参与节点选择方法用于物联网系统，物联网系统包括终端设备和基站，联邦学习参与节点选择方法包括：获取每个终端设备与基站、其它终端设备之间在预设时间内的交互次数和距离，根据预设截断距离、数据交互次数、终端设备与其它终端设备的距离确定每个终端设备的活跃度密度，根据活跃度密度的大小以选择目标终端设备，计算终端设备到目标终端设备的偏移距离，根据活跃度密度和偏移距离确定终端设备的聚类中心点，通过聚类中心点的终端设备传输对应聚类模型中终端设备的数据至基站。如此，有效的减少了物联网系统的传输时间，避免了因物联网设备的时延问题。
-
Patent Agency Ranking
公开(公告)号：CN113743863A
公开(公告)日：2021-12-03
申请号：CN202110943099.9
申请日：2021-08-17
Applicant: 广西综合交通大数据研究院
Abstract: 本申请提供了一种基于智能合约的车货匹配方法，所述方法包括：接收货源方发布的待运输货源信息，基于所述待运输货源信息匹配对应的运输车辆信息生成订单，接收用户提交的订单信息修改请求，基于所述订单信息修改请求，采用预设的CA证书验证所述用户的身份信息，当所述用户的身份信息具有订单修改权限时，基于所述订单信息修改请求修改所述订单信息。本申请实施例在利用区块链技术增强传统货运平台上交易信息的可信度,车货匹配模型在基于货源类型、长度、体积、重量以及线路熟悉属性下，为货源推荐匹配度更高的车辆，提高了车货双方的满意度，降低了物流成本。
-
公开(公告)号：CN113591543A
公开(公告)日：2021-11-02
申请号：CN202110636627.6
申请日：2021-06-08
Applicant: 广西综合交通大数据研究院 , 桂林电子科技大学
Abstract: 本申请实施例提供了一种交通标志识别方法、装置、电子设备及计算机存储介质，涉及图像识别技术领域。该方法包括：获取预设的交通标志数据集，采用预设的聚类算法对交通标志数据集中的交通标志进行聚类，确定各类交通标志的尺寸；采用训练后的交通标志识别模型对待识别交通标志进行识别，确认待识别交通标志的类别。本申请实施例通过预设的聚类方法先对数据集进行聚类，对交通标志识别模型进行训练，可以获取图像中不同尺度的感受野信息，并可以将获取到的不同尺度的信息融合，增强浅层网络预测交通标志的能力，进而提高交通标志的检测准确率。减少网络参数并降低网络复杂度，以此提高交通标志的检测速度，达到对交通标志的实时检测。
-
公开(公告)号：CN113256729A
公开(公告)日：2021-08-13
申请号：CN202110286400.3
申请日：2021-03-17
Applicant: 广西综合交通大数据研究院
Abstract: 本申请实施例提供了一种激光雷达与相机的外参标定方法、装置、设备及存储介质，涉及图像处理领域。该方法包括：获取同一时刻的激光雷达采集的三维点云和相机采集的像素图像，确定像素图像中的第一关键点，并采用Hough变换确定三维点云中的第二关键点；基于第一关键点在像素图像中的坐标和第二关键点在三维点云中的坐标确定激光雷达与相机的外参。本申请实施例通过延长标定板的邻边长度，以增加邻边上的点云数量，进而增加邻边的辨识度，方便通过Hough变换进行标定板邻边提取，提高关键点提取的精度，根据几何约束设立最优化条件，统计多个标定板的位姿下的关键点，求出不同的外参值，再根据约束条件选出误差最小的外参值，提高外参标定的精度。
-
公开(公告)号：CN111915675A
公开(公告)日：2020-11-10
申请号：CN202010555426.9
申请日：2020-06-17
Applicant: 广西综合交通大数据研究院
Abstract: 本发明公开了一种基于粒子漂移的粒子滤波点云定位方法，基于粒子滤波定位算法，提升定位的精度，包括将初始粒子集根据当前时刻的里程计数据转换为预测粒子集，并根据漂移算法，获取漂移粒子集，并根据所述漂移粒子集中权重大的漂移粒子和坐标信息，输出定位结果。同时，还提供一种基于粒子漂移的粒子滤波定位系统和基于粒子漂移的粒子滤波定位装置；所述基于粒子漂移的粒子滤波定位系统和基于粒子漂移的粒子滤波定位装置应用所述基于粒子漂移的粒子滤波点云定位方法提升定位的精度。
-
公开(公告)号：CN113591543B
公开(公告)日：2024-03-26
申请号：CN202110636627.6
申请日：2021-06-08
Applicant: 广西综合交通大数据研究院 , 桂林电子科技大学
IPC: G06V20/58 , G06V10/762 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本申请实施例提供了一种交通标志识别方法、装置、电子设备及计算机存储介质，涉及图像识别技术领域。该方法包括：获取预设的交通标志数据集，采用预设的聚类算法对交通标志数据集中的交通标志进行聚类，确定各类交通标志的尺寸；采用训练后的交通标志识别模型对待识别交通标志进行识别，确认待识别交通标志的类别。本申请实施例通过预设的聚类方法先对数据集进行聚类，对交通标志识别模型进行训练，可以获取图像中不同尺度的感受野信息，并可以将获取到的不同尺度的信息融合，增强浅层网络预测交通标志的能力，进而提高交通标志的检测准确率。减少网络参数并降低网络复杂度，以此提高交通标志的检测速度，达到对交通标志的实时检测。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.031 seconds)
