-
公开(公告)号：CN117008621A
公开(公告)日：2023-11-07
申请号：CN202311084199.6
申请日：2023-08-25
Applicant: 长安大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于深度强化学习的车辆队列控制方法及系统，根据车辆的动力学模型构建车辆队列运行的运动仿真模型；基于车辆队列运行的运动仿真模型和车辆运行状态，使用恒定时间间距策略，获取车辆队列控制的状态空间和动作空间；基于车辆队列控制的状态空间和动作空间建立DDPG网络，并利用奖励函数机制对DDPG网络进行训练，直至训练过程中每个回合获得的总奖励不再增加时停止训练，得到训练好的控制策略网络，利用训练好的控制策略网络进行队列控制；本发明考虑多种因素实现队列的控制，并且该队列控制方法的控制策略训练完成后，不需要在执行过程中进行复杂计算，控制效率非常高，并且可以当前场景的不同状况下保持控制效果，不需要更换参数。
-
公开(公告)号：CN110298347A
公开(公告)日：2019-10-01
申请号：CN201910462112.1
申请日：2019-05-30
Applicant: 长安大学
Abstract: 本发明属于数字图像处理技术领域，具体涉及一种基于GrayWorld与PCA-CNN的汽车尾气分析仪屏幕的识别方法，步骤1：采集样本图像集，对样本图像集中的每个图像的检测项目和检测示数区域进行标注得到标签集，得到基于PCA的卷积神经网络模型；步骤2：采集待识别图像，利用GrayWorld算法对待识别图像进行预处理得到投影直方图，对投影直方图进行字符分割得到字符图像；步骤3：字符图像输入基于PCA的卷积神经网络模型中进行识别得到结果矩阵，将结果矩阵中的所有元素逐行划分为检测项目或检测示数，计算每个检测项目对应的检测示数值。本发明避免了光照等因素对具有较大屏幕区域的汽车尾气分析仪器带来的亮度影响能够在各种实际条件下取得较好的识别效果。
-
公开(公告)号：CN106407315B
公开(公告)日：2019-08-16
申请号：CN201610783688.4
申请日：2016-08-30
Applicant: 长安大学
Abstract: 本发明公开了一种基于街景图像数据库的车辆自主定位方法，包括步骤1，使用相机采集场景图像，提取采集的图像的主颜色特征向量信息、SURF特征点和位置信息存储在数据库中；步骤2，将车辆行驶中拍摄的图像作为待匹配图像，提取待匹配图像的主颜色特征向量，通过计算待匹配图像的主颜色特征向量与原数据库中图像主颜色特征向量的相似度，得到初始匹配图像，提取初始匹配图像的位置信息，初步确定车辆的位置；步骤3，提取初始匹配图像的邻域图像，组成搜索空间，将待匹配图像与搜索空间的图像进行特征点匹配，得到最佳匹配图像，提取最佳匹配图像的拍摄位置坐标和其八邻域位置坐标，计算各个坐标的权重，再通过公式计算出车辆位置的精确坐标。
-
公开(公告)号：CN103326974B
公开(公告)日：2016-05-11
申请号：CN201310219115.5
申请日：2013-06-04
Applicant: 长安大学
Abstract: 本发明公开了一种车辆通信接入网的自适应传输模式选择系统及其方法，该系统包括：I/B处的车辆信息服务流产生模块、车辆信息服务流分类映射模块、分组递交模块、自适应传输模式选择模块、OFDMA无线资源配置模块、帧发送/接收模块、接入信道/行驶状态/所处地理区域信息探测模块，以及SV处的车辆信息服务流产生模块、车辆信息服务流分类映射模块、分组递交模块、自适应传输模式选择模块、OFDMA无线资源配置模块、帧发送/接收模块、接入信道/行驶状态/所处地理区域信息反馈模块。本发明引入OFDMA和AMC技术，能在ITS信息服务流传输有效性和系统传输高效性之间做出权衡，从而在满足各类ITS信息服务流QoS要求的同时获得尽可能高的系统平均有效数据传输速率。
-
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。
-
Patent Agency Ranking
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：CN103593678A
公开(公告)日：2014-02-19
申请号：CN201310485041.X
申请日：2013-10-16
Applicant: 长安大学
Abstract: 本发明提出了一种大跨度桥梁车辆动态荷载分布检测方法，该方法利用动态称重装置，采用图像拼接和多车辆检测，实现大跨度桥梁荷载数据的实时采集，实时处理和实时分析，为桥梁管理和维护提供依据。其中，在拼接过程中，使用基于Harris算子的图像拼接算法进行图像重叠部分的去除。在获取桥面的实时全景图像后，使用多车辆检测算法对车辆进行跟踪，获得车辆位置。最后根据动态称重装置获取的车辆重量和多车辆检测算法获取的车辆位置，结合桥梁设计参数，计算出桥梁的实时荷载。
-
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。
-
公开(公告)号：CN119107800A
公开(公告)日：2024-12-10
申请号：CN202411122470.5
申请日：2024-08-15
Applicant: 长安大学
IPC: G08G1/01
Abstract: 本发明公开一种可变车道与信号协同控制方法、系统、设备及介质，涉及可变车道控制技术领域，该方法包括：获取交叉口的交通状态数据；将交通状态数据输入强化学习模型中，生成可变车道的切换策略；可变车道的切换策略包括将可变车道状态切换为左转或直行，并保持三个信号周期时长；根据可变车道的切换策略，对信号进行相应的配时；该方法实现可变车道与信号控制协同优化，通过对交叉口的时间、空间资源进行了优化，能够合理地分配资源，提升交叉口通行效率。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.029 seconds)
