-
公开(公告)号:CN119580219A
公开(公告)日:2025-03-07
申请号:CN202411616277.7
申请日:2024-11-13
Applicant: 长安大学
Abstract: 本发明提供了一种基于图像语义理解的道路交通标志识别方法,该方法包括基于图像采集设备进行图像采集,对采集到的图像进行预处理,构建道路交通标志数据集,基于Blip网络构建道路交通标志检测模型,并基于道路交通标志数据集对该模型进行训练,得到训练后的道路交通标志检测模型,基于道路交通标志数据集对训练后的道路交通标志检测模型进行效果测试。本发明可以对道路交通标志进行识别并从颜色、形状以及组成等方面对标志生成语句描述,从宏观角度识别出车道类型避免了对已标注标志的依赖,能够在复杂环境下实现高效、准确的交通标志识别,具有较高的实用价值。
-
公开(公告)号:CN115964676A
公开(公告)日:2023-04-14
申请号:CN202211738905.X
申请日:2022-12-30
Applicant: 长安大学
IPC: G06F18/25 , G06F18/214 , G06N3/088 , G06N20/10 , G06N3/0455
Abstract: 本发明公开了一种无监督自动驾驶汽车故障检测方法及系统,通过实时采集自动驾驶汽车的行驶状态数据,利用不同结构的自动编码器对获取的行驶状态数据进行检测,对不同结构的自动编码器检测结果进行融合得到编码器融合检测结果;同时采用一类支持向量机模型、局部离群因子模型和孤立森林模型分别对自动驾驶汽车的行驶状态数据进行检测得到各自的检测结果,将一类支持向量机模型、局部离群因子模型和孤立森林模型的检测结果与编码器融合检测结果进一步融合得到最终的检测结果,从数据驱动的角度设计了融合多个针对解决故障检测问题的方法的集成框架,可以有效地检测传感器数据异常和自动驾驶汽车运行状态的故障。
-
公开(公告)号:CN114152968A
公开(公告)日:2022-03-08
申请号:CN202111450167.4
申请日:2021-11-30
Applicant: 长安大学
Abstract: 本发明公开了一种弱GNSS环境下车辆定位方法、系统、设备及可读存储介质,通过对车辆的序贯数据进行局部异常值处理与数据降噪处理,利用GNSS/INS组合导航系统获取车辆预测数据,并进行预处理,采用预处理后的车辆预测数据训练得到预训练模型,本发明基于GNSS/INS组合导航系统数据,从数据降噪和位置预测模型能够对车辆进行准确定位,解决GNSS/INS系统在弱GNSS条件下的车辆定位问题,大大提高了车辆的定位精确度;采用位置预测模型采用了数据驱动的LSTM模型,避免了建模的复杂性,考虑到离线训练和实时在线预测两个阶段数据形态的不同,离线训练时从数据整体角度入手进行异常值处理和滤波降噪,而在线预测时由于数据是序贯到达的,采用局部异常值处理和数据降噪方法,防止数据失真。
-
公开(公告)号:CN109141922B
公开(公告)日:2020-08-11
申请号:CN201811021028.8
申请日:2018-09-03
Applicant: 长安大学
IPC: G01M17/007
Abstract: 本发明公开了一种无人车禁令交通标志牌自主感知能力测试系统及测试方法,通过设置测试车辆、路侧单元、摄像头、测试管理中心以及与交通场景所对应的禁令交通标志牌测试装置;基于测试场的实际测试将更精准的测出无人车真实的自主感知禁令交通标志牌能力,有效防止无人车违反交通规则,测试点处的禁令交通标志牌可以根据测试需求进行更换,大大简化测试过程,提高了工作效率,节省了人力与物力成本,能够全面测试无人车自主感知禁令交通标志牌的能力,通过无人车自主感知禁令交通标志牌能力的测试,为无人车自主感知交通标志牌的性能评价提供了一种简单有效、快速准确的方法,为简单、有效评价无人车自主感知交通标志牌能力提供了一个良好的平台。
-
公开(公告)号:CN110187633A
公开(公告)日:2019-08-30
申请号:CN201910361149.5
申请日:2019-04-30
Applicant: 长安大学
IPC: G05B11/42
Abstract: 本发明属于自动控制技术领域,具体涉及一种面向汽车底盘测功机的BP~RNN变速积分PID算法,包括,步骤1:对汽车底盘测功机历史时刻的运行状态进行采样,获得历史采样数据作为训练集;步骤2:建立BP神经网络模型并进行初始化,训练BP神经网络模型并修正BP神经网络各层权系数;步骤3:建立RNN网络模型并进行初始化,训练RNN网络模型并修正RNN网络各层权系数;步骤4:对汽车底盘测功机当前时刻的运行状态进行采样,获得当前采样数据,将当前采样数据分别输BP神经网络模型和RNN网络模型,得到汽车底盘测功机PID控制器的参数;步骤5:计算控制量对汽车底盘测功机进行控制。本发明能有效解决传统变速积分PID积分项系数判断困难问题,处理数据量大大减少,有效避免累计误差。
