-
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：CN108040082A
公开(公告)日：2018-05-15
申请号：CN201711071142.7
申请日：2017-11-03
Applicant: 长安大学
Abstract: 本发明提供一种连接设备，包括离线下载模块、汽车CAN总线读取模块、可编程逻辑模块和开放CAN协议模块，其中，汽车CAN总线读取模块连接汽车CAN总线和可编程逻辑模块，开放CAN协议模块连接可编程逻辑模块和车联网终端，离线下载模块连接可编程逻辑模块。将车载终端和汽车CAN总线进行物理隔离，克服了现有车联网终端直接读取CAN总线消息带来的信息安全问题，实现车联网终端在读取CAN总线数据的同时，对CAN总线数据进行隔离和保护。
-
公开(公告)号：CN106842231A
公开(公告)日：2017-06-13
申请号：CN201610981078.5
申请日：2016-11-08
Applicant: 长安大学
IPC: G01S17/88
CPC classification number: G01S17/88
Abstract: 本发明公开了一种道路边界检测及跟踪方法，包括：利用雷达扫描获取无人车周围环境的雷达扫描点的极坐标数据并转换成直角坐标；将雷达点映射到极坐标网格中，根据网格中延伸顶点的高度提取地面点；利用同一扫描线下近邻扫描点在道路边界处径向距离和高度突变的性质以及结合道路延伸方向提取道路边界点；采用随机采样一致性方法进行滤波，采用最小二乘法对滤波后的道路边界点进行拟合；采用卡尔曼滤波器进行跟踪；本发明能够在道路上有障碍物的情况下有效的提取实际场景中道路边界，同时卡尔曼滤波器的使用，增强了边界检测的准确性和可靠性，方法中没有复杂的计算，因此具有很好的实时性，可以广泛的应用于无人驾驶的导航模块中。
-
公开(公告)号：CN106530380A
公开(公告)日：2017-03-22
申请号：CN201610835508.2
申请日：2016-09-20
Applicant: 长安大学
IPC: G06T15/00
CPC classification number: G06T15/005
Abstract: 本发明公开了一种基于三维激光雷达的地面点云分割的方法，包括步骤：1)获取车辆周围环境的三维激光雷达扫描点云极坐标数据并转换到本地直角坐标系下；2)利用车载IMU和里程计对雷达数据进行修正；3)构建极坐标网格地图，根据网格中点云分布的垂直连续性提取每个网格中的延伸顶点；4)根据延伸顶点的高度属性以及地面平滑一致性准则提取非边缘网格中的地面点，并采用3σ准则对边缘网格中的地面点进一步提取。与现有技术相比，本发明能够降低车辆自身运动造成的地面提取误差，避免出现过分割和欠分割，精度高可靠性强，并且具有较高的实时性，可以广泛用于基于雷达的环境感知技术领域中。
-
公开(公告)号：CN103985182B
公开(公告)日：2016-04-20
申请号：CN201410239892.0
申请日：2014-05-30
Applicant: 长安大学
Abstract: 本发明公开了一种公交客流自动计数方法：步骤一，采集视频；步骤二，得到当前的背景边缘图像；步骤三，得到当前的视频帧边缘图像及每个像素点的梯度方向角；步骤四，得到目标边缘图像；步骤五，得到候选圆心链表；步骤六，得到乘客的头部轮廓；步骤七，候选圆的分组与合并，得到单个乘客头部对应的圆形轮廓；步骤八，对每个乘客头部轮廓跟踪得到当前乘客人数。本发明的方法计数精度高、实用性强，解决了公交客流计数这一亟待解决的难题。为实现合理配运、有效利用有限的公交资源和提高公交营运效率提供技术支持。
-
Patent Agency Ranking
公开(公告)号：CN104866873A
公开(公告)日：2015-08-26
申请号：CN201510169963.9
申请日：2015-04-10
Applicant: 长安大学
IPC: G06K9/64
