-
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：CN104933871B
公开(公告)日：2017-03-22
申请号：CN201510418663.X
申请日：2015-07-16
Applicant: 苏州大学张家港工业技术研究院
IPC: G08G1/042
Abstract: 本申请公开了一种交通车辆检测方法及系统，该方法包括：当在一段时间内检测到的所有目标地磁场实时信号与预先确定的背景地磁场值之间的差值均大于第一阈值时，确定出目标时间长度和目标极大值信号；根据目标极大值信号和背景地磁场值，确定出目标偏差因子；当目标偏差因子大于第二阈值时，进行相邻车道干扰条件的判断，如果不满足相邻车道干扰条件，则进行车辆通过条件的判断。本发明在目标偏差因子大于第二阈值的前提下，对上述目标偏差因子和目标时间长度是否满足相邻车道干扰条件进行了判断，以此降低了由于外界非车辆因素产生的干扰或者由于相邻车道上的车辆对目标车道的干扰而引起的车辆统计偏差，提高了统计结果准确性。
-
公开(公告)号：CN104933871A
公开(公告)日：2015-09-23
申请号：CN201510418663.X
申请日：2015-07-16
Applicant: 苏州大学张家港工业技术研究院
IPC: G08G1/042
Abstract: 本申请公开了一种交通车辆检测方法及系统，该方法包括：当在一段时间内检测到的所有目标地磁场实时信号与预先确定的背景地磁场值之间的差值均大于第一阈值时，确定出目标时间长度和目标极大值信号；根据目标极大值信号和背景地磁场值，确定出目标偏差因子；当目标偏差因子大于第二阈值时，进行相邻车道干扰条件的判断，如果不满足相邻车道干扰条件，则进行车辆通过条件的判断。本发明在目标偏差因子大于第二阈值的前提下，对上述目标偏差因子和目标时间长度是否满足相邻车道干扰条件进行了判断，以此降低了由于外界非车辆因素产生的干扰或者由于相邻车道上的车辆对目标车道的干扰而引起的车辆统计偏差，提高了统计结果准确性。
-
公开(公告)号：CN117593873A
公开(公告)日：2024-02-23
申请号：CN202311614931.6
申请日：2023-11-29
Applicant: 苏州大学
Abstract: 本发明涉及一种有人和无人驾驶共存的机场摆渡车调度方法，包括：获取机场摆渡车信息、航班信息、环境信息；根据环境信息进行用车情景感知，确认实现摆渡服务的车辆驾驶模式；根据摆渡车信息、航班信息、环境信息以及设置相关参数，建立机场有任何无人驾驶摆渡车混合调度模型，确定目标摆渡车；根据目标摆渡车，基于实时通信执行摆渡任务，并反馈任务执行情况。本发明在有人驾驶车辆和无人驾驶车辆共存的新场景中进行摆渡车调度，从而解决有人驾驶摆渡车和无人驾驶摆渡车共存场景下的车辆调度问题，实现调度成本最小化，增强车辆运行安全性能，提高机场地面服务保障能力。
-
公开(公告)号：CN116564084A
公开(公告)日：2023-08-08
申请号：CN202310508658.2
申请日：2023-05-08
Applicant: 苏州大学
Abstract: 本发明提供一种基于纯路端感知的网联式辅助驾驶控制方法及系统，方法包括路侧设备采集路端数据；将路侧设备采集的路端数据实时上传至云端，来更新云端信息，将更新后的云端信息作为输入数据传送至路端；路端接收到云端数据后，在对路端数据进行预处理后，对云端数据和路端数据进行计算，得到路端感知子信息；将路端感知子信息与云端数据进行融合形成路端感知信息；将路端感知信息发送至车端；车端接收到路端感知信息后，对路端感知信息进行分析，确定下一步车辆的行驶状态，进行车辆辅助驾驶控制。本发明采用纯路端感知的方式，在减少单个车辆的生产和运营成本的同时使得行驶车辆能够获得更全面的感知信息。
-
公开(公告)号：CN116394979A
公开(公告)日：2023-07-07
申请号：CN202310479421.6
申请日：2023-04-28
Applicant: 苏州大学
Abstract: 本发明涉及一种基于路侧融合感知的自动驾驶决策控制方法，包括：步骤S1：获取车辆周围的路况信息及环境信息和车辆自身的状态信息；步骤S2：根据所述车辆周围的路况信息及环境信息和车辆自身的状态信息，确定车辆的驾驶行为；步骤S3：根据确定好的驾驶行为规划车辆的最优驾驶路径；步骤S4：通过控制车辆运动的纵向轨迹和车辆运动的横向轨迹，使车辆按所述最优驾驶路径行驶。本发明能够基于当前场景控制车辆的驾驶行为，并基于驾驶行为规划出车辆的最优路径，并控制车辆按最优路径行驶。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.047 seconds)
