-
公开(公告)号：CN113421346B
公开(公告)日：2023-02-17
申请号：CN202110739853.7
申请日：2021-06-30
Applicant: 暨南大学
Abstract: 本发明涉及一种增强驾驶感的AR‑HUD抬头显示界面的设计方法，属于虚拟现实领域，其包括：通过摄像头采集驾驶环境的影像信息；调整摄像头参数，完成相机标定；对图像进行预处理；虚拟呈像，标定AR‑HUD系统相关的参数并实现物体的虚实注册，实现导航虚拟标记与道路现实目标匹配、对准、提示；对AR‑HUD界面进行设计，在游戏引擎中进行虚拟驾驶场景的构建，并通过相关端口连接实体车辆设备，然后结合头戴式VR显示系统构建虚拟测试平台，遴选出最优的AR‑HUD显示系统。本发明有效避免了实车测试周期长、成本高、危险性大等缺点，同时也弥补了现有技术中对界面设计架构与用户的视觉匹配等方面的短板。
-
公开(公告)号：CN114936783B
公开(公告)日：2023-01-17
申请号：CN202210620696.2
申请日：2022-06-02
Applicant: 暨南大学
IPC: G06Q10/0631 , G06Q10/083 , G06Q10/067 , G06N20/00
Abstract: 本发明提供了一种基于MMDDPG算法的RGV小车调度方法及系统，属于人工智能技术领域。本发明基于银行家算法，并利用结合熵正则化器的MMDDPG算法对生产过程中的多辆RGV小车进行协同调度，其中对每个RGV小车的调度都考虑其他RGV小车的调度策略，同时，引入不可抢占式最低松弛度优先算法，以最大限度缩短任务等待响应的时间。本发明所提出的基于MMDDPG算法的RGV小车调度方法及系统考虑了多RGV小车存在时的RGV小车的协作关系，对多个RGV小车进行统一调度，保证了多个RGV小车整体效率的最大化。
-
公开(公告)号：CN113743471A
公开(公告)日：2021-12-03
申请号：CN202110896194.8
申请日：2021-08-05
Applicant: 暨南大学
Abstract: 本发明公开了一种驾驶评估方法及其系统，该方法包括以下步骤：在VR驾驶环境下采集眼动数据和驾驶数据，利用眼动数据建立驾驶疲劳分析模型，利用眼动数据和驾驶数据建立驾驶分心分析模型、车辆驾驶分析模型和驾驶视觉分散分析模型，结合驾驶疲劳分析模型、驾驶分心分析模型、车辆驾驶分析模型和驾驶视觉分散分析模型，形成集驾驶视觉分散、驾驶分心、驾驶疲劳分析、车辆驾驶分析一体的驾驶评估，通过采用加权SVR，针对不同的驾驶员训练适宜的分析模型，对驾驶集视觉分散程度、注意力分散程度、疲劳程度、驾驶稳定程度分析结果进行量化，最后通过模糊综合评价法对驾驶安全进行评分。本发明从多方面对驾驶员驾驶状况进行分析，具有较高的分析准确性。
-
公开(公告)号：CN113610018B
公开(公告)日：2025-04-29
申请号：CN202110918746.0
申请日：2021-08-11
Applicant: 暨南大学
IPC: G06V40/20 , G06V40/16 , G06V10/764 , G06T5/77 , G06V10/82 , H04L51/046 , G06T5/60 , G06N3/0464
Abstract: 本发明公开了一种结合5G、表情跟踪与美颜的VR实时通讯交互系统及方法，该系统设有云端服务器、多个集群处理装置、多个通讯室和多个用户交互装置，云端服务器分别与多个集群处理装置连接，每个集群处理装置分别与邻近的多个用户交互装置连接，从而形成多个区域处理站，每个用户交互装置设置在相应的通讯室内，集群处理装置用于将面部模型与通用身体模型匹配结合得到用户模拟模型，通过云端服务器将用户模拟模型转发至已建立通信连接的通信方。本发明通过对建立通信交互的用户和环境进行建模并还原通信方的表情和姿态，以在交互上产生更强的代入感。
-
公开(公告)号：CN113360618B
公开(公告)日：2022-03-11
申请号：CN202110633919.4
申请日：2021-06-07
Applicant: 暨南大学
IPC: G06F16/332 , G06F16/33 , G06N3/04
Abstract: 本发明提出一种基于离线强化学习的智能机器人对话方法及系统，方法包括获取已有的对话数据信息，基于对话数据构建训练集；在训练集抽取预设关键信息，对关键信息进行数据处理,引入非策略的批量强化学习算法；构建基于对话预判模型，并利用基于关键信息得到的数据对模型进行训练；获取待交流对话的数据信息；从数据信息中抽取预设关键信息，通过数据处理得到第一向量；利用已训练的模型处理第一向量，得到对应的第一标签，根据第一向量和第一标签进行决策输出；基于决策与用户进行对话。系统包括GPU服务器、模型存储器、存储模块、语言数据库、离线强化学习处理器、CPU处理器、语言收集模块和智能对话执行模块。
-
Patent Agency Ranking
公开(公告)号：CN113327479A