Abstract: 本发明公开了一种基于手机图像匹配的室内定位方法：步骤1，将室内地面划分为多个虚拟网格；步骤2，在每个虚拟网格中拍摄四幅图像，将室内所有虚拟网格中拍摄的图像根据拍摄方向的不同存为四类图像；在每类图像中选出一个或多个基准图像，将每类图像的基准图像与对应类中的图像一一匹配；步骤3，目标用户使用手机拍摄待匹配图像，根据方向信息确定待搜索图像；在待搜索图像中搜索出待匹配图像的最佳匹配图像；步骤4，给目标粗略位置对应的虚拟网格以及八邻域网格分别赋权值；根据所述权值计算目标用户的位置。本发明定位准确，算法复杂度低，且无需在手机上安装其他硬件，仅利用手机自身摄像头即完成定位，成本低、可靠性高、通用性好。
-
公开(公告)号：CN104573646A
公开(公告)日：2015-04-29
申请号：CN201410841099.8
申请日：2014-12-29
Applicant: 长安大学
CPC classification number: G06K9/6223 , G06K9/00369 , G06K9/00791 , G06K9/6202 , G06K9/6272 , G06K2209/21
Abstract: 本发明属于汽车主动安全领域，具体公开了一种基于激光雷达和双目相机的车前行人检测方法及系统，该方法包括如下步骤：利用激光雷达和双目相机采集车辆前方数据；分别对激光雷达和双目相机采集的数据进行处理，得到行人相对于车辆的距离、方位角及速度值；对得到的行人信息进行卡尔曼滤波器进行修正。本发明综合运用了立体视觉技术和遥感技术，融合激光雷达和双目视觉信息，测量精度高，行人检测正确率高，能有效降低交通事故发生率。
-
公开(公告)号：CN119205903A
公开(公告)日：2024-12-27
申请号：CN202410975727.5
申请日：2024-07-19
Applicant: 长安大学
IPC: G06T7/73 , G06N3/0464 , G01C21/00
Abstract: 本发明公开了一种基于点云描述符提取的车辆位置识别方法及系统，通过对获取的车辆激光点云数据进行去噪处理；采用点云描述符预训练模型对去噪处理后的激光点云数据进行点云全局描述符提取，根据获取的点云全局描述符获取车辆位置，本发明同时使用点云深度图与点云鸟瞰图作为输入，避免使用数据量庞大的原始点云数据的同时极大程度的保留了点云的几何信息，引入注意力机制同时提取数据的空间和时间维度特征，构建了具有旋转不变性的全局描述符。与传统描述符构建方法相比，本发明构建的描述符更加鲁棒，位置重识别效果好，在反向重访或带有一定旋转角度的重访情况下，能够以很好的进行位置重识别。
-
公开(公告)号：CN118991806A
公开(公告)日：2024-11-22
申请号：CN202411086767.0
申请日：2024-08-08
Applicant: 长安大学
IPC: B60W50/02 , G06F18/21 , G06F18/24 , G06F18/214 , G06N3/0455 , G06N3/088 , G01M17/007
Abstract: 本发明公开了一种自动驾驶汽车传感器数据异常检测方法及系统，通过重构预训练模型对车辆传感器数据进行异常重构获取重构数据；对获取的重构数据以及获取该重构数据的车辆传感器数据进行误差计算，如果重构数据与获取该重构数据的车辆传感器数据之间的误差大于设定阈值，则获取该重构数据的车辆传感器数据异常，否则为正常数据，本发明可有效检测并解释异常，保证了自动驾驶汽车运行的安全性。增强模型对传感器数据的多种异常类型的检测性能。并且通过计算每个输入维度对样本异常检测结果的贡献对异常检测结果进行解释，增强了模型的可信度。
-
公开(公告)号：CN118565471A
公开(公告)日：2024-08-30
申请号：CN202410724047.6
申请日：2024-06-05
Applicant: 长安大学
Abstract: 本发明公开了一种具有容错性的智能网联汽车协同定位方法及系统，属于智能网联汽车定位领域，通过将预处理后的车辆的当前位置的经度、维度、高程信息、车辆的角速度、速度、加速度、轮速、转向角和里程数据以及校准后的车辆相对于其他合作车辆的相对距离的估计值进行高斯置信传播迭代融合，得到车辆的最终位置；通过融合车辆的各传感器测量值包括车辆的经纬度信息，里程计信息以及车间距离信息，保证了协同定位数据的完整性；在图模型中进行故障检测和排除方法，保证了协定定位系统的容错性；通过融合不同来源的车间相对距离，使得定位系统具有更高的鲁棒性和精度。
-
-
-
-
-
-
-
-
-
Search Results
99
records
(took 0.028 seconds)
