-
公开(公告)号：CN117037491B
公开(公告)日：2025-04-18
申请号：CN202311023827.X
申请日：2023-08-15
Applicant: 长安大学
IPC: G08G1/01 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于时空特征的动态图卷积交通流预测方法，采用由时空嵌入模块、时空特征融合模块、加权融合层和外部因素模块组成的STF‑SDAM‑DGCN模型，首先对历史交通流数据进行周期划分后与时空嵌入模块学习到的时空嵌入信息融合作为时空特征融合模块的输入数据，同时使用注意力机制、非对称卷积以及Zero‑Softmax函数构建稀疏有向邻接矩阵；将数据输入时空特征融合模块中，同时与外部因素模块中的外部影响因素融合后得到融合外部因素的历史交通流时空特征数据；数据随后传入加权融合层，时空嵌入模块将预测的未来时间步信息也传入该层，依据编码器得到的历史交通流特征生成未来交通流表示，并将其作为解码器输入，通过解码器进行预测，经过全连接层得到最终的未来交通流预测结果。
-
公开(公告)号：CN117409054A
公开(公告)日：2024-01-16
申请号：CN202311438446.8
申请日：2023-10-31
Applicant: 长安大学
Abstract: 本发明公开了一种基于复数向量夹角特性的点云描述符匹配方法及系统，通过对现有的复数描述符结构进行降维，构造复数描述符的衍生物，利用数据库对构造的复数描述符的衍生物进行快速检索和过滤衍生物，采用复数向量的多种夹角特性对快速检索和过滤衍生物获取的复数描述符进行相似度比较，得到设定精准度的复数描述符，分别借助所构造的衍生物，快速检索并过滤出可能的复数描述符，最终再利用复数向量多种夹角的特性，完成同一位置的精准匹配，考了虑原复数描述符的特点，获取了对应不同特征的衍生物，提高了原复数描述符的使用效率。
-
公开(公告)号：CN117274945A
公开(公告)日：2023-12-22
申请号：CN202311076688.7
申请日：2023-08-24
Applicant: 长安大学
IPC: G06V20/58 , G06V10/46 , G06V10/56 , G06V10/62 , G06V10/80 , G06V10/764 , G06V10/82 , G06V10/25 , G06N3/0464 , G06N3/08
Abstract: 本申请涉及一种基于RGB和事件相机融合的变光照交通目标检测方法，解决了如何从事件流中提取出高质量的结构信息以及如何引导两个模态信息的融合来解决非一致光照导致的图像模态中非一致信息损失的问题，实现了对两种模态互补特性的有效利用，从事件流中提取出高质量的结构信息，自适应地将事件特征融合至图像模态，建模对光照鲁棒的特征表征，提高了在变光照条件下交通目标检测的鲁棒性和有效性。
-
公开(公告)号：CN117037491A
公开(公告)日：2023-11-10
申请号：CN202311023827.X
申请日：2023-08-15
Applicant: 长安大学
IPC: G08G1/01 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于时空特征的动态图卷积交通流预测方法，采用由时空嵌入模块、时空特征融合模块、加权融合层和外部因素模块组成的STF‑SDAM‑DGCN模型，首先对历史交通流数据进行周期划分后与时空嵌入模块学习到的时空嵌入信息融合作为时空特征融合模块的输入数据，同时使用注意力机制、非对称卷积以及Zero‑Softmax函数构建稀疏有向邻接矩阵；将数据输入时空特征融合模块中，同时与外部因素模块中的外部影响因素融合后得到融合外部因素的历史交通流时空特征数据；数据随后传入加权融合层，时空嵌入模块将预测的未来时间步信息也传入该层，依据编码器得到的历史交通流特征生成未来交通流表示，并将其作为解码器输入，通过解码器进行预测，经过全连接层得到最终的未来交通流预测结果。
-
公开(公告)号：CN116863561A
公开(公告)日：2023-10-10
申请号：CN202310664213.3
申请日：2023-06-06
Applicant: 长安大学
IPC: G07C5/08 , G06F18/214 , G06N3/0442 , G06N3/08
Abstract: 本申请涉及一种基于数据驱动模态表征与区域注意力的多模轨迹预测方法，该方法将衡量车辆交互用强度的标准重新定义为目标车辆的意图，并构造了IRA模块来将注意力分配到位于不同区域的周围车辆，注意力矩阵用于加权聚合不同区域的交互，可以在更大范围内对非局部交互进行建模，而不会引入与周围无关车辆产生的噪声；构造了DIM模块，DIM模块综合考虑了同一机动类型轨迹的模态共性和个性，并以数据驱动的方式进一步学习了轨迹的个性化高维模态表征，从而指导模型输出更准确合理的多模态轨迹。
