-
公开(公告)号：CN111325403A
公开(公告)日：2020-06-23
申请号：CN202010121710.5
申请日：2020-02-26
Applicant: 长安大学
Abstract: 本发明提供了一种公路隧道机电设备剩余寿命预测方法，该方法采用外部环境参数建立环境因素误差辨识模型，对公路隧道机电设备的内部状态参数进行补偿，获得补偿后的内部状态参数；以补偿后的内部状态参数和公路隧道机电设备故障率作为分析对象，通过核主成分分析获得特征向量；将特征向量作为长短期记忆网络的输入量，将公路隧道机电设备剩余寿命作为长短期记忆网络的输出量，对长短期记忆网络进行训练，获得公路隧道机电设备寿命预测模型；采用公路隧道机电设备寿命预测模型对公路隧道机电设备的寿命进行预测。本发明的方法提高了剩余寿命预测模型中输入量的精准性，从而提高了采用该模型进行剩余寿命预测时所获得的剩余寿命的精准性。
-
公开(公告)号：CN113139446B
公开(公告)日：2024-02-06
申请号：CN202110391084.6
申请日：2021-04-12
Applicant: 长安大学
IPC: G06V20/56 , G06V10/26 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/0442 , G06N3/0455 , G06N3/0495 , G06N3/082
Abstract: 本发明公开了一种端到端自动驾驶行为决策方法、系统及终端设备，属于自动驾驶领域。通过嵌入注意力机制的卷积神经网络提取场景空间位置特征，构建空间特征提取网络，准确解析场景目标空间特征及语义信息；通过嵌入时间注意力机制的长短期记忆网络编码‑解码结构捕捉场景时间上下文特征，构建时间特征提取网络，理解记忆场景时间序列信息；本发明综合场景空间信息与时间序列信息，同时结合注意力机制为关键视觉区域和运动序列赋予较高权重，使得预测过程更符合人类驾驶员的驾驶习惯，预测结果更加准确。(56)对比文件杜圣东;李天瑞;杨燕;王浩;谢鹏;洪西进.一种基于序列到序列时空注意力学习的交通流预测模型.计算机研究与发展.2020,(第08期),全文.王军;鹿姝;李云伟.融合注意力机制和连接时序分类的多模态手语识别.信号处理.2020,(第09期),全文.胡学敏;童秀迟;郭琳;张若晗;孔力.基于深度视觉注意神经网络的端到端自动驾驶模型.计算机应用.2020,(第07期),全文.
-
公开(公告)号：CN111325403B
公开(公告)日：2023-07-11
申请号：CN202010121710.5
申请日：2020-02-26
Applicant: 长安大学
IPC: G06Q10/04 , G06Q10/20 , G06N3/0442 , G06N3/08
Abstract: 本发明提供了一种公路隧道机电设备剩余寿命预测方法，该方法采用外部环境参数建立环境因素误差辨识模型，对公路隧道机电设备的内部状态参数进行补偿，获得补偿后的内部状态参数；以补偿后的内部状态参数和公路隧道机电设备故障率作为分析对象，通过核主成分分析获得特征向量；将特征向量作为长短期记忆网络的输入量，将公路隧道机电设备剩余寿命作为长短期记忆网络的输出量，对长短期记忆网络进行训练，获得公路隧道机电设备寿命预测模型；采用公路隧道机电设备寿命预测模型对公路隧道机电设备的寿命进行预测。本发明的方法提高了剩余寿命预测模型中输入量的精准性，从而提高了采用该模型进行剩余寿命预测时所获得的剩余寿命的精准性。
-
公开(公告)号：CN108833833B
公开(公告)日：2021-02-02
申请号：CN201810636310.0
申请日：2018-06-20
Applicant: 长安大学
Abstract: 本发明公开了发明面向智能网联汽车场景图像数据感知与协同处理系统，通过单移动智能体图像数据感知与处理装置、路侧基础设施装置和远程服务器实现图像数据感知与协同处理系统，单移动智能体图像数据感知与处理装置中车载图像处理平台通过完成目标检测与识别、场景流估计等算法实现单视角图像数据处理；利用路侧基础设施装置中路侧图像处理平台通过完成目标检测与识别、图像融合等算法实现俯视视角图像数据处理与多视角图像融合处理，本发明结构简单，系统构成稳定，图像数据处理效率高，通信数据传输速度快且稳定，可以实现城市复杂交叉口路段先验地图绘制、智能网联车辆协同通行控制与引导等，加快推动智能网联汽车产业的落地实现。
-
公开(公告)号：CN111382542A
公开(公告)日：2020-07-07
申请号：CN202010121280.7
申请日：2020-02-26
Applicant: 长安大学
IPC: G06F30/27 , G06K9/62 , G06N3/04 , G06F119/04
