-
公开(公告)号：CN108462947A
公开(公告)日：2018-08-28
申请号：CN201810206308.X
申请日：2018-03-13
Applicant: 长安大学
Abstract: 本发明公开了一种基于LTE-V的车联网通信测试系统及测试方法，采用ENodeB基站、路侧测试单元、用户测试终端、LTE-V核心网和本地服务器组构成测试平台，利用移动通信技术应用到车联网通信领域，采用了广域集中式蜂窝通信和短程分布式直通通信两种技术方案，分别对应基于接入网-用户终端和ProSe直接通信接口的网络架构，既能支持大宽带、广覆盖的通信传输支撑，又能实现车与车、车与基站、基站与基站之间的低时延、高可靠的通信服务，满足道路安全及交通效率类应用的需求，本发明的测试方法能够在测试平台上系统地测试LTE-V网络的部分性能，在真实场景的实车测试可以为研究者提供更真实，更可靠的研究数据，一定程度上推动了LTE-V通信技术在车联网通信领域的研究与应用。
-
公开(公告)号：CN108200595A
公开(公告)日：2018-06-22
申请号：CN201711463471.6
申请日：2017-12-28
Applicant: 长安大学
Abstract: 本发明提供了一种面向车联网IEEE802.11p协议的车-路及车-车通信测试方法，包括：任选两辆车，其中一辆车为主车，另一辆车为目标车辆，所述主车和目标车辆在路段L以相同时速进行行驶，主车位于目标车辆的后方，且主车与目标车辆之间保持恒定的车辆间距，主车上配置有主车载通信单元，目标车辆上配置有目标车载通信单元，主车载通信单元和目标车载通信单元可通过车载通信单元进行通信；计算目标车载通信单元到主车载通信单元的吞吐量和往返时间RTT；主车和目标车辆在路段L行驶N次，计算N次的平均吞吐量和平均往返时间RTT；根据平均吞吐量和平均往返时间RTT，计算网络性能参数η。本发明得到的网络性能准确率更高，价值更大。
-
公开(公告)号：CN102394591B
公开(公告)日：2013-11-20
申请号：CN201110259001.4
申请日：2011-09-02
Applicant: 长安大学
IPC: H03H17/02
Abstract: 本发明公开了一种基于FPGA的车辆振动信号滤波装置。该装置中参考噪声信号x(n)接入第一寄存器的输入端，含噪振动信号d(n)接入第二寄存器的输入端，第一寄存器的输出信号x(n)接入滤波器的一个输入端，减法器输出的误差信号e(n-1)分别接入第三寄存器的输入端、滤波器的第二输入端和变步长因子计算电路的输入端，变步长因子计算电路的输出信号变步长因子μ(n-1)接入滤波器的第三输入端，第二寄存器的输出信号d(n)接入减法器一个输入端，滤波器输出的滤波后的参考噪声信号y(n)接入减法器的另一输入端，第三寄存器输出滤波处理后的车辆振动信号。装置所依据的算法具有计算速度快、收敛速度快、实时性高、滤波效果好等优点，可以满足信号实时处理的需求。
-
公开(公告)号：CN101135134B
公开(公告)日：2010-07-14
申请号：CN200710018367.6
申请日：2007-07-27
Applicant: 长安大学
Abstract: 本发明公开了一种智能便携式沥青路面检测仪，在检测仪的底板上设置位移传感器座、位移传感器座内部设置位移传感器，位移传感器座上设置位移传感器座压盖，位移传感器的铁芯通过位移传感器压盖伸出，位移传感器的铁芯上端与探针组件一端相连，探针组件的另一端与探针连接；在底板上设置导轨杆，导轨杆与探针组件相连，在底板上还设置探针孔和红外温度传感器座，温度传感器座上设置红外温度传感器，红外温度传感器的探头与底板垂直，在底板上设置与红外温度传感器的探头相对应的红外对地孔。本发明大大提高了检测人员的工作效率，并严格保证检测数据的准确性、真实性、客观性，从而保证沥青路面施工的质量控制。
-
公开(公告)号：CN114881339B
公开(公告)日：2025-02-07
申请号：CN202210545736.1
申请日：2022-05-19
Applicant: 长安大学
IPC: G06Q10/04 , G06Q50/40 , G06F18/213 , G06F18/2415 , G06F18/25 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06F123/02
Abstract: 本发明属于自动驾驶领域，公开了一种车辆轨迹预测方法、系统、计算机设备及存储介质，包括：提取待预测车辆及待预测车辆各相邻车辆的历史运动轨迹数据，得到待预测车辆的多维动态场景特征向量；提取待预测车辆的多维动态场景特征向量，得到待预测车辆的交通感知信息；编码待预测车辆的交通感知信息以及历史运动状态数据，得到待预测车辆的隐状态信息；根据待预测车辆的隐状态信息，得到待预测车辆的混合注意力矩阵，并通过待预测车辆的混合注意力矩阵为待预测车辆的隐状态信息分配权重，然后依次通过最大池化处理和全连接处理，得到待预测车辆的轨迹预测值，最终有效提升了车辆轨迹预测准确性。
-
