-
公开(公告)号：CN108828608A
公开(公告)日：2018-11-16
申请号：CN201810274834.X
申请日：2018-03-29
Applicant: 苏州大学张家港工业技术研究院 , 苏州大学
Abstract: 车辆检测方法中激光雷达背景数据滤除方法，涉及车辆检测领域中激光雷达数据的处理方法。解决了现有采用雷达检测车辆的技术中存在的需要采集底面数据以及由于采集数据的区域的底面物体导致无法准确检测到车辆的问题。本发明包括S0选取背景帧；S1将背景帧的数据与目标帧的数据融合；S2将背景帧点与目标帧点关联，S3根据S2中关联完成的2个背景帧点和目标帧点之间欧式距离的关系标记车辆点；S4遗漏点提取，遍历未标记的目标帧点根据点的水平角度值进一步标记车辆点；S5判断n与阈值n0之间的关系，进一步对未标记的目标帧点进行判断；S6噪声点去除；S7准确率提高，选取多个背景帧与目标帧进行S2-S6的操作，并取交集作为滤除结果。
-
公开(公告)号：CN109188390A
公开(公告)日：2019-01-11
申请号：CN201810925487.2
申请日：2018-08-14
Applicant: 苏州大学张家港工业技术研究院 , 苏州大学
Abstract: 本发明公开了一种运动目标高精度检测与追踪方法，包括A0：通过背景滤除算法，将车辆点和行人点从原始数据中提取出来，标记所在帧信息；A1：将相邻帧的车辆点和行人点数据进行融合，用聚类算法将融合之后的数据进行处理，标记类簇信息；A2：利用每个点所在帧的信息，将同一帧的数据分离开，根据所述类簇信息实现车辆和行人的识别和关联。本发明的优点在于：无需构建复杂的车辆模型和车辆轨迹模型，利用简单的聚类算法，在简单聚类算法的基础上提高车辆检测的准确率，直接能够提取车辆轨迹。
-
公开(公告)号：CN109188390B
公开(公告)日：2023-05-23
申请号：CN201810925487.2
申请日：2018-08-14
Applicant: 苏州大学张家港工业技术研究院 , 苏州大学
Abstract: 本发明公开了一种运动目标高精度检测与追踪方法，包括A0：通过背景滤除算法，将车辆点和行人点从原始数据中提取出来，标记所在帧信息；A1：将相邻帧的车辆点和行人点数据进行融合，用聚类算法将融合之后的数据进行处理，标记类簇信息；A2：利用每个点所在帧的信息，将同一帧的数据分离开，根据所述类簇信息实现车辆和行人的识别和关联。本发明的优点在于：无需构建复杂的车辆模型和车辆轨迹模型，利用简单的聚类算法，在简单聚类算法的基础上提高车辆检测的准确率，直接能够提取车辆轨迹。
-
公开(公告)号：CN108828608B
公开(公告)日：2021-08-17
申请号：CN201810274834.X
申请日：2018-03-29
Applicant: 苏州大学张家港工业技术研究院 , 苏州大学
Abstract: 车辆检测方法中激光雷达背景数据滤除方法，涉及车辆检测领域中激光雷达数据的处理方法。解决了现有采用雷达检测车辆的技术中存在的需要采集底面数据以及由于采集数据的区域的底面物体导致无法准确检测到车辆的问题。本发明包括S0选取背景帧；S1将背景帧的数据与目标帧的数据融合；S2将背景帧点与目标帧点关联，S3根据S2中关联完成的2个背景帧点和目标帧点之间欧式距离的关系标记车辆点；S4遗漏点提取，遍历未标记的目标帧点根据点的水平角度值进一步标记车辆点；S5判断n与阈值n0之间的关系，进一步对未标记的目标帧点进行判断；S6噪声点去除；S7准确率提高，选取多个背景帧与目标帧进行S2‑S6的操作，并取交集作为滤除结果。
-
公开(公告)号：CN108830430A
公开(公告)日：2018-11-16
申请号：CN201810866657.4
申请日：2018-08-01
Applicant: 苏州大学张家港工业技术研究院 , 苏州大学
Abstract: 本发明公开一种用于交通流量预测的卷积神经网络多点回归预测模型，包括如下步骤：第一感知输入层，第二卷积层：对输入层数据进行卷积，通过激活函数后输出；多层卷积层：对上一层的输出作为输入进行卷积处理，通过激活函数后输出；第四全链接层，第五丢弃层：“随机丢弃层”舍弃一些冗余的神经元，保留上层全链接节点的40％-70％，第六输出层：丢弃层的有效节点输出进行回归计算，得到的回归数值就是整个网络的输出，共设置m个输出节点，即将全链接层映射到输出层，作权重组合。相比传统的统计回归模型，具有数据空间关联的特征提取能力，具有局部感知野和权值共享的优势，使得在时间复杂度和特征选择上具有更好的平衡。
-
Patent Agency Ranking
公开(公告)号：CN118758172A
公开(公告)日：2024-10-11
申请号：CN202410730582.2
申请日：2024-06-06
Applicant: 苏州大学 , 苏州市港航事业发展中心