-
公开(公告)号:CN108391249A
公开(公告)日:2018-08-10
申请号:CN201810068387.2
申请日:2018-01-24
Applicant: 长安大学
Abstract: 本发明提供了一种应用于车联网的交通感知路由方法,数据包通过在节点之间的转发从起始点传播至目的点,其中数据包的转发包括交叉口处的数据包转发和直路段内的数据包转发,在交叉口处转发时需根据数据收集包在交叉口处广播的每个路段的路况信息选择交叉口路段。本发明避免了链路不稳定,传输延迟大问题,并解决了地理路由中局部最优问题。
-
公开(公告)号:CN103605960B
公开(公告)日:2016-09-28
申请号:CN201310578627.0
申请日:2013-11-15
Applicant: 长安大学
Abstract: 本发明提供一种基于不同焦距视频图像融合的交通状态识别方法,通过对不同焦距的视频图像进行背景差法和自动背景更新算法检测运动区域,分别计算灰度特征参数和速度特征参数,然后通过BP神经网络对大量的灰度特征参数和速度特征参数数据进行训练,从而实现交通状态的识别。实验结果表明,本方法能够较好通过交通视频流识别出交通状况,并且易于实现、准确性较高,对促进交通诱导系统的研究和应用、解决城市中交通拥堵问题具有较高的应用价值。
-
公开(公告)号:CN103605960A
公开(公告)日:2014-02-26
申请号:CN201310578627.0
申请日:2013-11-15
Applicant: 长安大学
Abstract: 本发明提供一种基于不同焦距视频图像融合的交通状态识别方法,通过对不同焦距的视频图像进行背景差法和自动背景更新算法检测运动区域,分别计算灰度特征参数和速度特征参数,然后通过BP神经网络对大量的灰度特征参数和速度特征参数数据进行训练,从而实现交通状态的识别。实验结果表明,本方法能够较好通过交通视频流识别出交通状况,并且易于实现、准确性较高,对促进交通诱导系统的研究和应用、解决城市中交通拥堵问题具有较高的应用价值。
-
公开(公告)号:CN119942474A
公开(公告)日:2025-05-06
申请号:CN202510074522.4
申请日:2025-01-17
Applicant: 长安大学
IPC: G06V20/54 , G06V20/56 , G06V20/70 , G06V30/18 , G06V10/20 , G06V10/30 , G06V10/40 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0455
Abstract: 本发明提供了一种基于图像文本多模态特征融合的交通场景下目标检测方法,该方法包括:获取交通场景图像,并对其进行预处理,根据预处理完成后的图像生成描述图片内容的文本数据,基于预处理后的交通场景图像及对应的文本数据生成交通场景数据集,对DETR目标检测网络进行改进,并基于改进后的DETR目标检测网络构建交通场景目标检测模型,基于交通场景数据集对交通场景目标检测模型进行训练,得到最终的交通场景目标检测模型,将待检测图像输入最终的交通场景目标检测模型中,得到检测结果。本发明具有较高的检测速度和鲁棒性,能够弥补传统图像检测方法的不足,能够显著提高检测的准确性和效率,在智能交通系统中具有广泛的应用前景。
-
公开(公告)号:CN119580201A
公开(公告)日:2025-03-07
申请号:CN202411616290.2
申请日:2024-11-13
Applicant: 长安大学
IPC: G06V20/54 , G06V10/25 , G06V10/774 , G06V10/764 , G06V10/82 , G06V10/54 , G06V10/80 , G06N3/0464
Abstract: 本发明提供了一种融合图像纹理特征与先验信息的3D车辆目标检测方法,包括获取数据集,基于数据集中的点云数据及图像数据进行基于像素级的点云与图像融合,基于预设的图像目标检测器对图像数据进行检测,生成图像二维目标框,基于预设的三维车辆目标检测模型对融合后的点云数据进行检测,生成点云三维目标框,基于特征距离与通道注意力的决策级融合方案对图像二维目标框及点云三维目标框进行融合,得到最终三维车辆目标检测结果。本发明通过融合图像纹理特征与先验几何信息,显著提升了三维车辆检测的精度和稳定性,特别是在复杂环境中表现出色,采用高效的几何优化与深度信息结合技术,确保了系统的实时性,满足自动驾驶和智能交通的实际应用需求。
-
-
-
-
-
-
-
-
-