Abstract: 本发明提供了一种面向全寿命周期的公路机电设备寿命预测系统，该系统包括公路隧道关键机电设备识别模块，用于对公路隧道机电设备中的关键设备进行识别筛选；公路隧道机电设备剩余寿命预测模块，用于对从公路隧道机电设备中识别筛选出来的关键设备进行剩余寿命预测；高速公路机电设备退化分析模块，用于对高速公路机电设备进行退化分析。本预测系统将关键设备识别筛选与公路隧道机电设备剩余寿命预测相结合，大大提高了预测系统的效率和准确性。再结合高速公路机电设备退化分析，能够实现针对公路机电设备的全寿命周期的寿命预测。
-
Patent Agency Ranking
公开(公告)号：CN106529391B
公开(公告)日：2019-06-18
申请号：CN201610810614.5
申请日：2016-09-08
Applicant: 长安大学
Abstract: 本发明公开了一种鲁棒的限速交通标志检测与识别方法，首先建立多特征融合的显著性模型，再通过对每一层的多特征融合显著性模型进行更新与迭代，得到层次显著性度图；然后对多层显著度图进行求解，得到最优显著度图，并在最优显著图上获得ROI，将获得的ROI送入基于超像素预训练好的CNN模型中，对ROI进行分类，给出识别结果；本发明算法基于先验位置与边界特征的显著性模型能够更好地突出两侧的交通标志，通过多层次融合后的显著度图有效地利用了图像的结构信息，且保留了圆形标志内的诸多小尺度细节信息，使目标更完整均匀，有利于提高识别的效率与精度。
-
公开(公告)号：CN105005989B
公开(公告)日：2018-02-13
申请号：CN201510374899.8
申请日：2015-06-30
Applicant: 长安大学
IPC: G06T7/10
Abstract: 本发明公开了一种弱对比度下的车辆目标分割方法，步骤1：对训练图像采用多示例学习的方法进行显著模型建模；然后利用显著模型对测试图像中的包和示例进行预测，得到测试图像的显著度图；步骤2：将测试图像的显著度引入图割框架，依据示例特征矢量与示例包的标记对图割框架进行优化，求解图割优化的次优解，得到目标的精确分割。本发明的借鉴人类的视觉注意机制，结合基于图论的图像分割方法，建立一种基于视觉显著性特征的车辆目标分割模型，不仅能在良好环境条件下准确分割完整车辆，并且具有一定的适应性和鲁棒性，能在夜间环境、阴影遮挡情况下较为准确地分割出交通场景中的弱对比度车辆目标。
-
公开(公告)号：CN106529391A
公开(公告)日：2017-03-22
申请号：CN201610810614.5
申请日：2016-09-08
Applicant: 长安大学
CPC classification number: G06K9/00818 , G06K9/6267
Abstract: 本发明公开了一种鲁棒的限速交通标志检测与识别方法，首先建立多特征融合的显著性模型，再通过对每一层的多特征融合显著性模型进行更新与迭代，得到层次显著性度图；然后对多层显著度图进行求解，得到最优显著度图，并在最优显著图上获得ROI，将获得的ROI送入基于超像素预训练好的CNN模型中，对ROI进行分类，给出识别结果；本发明算法基于先验位置与边界特征的显著性模型能够更好地突出两侧的交通标志，通过多层次融合后的显著度图有效地利用了图像的结构信息，且保留了圆形标志内的诸多小尺度细节信息，使目标更完整均匀，有利于提高识别的效率与精度。
-
公开(公告)号：CN105005989A
公开(公告)日：2015-10-28
申请号：CN201510374899.8
申请日：2015-06-30
Applicant: 长安大学
IPC: G06T7/00
CPC classification number: G06T2207/20081 , G06T2207/30248
Abstract: 本发明公开了一种弱对比度下的车辆目标分割方法，步骤1：对训练图像采用多示例学习的方法进行显著模型建模；然后利用显著模型对测试图像中的包和示例进行预测，得到测试图像的显著度图；步骤2：将测试图像的显著度引入图割框架，依据示例特征矢量与示例包的标记对图割框架进行优化，求解图割优化的次优解，得到目标的精确分割。本发明的借鉴人类的视觉注意机制，结合基于图论的图像分割方法，建立一种基于视觉显著性特征的车辆目标分割模型，不仅能在良好环境条件下准确分割完整车辆，并且具有一定的适应性和鲁棒性，能在夜间环境、阴影遮挡情况下较为准确地分割出交通场景中的弱对比度车辆目标。
-
公开(公告)号：CN118626773A
公开(公告)日：2024-09-10
申请号：CN202410643994.2
申请日：2024-05-23
Applicant: 长安大学
IPC: G06F18/15 , G06F18/213 , G06F18/25 , G06F17/16
Abstract: 本申请涉及一种基于非完整轨迹的车辆轨迹预测方法，该方法从不同的时间粒度捕捉车辆的多尺度表征，从而减轻缺失值对车辆轨迹预测的负面影响；此外，利用轨迹缺失模式自适应地计算不同时间步的信息增量，然后利用信息增量获取对缺失模式不敏感的连续性表征，以指导模型输出符合运动一致性的预测结果。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.033 seconds)