IPC: G01B11/00 , G01B11/02 , G01S7/48 , G06V10/422 , G06V10/25 , G06V10/30 , G06V10/762
Abstract: 本发明公开了一种基于激光雷达的船舶尺寸测量方法，该方法的主要步骤包括：1)使用激光雷达传感器实时扫描并采集航道中的点云数据；2)使用空间坐标噪声滤除法对航道区域进行区域内点云数据提取；3)利用不同物体反射光强度不同的特征差异对水面噪声点进行滤除；4)对航道内的点云使用DBSCAN算法进行聚类，对船舶进行目标检测；5)通过对船舶边缘特征的提取与分析，对船舶航行方向进行判断；6)通过船舶点云的多帧融合、拼接，补偿船头船尾缺失的点云，增强点云数据，获得更为完整的船舶点云；7)使用船舶点云集合构建AABB包围盒模型，对船舶的长度特征、宽度特征和高度特征完成尺寸计算。本发明船舶尺寸测量方法能精准检测船舶的长度、宽度和高度的尺寸特征。
-
公开(公告)号：CN115129769B
公开(公告)日：2024-08-20
申请号：CN202210618031.8
申请日：2022-06-01
Applicant: 苏州大学
IPC: G06F18/214 , G06F18/2321 , G06F18/243 , G06N20/20 , G06F18/27
Abstract: 一种居民出行调查扩样方法、装置及存储介质，本发明在传统组合扩样的基础上，对于出行扩样部分应用手机信令数据的分析结果作为扩样依据，由于手机信令数据较GPS数据、轨道公交刷卡数据、卡口数据具有更高采样率和更广覆盖范围，以此分析结果作为扩样依据可以提高扩样精度。
-
公开(公告)号：CN117636297B
公开(公告)日：2024-08-16
申请号：CN202311549466.2
申请日：2023-11-20
Applicant: 苏州大学
IPC: G06V20/58 , G06V10/94 , H04B10/116 , G01S17/931 , G01S17/89 , G01S17/86
Abstract: 本发明涉及一种基于可见光通信的前车驾驶意图辨识系统及方法，所述系统包括：可见光通信模块和意识识别模块；所述可见光通信模块包括可见光通信设备和高速摄像头；所述可见光通信设备将获取的前车驾驶意图数据发送至所述意识识别模块，所述高速摄像头将采集的前方车辆视频图像传输至所述意识识别模块；所述意识识别模块根据融合机器学习算法对所述车辆视频图像进行处理生成前方车辆轨迹数据；根据所述前方车辆轨迹数据和所述前车驾驶意图数据建立映射模型；根据所述映射模型生成意图识别结果。通过通过匹配可见光通信设备数据处理结果精确识别得到准确的目标信息，能够精确识别驾驶车辆向左换道、向右换道、左转、右转或者制动意图。
-
公开(公告)号：CN114913399B
公开(公告)日：2024-07-26
申请号：CN202210515606.3
申请日：2022-05-12
Applicant: 苏州大学
IPC: G06V10/80 , G06V20/70 , G06V10/762 , G06V10/50 , G06V10/82 , G06V10/46 , G06V20/50 , G06T7/246 , G06T7/73
Abstract: 本发明公开了一种车辆轨迹优化方法及智能交通系统。本发明通过融合激光雷达和相机两种传感器获取的车辆信息，采用激光雷达下的目标车辆轨迹点优化相机下的目标车辆轨迹点，以得到精确的具有车辆语义信息的优化轨迹，利用从激光雷达点云数据中得到车辆轨迹点空间坐标，弥补相机不能得到目标深度信息的劣势，同时利用相机获取车辆的语义信息，进一步避免了点云数据中非车辆目标的干扰，并采用激光雷达下的目标车辆轨迹点优化相机下的目标车辆轨迹点，解决拍摄距离和天气对相机下的目标轨迹点准确性的影响，实现在复杂环境下采集到完整精确的车辆轨迹。
-
公开(公告)号：CN117523821B
公开(公告)日：2024-06-21
申请号：CN202311300912.6
申请日：2023-10-09
Applicant: 苏州大学
IPC: G08G1/01 , G06F18/2415 , G06N3/0464 , G06N3/0455 , G06N3/0442
Abstract: 本发明提供一种基于GAT‑CS‑LSTM的车辆多模态驾驶行为轨迹预测系统及方法，涉及智能交通系统技术领域，该系统包括基础数据处理与车辆历史特征编码模块，相对状态与交互特征提取模块，预测车辆驾驶行为与生成预测车辆未来轨迹模块。本发明准确预测其他车辆的轨迹对于避免事故、合理规划路径和做出安全决策至关重要。轨迹预测系统可以帮助自动驾驶系统预测周围车辆的行为，从而更好地融入交通流并做出适应性的驾驶决策。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.033 seconds)
