-
公开(公告)号：CN108875640B
公开(公告)日：2022-04-05
申请号：CN201810638850.2
申请日：2018-06-20
Applicant: 长安大学
Abstract: 本发明公开了一种端到端无监督场景可通行区域认知能力的测试方法，通过将路面信息显示于测试区域地面，不仅能够将真实的路面信息进行复现，还能够采用该种方式显示丰富的路面环境；利用路面信息显示于测试区域地面，能够使被测试系统在测试时，获得实际路测相同的检测环境；采用全息技术的方法，能够真实、立体的复现路面上的物体，使测试环境更接近于真实环境；采用不同环境进行测试的方式得到不同路面场景信息检测不同场景下的可通行区域，能够全方面的评估可通行区域检测系统的认知能力；从而能够综合体现可通行区域检测系统的认知能力；本发明的测试方法能够为无人驾驶智能车在实际路测之前提供一种有效的、低风险的测试与评估手段。
-
公开(公告)号：CN108876805B
公开(公告)日：2021-07-27
申请号：CN201810636311.5
申请日：2018-06-20
Applicant: 长安大学
Abstract: 本发明公开了一种端到端无监督场景路面区域确定方法，通过构建道路位置先验概率分布图并将其作为检测网络的特征映射直接附加到卷积层中，构建一种融合位置先验特征的卷积网络框架，然后结合全卷积网络和U‑NET构建深度网络架构—UC‑FCN网络，将构建的可通行区域位置先验概率分布图作为深度网络架构‑UC‑FCN网络的一种特征图映射，生成UC‑FCN‑L网络；基于消失点检测方法对可通行区域进行检测并将得到的检测结果作为训练数据集的真值对UC‑FCN‑L网络进行训练，得到用于可行驶区域提取的深度网络模型，解决了可通行区域标签困难的问题，适用性强，可在多种道路环境下稳定工作，且实时性较好，本方法检测准确率高，适应性、实时性与鲁棒性好，方法简单有效。
-
公开(公告)号：CN108462947B
公开(公告)日：2020-11-27
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：CN108200595B
公开(公告)日：2020-08-28
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：CN111339967A
公开(公告)日：2020-06-26
申请号：CN202010131268.4
申请日：2020-02-28
Applicant: 长安大学
Abstract: 本发明公开了一种基于多视域图卷积网络的行人检测方法，采用卷积神经网络从待处理图像进行特征提取，对提取的特征图像进行多次池化、卷积处理得到预处理特征图像，然后采用多视域池化金字塔提取中得到的预处理特征图像的多尺度特征信息特征图，然后进行人体图卷积得到多个人体图卷积后的特征图，采用Nbox个锚点的预测框分别对人体图卷积后的特征图中的人体目标区域进行预测并识别，完成预测框及预测类别概率值，使用最大池化构建多视域特征金字塔，提高了检测效率，本发明能够有效且高效地处理行人检测中的尺度变化和遮挡问题。
-
Patent Agency Ranking
公开(公告)号：CN110807922A
公开(公告)日：2020-02-18
申请号：CN201911040213.6
申请日：2019-10-29
Applicant: 长安大学
Abstract: 本发明公开了一种无人车交叉路口通行能力测试系统及测试方法，利用设有交通信号灯的十字交叉测试道路作为无人车测试场地，在十字交叉测试道路旁设置路侧设备和控制中心计算机，利用路侧设备和控制中心计算机与待测试车辆实现信息交互，获取待测试车辆行驶信息，然后利用参考车辆作为待测试无人车辆测试过程中的影响车辆，利用参考车辆及十字交叉测试道路对待测试无人车辆进行测试，能够有效模拟无人车在实际道路行驶过程中遇到的路况，本发明更加贴近于真实行驶环境，使得测试结果能够更加准确地表现待测车辆通过交叉路口的能力，相比于实际道路测试，测试过程更加安全、相比于虚拟仿真测试，测试环境更加接近真实交通环境，测试结果更加真实可靠。
-
公开(公告)号：CN110149357A
公开(公告)日：2019-08-20
申请号：CN201910178338.9
申请日：2019-03-08
Applicant: 长安大学
Abstract: 本发明公开了一种新型汽车检测控制系统调度算法，为提高汽车检测控制系统车辆调度的效率和质量，对现有的基于共享文件、winsocket的调度算法进行了分析比较，提出了一种结合winsocket与网络数据库的新型车辆检测调度算法。设计了调度表，用于主控机对工位机的调度、状态监控。给出了详细的调度实现过程，工位机的检测过程信息通过winsocket传送至主控机。实际应用表明，该算法提高了系统运行的稳定性与检测数据传输的实时性和可靠性。
-
公开(公告)号：CN110135252A
公开(公告)日：2019-08-16
申请号：CN201910288273.3
申请日：2019-04-11
Applicant: 长安大学
Abstract: 本发明提供了一种用于无人车的自适应精准车道线检测方法，该方法通过安装在无人车前方的工业摄像机采集图像，对图像进行裁剪和预处理后，通过自适应阈值的方法粗提取车道线，然后通过曲线拟合精确获取车道线；对于车道线被遮挡的情况，则采用卡尔曼滤波法进行车道线的预测，最终通过车道线的位置判断当前车辆是否方向发生的偏移，为行车电脑提供行驶数据。本发明方法解决了不同的光照条件下的车道线检测问题，运算量小且执行速度快，提高了检测的效率和精度，可以很好的应用无人驾驶汽车的车道保持及车道偏离预警功能中。
-
公开(公告)号：CN109002764A
公开(公告)日：2018-12-14
申请号：CN201810628664.0
申请日：2018-06-19
Applicant: 长安大学
Abstract: 本发明公开了一种交通标志图像识别模型构建方法及识别方法，本发明提供的方法通过构建两个卷积神经网络模型，一个是交通标志区域提取模型，用于从原始图像中将仅含有交通标志区域的图像提取出来，另外一个是交通标志识别模型，用于对提取出的仅含有交通标志的图像进行识别，获得该幅图像中的交通标志的识别结果；本发明提供的交通标志识别模型基于改进的ZF卷积神经网络，结合空间变换网络，训练得到应用于交通标志识别的网络模型，能够避免交通标志扭曲，形变造成的错识别问题，提高交通标志识别率；交通标志区域提取模型是在ZF卷积神经网络上改进的，设置四个不同尺度的提取区域进行交通标志区域提取，增加了交通标志识别精准率。
-
公开(公告)号：CN108765336A
公开(公告)日：2018-11-06
申请号：CN201810515497.9
申请日：2018-05-25
Applicant: 长安大学
CPC classification number: G06T5/003 , G06T5/002 , G06T5/40 , G06T2207/10024
Abstract: 本发明公开了基于暗亮原色先验与自适应参数优化的图像去雾方法，根据白色区域像素值普遍较高的特点提出了亮原色先验理论，将该理论与暗原色先验理论相结合，有效解决了雾天图像中白色区域的去雾问题，将类天空区域的像素值与最大暗通道值进行自适应的加权处理，使得求取的大气光值鲁棒性更强，再通过自适应权值优化的图像去雾算法，从而更好的实现了去雾后图像的优化处理，通过自适应尺度的引导滤波算法，将原有雾图像的尺寸大小自适应调节滤波尺度，使得滤波后效果更佳，从而实现图像的有效去雾，本方法不仅有效解决了原算法不适用于大面积白色区域和去雾后图像偏暗等问题，而且去雾之后的图像视觉效果更加真实自然。
-
-
-
-
-
-
-
-
-
Search Results
126
records
(took 0.033 seconds)