公开(公告)日：2021-08-31
申请号：CN202110739595.2
申请日：2021-06-30
Applicant: 暨南大学
Abstract: 本发明公开了一种基于MR技术的机动车驾驶智能培训系统，该系统包括机动车仿真驾驶舱、运动平台、第一数据处理器以及CAVE沉浸式MR视听系统，所述第一数据处理器分别与运动平台、机动车仿真驾驶舱、CAVE沉浸式MR视听系统连接，所述机动车仿真驾驶舱还与运动平台、CAVE沉浸式MR视听系统连接；所述机动车仿真驾驶舱固定设置在运动平台上，所述机动车仿真驾驶舱用于为驾驶员提供驾驶操作环境；所述运动平台用于模拟行车过程中的车辆振动情况，将模拟的行车路况及车辆驾驶进行实时反馈。本发明利用MR技术有效解决驾驶员在虚拟环境中与机动车仿真模拟系统无法准确互动的问题。
-
公开(公告)号：CN113283167A
公开(公告)日：2021-08-20
申请号：CN202110565688.8
申请日：2021-05-24
Applicant: 暨南大学
IPC: G06F30/27 , G06N3/08 , G06Q10/04 , G06Q50/04 , G06F111/04 , G06F119/18
Abstract: 本发明涉及一种基于安全强化学习的特种设备生产线优化方法及系统，方法包括：接收车间生产线的安全设计要求数据，在仿真平台进行建模；在所建立的模型中输出生产线所需的优化参数并定义贴合特种设备生产的state、action和reward函数模型；利用构建的CPO算法解决含有高维、连续、复杂参数和安全约束条件的寻优问题；对所建立的神经网络进行训练；接收新出现的问题，进行建模后提取待优化的参数，将待优化的参数转化成神经网络的输入，得到适合生产线优化的几个较优的方案。
-
公开(公告)号：CN113743471B
公开(公告)日：2023-06-09
申请号：CN202110896194.8
申请日：2021-08-05
Applicant: 暨南大学
IPC: G06F18/24 , G06F18/214 , G06N20/00
Abstract: 本发明公开了一种驾驶评估方法及其系统，该方法包括以下步骤：在VR驾驶环境下采集眼动数据和驾驶数据，利用眼动数据建立驾驶疲劳分析模型，利用眼动数据和驾驶数据建立驾驶分心分析模型、车辆驾驶分析模型和驾驶视觉分散分析模型，结合驾驶疲劳分析模型、驾驶分心分析模型、车辆驾驶分析模型和驾驶视觉分散分析模型，形成集驾驶视觉分散、驾驶分心、驾驶疲劳分析、车辆驾驶分析一体的驾驶评估，通过采用加权SVR，针对不同的驾驶员训练适宜的分析模型，对驾驶集视觉分散程度、注意力分散程度、疲劳程度、驾驶稳定程度分析结果进行量化，最后通过模糊综合评价法对驾驶安全进行评分。本发明从多方面对驾驶员驾驶状况进行分析，具有较高的分析准确性。
-
公开(公告)号：CN113610018A
公开(公告)日：2021-11-05
申请号：CN202110918746.0
申请日：2021-08-11
Applicant: 暨南大学
Abstract: 本发明公开了一种结合5G、表情跟踪与美颜的VR实时通讯交互系统及方法，该系统设有云端服务器、多个集群处理装置、多个通讯室和多个用户交互装置，云端服务器分别与多个集群处理装置连接，每个集群处理装置分别与邻近的多个用户交互装置连接，从而形成多个区域处理站，每个用户交互装置设置在相应的通讯室内，集群处理装置用于将面部模型与通用身体模型匹配结合得到用户模拟模型，通过云端服务器将用户模拟模型转发至已建立通信连接的通信方。本发明通过对建立通信交互的用户和环境进行建模并还原通信方的表情和姿态，以在交互上产生更强的代入感。
-
公开(公告)号：CN113393495A
公开(公告)日：2021-09-14
申请号：CN202110685692.8
申请日：2021-06-21
Applicant: 暨南大学
IPC: G06T7/246 , G06T7/277 , G06T5/00 , G06T5/50 , G06T3/00 , G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于强化学习的高空抛物轨迹识别方法。所述方法包括：通过图像传感器采集被监控窗户区域的高空抛物轨迹图像；对所述高空抛物轨迹图像进行预处理得到预处理图像信息；根据所述预处理图像信息判断所述图像传感器是否被遮挡；在判断所述图像传感器未被遮挡时，将所述预处理图像信息输入至处理器，所述处理器获取经过强化学习后的预训练目标模型，并通过所述预训练目标模型对所述预处理图像信息进行高空抛物识别得到高空抛物识别结果信息；所述处理器将高空抛物识别结果信息存储至数据存储单元和云服务器及储存器中，以对所述预训练目标模型进行训练及更新。本发明通过强化学习模型对高空抛物轨迹进行识别，提高了识别准确率。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.018 seconds)