-
Patent Agency Ranking
公开(公告)号：CN116612468A
公开(公告)日：2023-08-18
申请号：CN202310438843.9
申请日：2023-04-21
Applicant: 长安大学
IPC: G06V20/64 , G06V10/764 , G06V10/42 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于多模态融合与深度注意力机制的三维目标检测方法：步骤1：获得原始点云数据和原始图像数据并预处理；步骤2：将预处理后的点云数据和图像数据输入基于多模态融合与深度注意力机制的三维目标检测网络中，基于多模态融合与深度注意力机制的三维目标检测网络包括3D建议框生成阶段和3D边界框细化阶段，网络输出目标边界框参数和分类置信度；步骤3：训练基于多模态融合与深度注意力机制的三维目标检测网络；步骤4，采用训练好的检测网络对采集到的点云数据和图像数据处理，输出3D目标信息，实现3D目标检测。本发明使点云和图像特征得到更充分和有效的利用；同时实现了高精度的环境感知。
-
公开(公告)号：CN111695514B
公开(公告)日：2023-04-18
申请号：CN202010537207.8
申请日：2020-06-12
Applicant: 长安大学
IPC: G06V20/54 , G06V10/774 , G06V10/762 , G06T3/40 , G06T7/90
Abstract: 本发明公开了一种基于深度学习的雾天下车辆检测方法，通过对采集到的雾天交通车辆图片进行图像预处理，采用深度残差网络模型对预处理后的雾天交通车辆图片进行特征提取，获取多个不同大小的特征图，然后对多个不同大小的特征图进行多尺度检测，得到多尺度检测特征图，提高特征提取精度，最后根据获取的多尺度检测特征图采用迁移学习方法对深度残差网络模型进行训练得到雾天下车辆检测网络模型，采用迁移学习方法精简了网络结构，不仅提高了检测速度，而且提高了目标检测精度，利用K‑means聚类方法进行聚类，得到网络所需的初始先验框的尺寸，对浅层网络的加深和整体框架的简化，提升了检测速度，简化了损失函数和预测的输出张量，提高了定位的效率。
-
公开(公告)号：CN115730637A
公开(公告)日：2023-03-03
申请号：CN202211490477.3
申请日：2022-11-25
Applicant: 长安大学
IPC: G06N3/0455 , G06N3/0499 , G06N3/08
Abstract: 本申请涉及多模态车辆轨迹预测模型训练方法、装置及轨迹预测方法，模型训练方法包括将车辆运动轨迹训练数据划分为多个类别；对每个类别的训练数据基于解码器模块进行权重迭代剪枝，得到每个类别对应的掩码矩阵；基于每个类别的训练数据、每个类别对应的掩码矩阵对编码器模块和解码器模块进行训练，得到训练后的多模态车辆轨迹预测模型，能够输出与多个类别对应的多个轨迹预测结果。本申请的多模态车辆轨迹预测模型训练方法，采用基于数据驱动的方式，充分考虑不同驾驶操作意图，结合车辆的历史运动轨迹状态信息和不同驾驶操作意图的特征，进行多模态车辆轨迹预测模型的训练，生成的车辆轨迹预测模型能够输出多个合理的预测轨迹。
-
公开(公告)号：CN109582993B
公开(公告)日：2022-11-25
申请号：CN201810637452.9
申请日：2018-06-20
Applicant: 长安大学
IPC: G06F30/27 , G06T17/00 , G06N3/04 , G06N3/08 , G06F111/04
Abstract: 本发明公开了城市交通场景图像理解与多视角群智优化方法，利用道路布局随机变量的交叉口行车路径先验建模与基于FCN学习网络的路面语义先验建模方法，提高交叉口行车路线与路面的认知精度与整个场景语义理解程度；融合认知驱动的先验模型与数据驱动的二维‑三维空间变换的候选框语义特征，结合深度神经网络，实现复杂交通场景三维目标检测与识别；协同考虑车辆位置姿态与行驶轨迹先验模型，对复杂道路环境如交叉口交通场景，对三维场景流进行估计与描述，全面表征场景中交通参与者的姿态与运动趋势；针对城市复杂交叉口路段环境，通过多视角群智优化实现交通场景的全息理解，本发明有效且易实现的交通环境理解，为智能车的自主控制提供决策依据。
-
公开(公告)号：CN110149357B
公开(公告)日：2022-02-15
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。
-
-
-
-
-
-
-
-
-
Search Results
126
records
(took 0.033 seconds)