Patent Agency Ranking
公开(公告)号：CN117671156A
公开(公告)日：2024-03-08
申请号：CN202311786470.0
申请日：2023-12-22
Applicant: 长安大学
IPC: G06T17/00 , G06N3/0464
Abstract: 本发明公开了一种基于扩散模型的物体三维结构生成方法及系统，通过获取待生成三维结构场景的三通道图像中离散深度值处的特征；基于卷积神经网络获取图像中每个像素点的深度分布，根据相机坐标系和世界坐标系之间的转换关系将所得特征投影至三维空间，得到融合特征后的三维体素栅格；将随机生成高斯噪声和获取的三维体素栅格输入至预训练扩散模型进行预测，对获取的预测值进行T次降噪即可获得待生成三维场景的三维结构信息；本发明将观测的二维图像信息投影至规则的三维体素栅格，基于场景局部观测图像进行三维重建，可有效减少对多视图获取的依赖，过程清晰可靠、可解释性强、可迁移性强，具有训练高效、收敛速度快的优点。
-
公开(公告)号：CN117518121A
公开(公告)日：2024-02-06
申请号：CN202311437884.2
申请日：2023-10-31
Applicant: 长安大学
Abstract: 本发明公开了一种车辆位置重识别方法及系统，通过对车辆的激光雷达数据进行预处理获取车辆激光雷达的点云结果；利用获取的点云结果进行环境描述符构建；根据获取车辆的激光雷达数据的激光雷达传感器的种类和测量环境计算动态过滤策略阈值；根据构建的环境描述符以及得到的动态过滤策略阈值，与历史数据库中点云数据进行比对，获取车辆的位置信息，本发明能够提高位置重识别的准确率和效率，本发明考虑不同激光雷达的角分辨率和测量范围，提出了动态阈值过滤策略，提高了本方法对多种型号传感器的泛化能力，本发明分离激光雷达测量的地面点与非地面点，融合地面点高度信息和非地面点强度信息构建描述符，提高了描述符对环境的表达能力。
-
公开(公告)号：CN113076898B
公开(公告)日：2023-09-15
申请号：CN202110387355.0
申请日：2021-04-09
Applicant: 长安大学
IPC: G06V20/52 , G06V10/25 , G06V10/762 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种交通车辆目标检测方法、装置、设备及可读存储介质，通过对对预处理后的交通图像进行车辆标注，本发明通过将车辆标注后的交通图像进行维度聚类,设置阈值进行聚类anchor box,并且将一个相对远的点选择为下一个初始聚类中心，提高聚类精度；基于特征提取主干网络在浅层部分添加网络层进行浅层特征提取，提高对细节特征处理能力，在保持较高的检测精度的前提下，采用CSPDarknet26进行多层残差网络进行特征提取，能避免卷积层冗余、提高内存利用率、提高训练速度，然后经过多层残差网络进行特征提取后进行多尺度检测，提取丰富的细节信息，CRB能够避免小目标检测效果退化问题，提高了算法在强雨密度交通环境下车辆单类目标检测的适用性与准确性。
-
公开(公告)号：CN111428344B
公开(公告)日：2023-06-16
申请号：CN202010121709.2
申请日：2020-02-26
Applicant: 长安大学
IPC: G06F30/20 , G06F16/2458 , G06F119/04
Abstract: 本发明提供了一种高速公路机电设备退化分析模型的构建方法，该方法按照以下步骤进行：步骤一，获取原始数据：步骤二，构造运行状态特征参数序列和健康状态监测数据序列：步骤三，筛选敏感参数：步骤四，构造外部因素影响累积效应参数序列：步骤五，筛选主要外部累积效应影响参数：步骤六，建立高速公路机电设备退化分析模型：采用变换后的健康状态监测数据、敏感参数和主要外部累积效应影响参数构造训练数据集。本方法相较于以往通过分析高速公路机电设备故障和维护数据，获取各类设备失效概率分布的方法，本方法可以更加准确地把握设备退化过程。
-
公开(公告)号：CN115631474A
公开(公告)日：2023-01-20
申请号：CN202211141783.6
申请日：2022-09-20
Applicant: 长安大学
IPC: G06V20/56 , G06V10/82 , G06V10/774 , G06V10/80 , G06N3/044 , G06N3/045 , G06N3/0464 , G06N3/088 , G06N3/094
Abstract: 本申请涉及雾天目标检测模型训练方法及雾天目标检测方法，将无监督循环一致性对抗网络应用于特征空间，提出一种特征增强模块，聚焦于使用任意清晰图像来增强低层网络提取的雾霭特征，实现任意清晰图像与雾霭图像特征空间对齐，在不牺牲清晰环境下目标检测性能的基础上，提高现有模型雾天环境下的目标检测性能，为促进自动驾驶技术产业落地提供一种有效可靠的方法。
-
-
-
-
-
-
-
-
-
Search Results
126
records
(took 0.027 seconds)
