-
公开(公告)号：CN109490890B
公开(公告)日：2023-06-02
申请号：CN201811444277.8
申请日：2018-11-29
Applicant: 重庆邮电大学
IPC: G01S13/931 , G01S13/86
Abstract: 本发明请求保护一种面向智能车的毫米波雷达与单目相机信息融合方法，主要包括三个阶段：第一阶段，首先在智能车上安装并调整相机与毫米波雷达位置，然后用张正友标定法获取相机内部参数，最后将相机成像平面投影到俯视图，以满足两个传感器识别的目标信息在同一车辆坐标系下；第二阶段，在线下用深度学习方法训练基于图像的多目标识别模型，线上在智能车行驶的过程中雷达与相机实时采集数据，把识别的目标信息转化到统一的车辆坐标系下并排除无效目标；第三阶段，用全局最近邻匹配算法判断目标是否一致，通过扩展卡尔曼滤波跟踪匹配目标和未匹配目标，实现多目标识别。本发明目标识别率高，安全性可靠，可有效提高智能汽车对环境感知的实用性。
-
Patent Agency Ranking
公开(公告)号：CN109255094A
公开(公告)日：2019-01-22
申请号：CN201810907913.X
申请日：2018-08-10
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于SVR_Adaboost改进算法的商用货车质量辨识方法，在车辆起步10s，采用时间序列方式在CAN总线中，采集由车辆纵向动力学模型所确定的相关变量纵向驱动力、纵向加速度、迎风阻力、轮胎滚动阻力、路面坡度，并按固定数据结构组合成一组数据。将组合数据Z-score标准化，再PCA降维到10维，作为输入变量，利用SVR作为基学习算法，再用Adaboost提升方法反复训练，得出一系列弱SVR模型，并组合这些模型，构成最终质量辨识模型。通过Adaboost提升训练后的模型在辨识应用中比单一基学习算法泛化能力更加显著优越、辨识精度更高。
-
公开(公告)号：CN109255094B
公开(公告)日：2022-12-27
申请号：CN201810907913.X
申请日：2018-08-10
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于SVR_Adaboost改进算法的商用货车质量辨识方法，在车辆起步10s，采用时间序列方式在CAN总线中，采集由车辆纵向动力学模型所确定的相关变量纵向驱动力、纵向加速度、迎风阻力、轮胎滚动阻力、路面坡度，并按固定数据结构组合成一组数据。将组合数据Z‑score标准化，再PCA降维到10维，作为输入变量，利用SVR作为基学习算法，再用Adaboost提升方法反复训练，得出一系列弱SVR模型，并组合这些模型，构成最终质量辨识模型。通过Adaboost提升训练后的模型在辨识应用中比单一基学习算法泛化能力更加显著优越、辨识精度更高。
-
公开(公告)号：CN109466558B
公开(公告)日：2020-08-04
申请号：CN201811258236.X
申请日：2018-10-26
Applicant: 重庆邮电大学
IPC: B60W40/064
Abstract: 本发明请求保护一种基于EKF算法和BP神经网络的汽车路面附着系数的估算方法，通过各种传感器实时地采集车辆的方向盘转角、纵向加速度、侧向加速度，利用四轮车辆动力学模型结合EKF算法估计车辆的纵向速度、横向速度、质心偏角和横摆角速度，求取出预估横摆角速度，最后将预估横摆角速度与EKF估计的横摆角速度作差取平方，取方差值最小所在的网络模块输入的附着系数值为所求估计值。本方法有效降低了计算量和收敛时间。本方法能够快速识别车辆行驶路面的附着系数，适用于多种路面下附着系数的实时估计。
-
公开(公告)号：CN109490890A
公开(公告)日：2019-03-19
申请号：CN201811444277.8
申请日：2018-11-29
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种面向智能车的毫米波雷达与单目相机信息融合方法，主要包括三个阶段：第一阶段，首先在智能车上安装并调整相机与毫米波雷达位置，然后用张正友标定法获取相机内部参数，最后将相机成像平面投影到俯视图，以满足两个传感器识别的目标信息在同一车辆坐标系下；第二阶段，在线下用深度学习方法训练基于图像的多目标识别模型，线上在智能车行驶的过程中雷达与相机实时采集数据，把识别的目标信息转化到统一的车辆坐标系下并排除无效目标；第三阶段，用全局最近邻匹配算法判断目标是否一致，通过扩展卡尔曼滤波跟踪匹配目标和未匹配目标，实现多目标识别。本发明目标识别率高，安全性可靠，可有效提高智能汽车对环境感知的实用性。
-
公开(公告)号：CN109466558A
公开(公告)日：2019-03-15
申请号：CN201811258236.X
申请日：2018-10-26
Applicant: 重庆邮电大学
IPC: B60W40/064
Abstract: 本发明请求保护一种基于EKF算法和BP神经网络的汽车路面附着系数的估算方法，通过各种传感器实时地采集车辆的方向盘转角、纵向加速度、侧向加速度，利用四轮车辆动力学模型结合EKF算法估计车辆的纵向速度、横向速度、质心偏角和横摆角速度，求取出预估横摆角速度，最后将预估横摆角速度与EKF估计的横摆角速度作差取平方，取方差值最小所在的网络模块输入的附着系数值为所求估计值。本方法有效降低了计算量和收敛时间。本方法能够快速识别车辆行驶路面的附着系数，适用于多种路面下附着系数的实时估计。
-
-
-
-
-
Search Results
6
records
(took 0.023 seconds)
