-
公开(公告)号：CN113076898A
公开(公告)日：2021-07-06
申请号：CN202110387355.0
申请日：2021-04-09
Applicant: 长安大学
Abstract: 本发明公开了一种交通车辆目标检测方法、装置、设备及可读存储介质，通过对对预处理后的交通图像进行车辆标注，本发明通过将车辆标注后的交通图像进行维度聚类,设置阈值进行聚类anchor box,并且将一个相对远的点选择为下一个初始聚类中心，提高聚类精度；基于特征提取主干网络在浅层部分添加网络层进行浅层特征提取，提高对细节特征处理能力，在保持较高的检测精度的前提下，采用CSPDarknet26进行多层残差网络进行特征提取，能避免卷积层冗余、提高内存利用率、提高训练速度，然后经过多层残差网络进行特征提取后进行多尺度检测，提取丰富的细节信息，CRB能够避免小目标检测效果退化问题，提高了算法在强雨密度交通环境下车辆单类目标检测的适用性与准确性。
-
公开(公告)号：CN112036001A
公开(公告)日：2020-12-04
申请号：CN202010625061.2
申请日：2020-07-01
Applicant: 长安大学
Abstract: 本发明公开了自动驾驶测试场景构建方法、装置、设备及可读存储介质，从真实交通场景中进行基元场景提取建立基元场景描述模型，从基元场景描述变量分布区间内选取描述变量取值，基于重要性抽样的蒙特卡洛方法对描述变量依据描述变量分布进行随机取样生成测试基元场景；根据测试任务中测试场景要素的参数测试基元场景按照重新组合的方法生成测试场景，本发明能够直接模拟实际复杂系统，有效解决复杂系统简化导致的结果失真问题，避免高维问题数值解误差随维数增加而迅速增加的维数灾难问题；采用高风险场景强化生成方法，用较小的计算开销生成较多的高风险场景，有效的增加生成场景中高风险场景的数量，降低低风险场景的数量，提高测试的效率。
-
公开(公告)号：CN112001385A
公开(公告)日：2020-11-27
申请号：CN202010845641.2
申请日：2020-08-20
Applicant: 长安大学
Abstract: 本发明公开了一种目标跨域检测与理解方法、系统、设备及存储介质，属于目标检测与识别领域。通过空间概率控制与显著点池化，联合编码位置概率与图像特征的耦合关系，高效定位目标候选框对角线顶点，简化网络复杂度，以满足面向实际检测的应用需求；通过跨域引导语义提取与知识迁移，探究面向不同域的目标深度视觉特征与引导语义包含关系，指导网络训练，提取跨域不变特征以增强模型的跨域感知；通过对目标值得注意度解析，探究语义层次跨域感知映射作用与反传机理，解决具体意图下值得注意的目标预测与引导语义理解的准确性问题。本发明能够精确模拟视觉系统对目标的重要性扫描与语义判断的过程，从而提高环境视觉感知能力及主动安全性。
-
公开(公告)号：CN107368787B
公开(公告)日：2020-11-10
申请号：CN201710459554.1
申请日：2017-06-16
Applicant: 长安大学
Abstract: 本发明公开了一种面向深度智驾应用的交通标志识别算法，基于网络对多源公测数据集平移扩展性与稳定性的考虑，建立多源公测数据集对于交通标志的统一类别表征，通过基于局部上下文信息随机裁剪的数据增强策略实现了数据集的扩展，以及多尺度卷积特征图网络与集合网络迭代交替验证训练策略，得到了性能较好的检测网络与识别网络，使网络易于训练且收敛更快；基于自底向上的卷积特征，通过自顶向下融合多尺度卷积特征网络建模方法，提高小尺寸交通标志的查全率；不追求设计更深更复杂的Convnet以获取更高的物体识别率，而是针对交通标志目标的特点，通过对比实验，提出一种能够获得更优信息流动与更好性能表现的集合网络，实现了交通标志的高效识别。
-
公开(公告)号：CN111695514A
公开(公告)日：2020-09-22
申请号：CN202010537207.8
申请日：2020-06-12
Applicant: 长安大学
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。
-
Patent Agency Ranking
公开(公告)号：CN106231641B
公开(公告)日：2019-06-04
申请号：CN201610595621.8
申请日：2016-07-26
Applicant: 长安大学
Abstract: 本发明公开了一种基于4G和DSRC技术的异构网络垂直切换判决方法，通过四个参数构成判决树进行异构网络切换的判决，算法的复杂度低，通过从基站的参数文件或者路侧节点的消息包中快速地解析出其中的四个参数，判决速度快，计算简单，通过充分考虑DSRC网络信号的辐射半径，对处于“乒乓效应”区的车载单元的异构网络切换进行多步决策，进而通过引入车载单元与路侧节点的相对行驶方向D和信号强度差△d两个参数，既提高决策速度又避免切换过程中的“乒乓效应”，本发明从多重因素考虑，更加有利于延长车载单元与路侧节点的DSRC端口的连接时间，即延长接入DSRC网络的时间。
-
公开(公告)号：CN109582993A
公开(公告)日：2019-04-05
申请号：CN201810637452.9
申请日：2018-06-20
Applicant: 长安大学
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：CN109030021A
公开(公告)日：2018-12-18
申请号：CN201810754925.3
申请日：2018-07-11
Applicant: 长安大学
IPC: G01M17/007
CPC classification number: G01M17/007
Abstract: 本发明提供了一种无人车紧急车辆避让能力测试方法及测试场包括对测试场进行场景布置和待测车辆响应；场景布置为：所述测试场包括道路，将待测车辆置于所述道路上，控制参考车辆在与待测车辆同一车道或相邻车道的前方或后方行驶，且参考车辆与待测车辆保持可避让距离，控制紧急车辆从与待测车辆同一车道或相邻车道的后方靠近待测车辆；所述待测车辆响应为：在紧急车辆从与待测车辆同一车道或相邻车道的后方靠近待测车辆时，待测车辆作出避让紧急车辆的动作，优先让紧急车辆行驶。
-
公开(公告)号：CN107368787A
公开(公告)日：2017-11-21
申请号：CN201710459554.1
申请日：2017-06-16
Applicant: 长安大学
Abstract: 本发明公开了一种面向深度智驾应用的交通标志识别算法，基于网络对多源公测数据集平移扩展性与稳定性的考虑，建立多源公测数据集对于交通标志的统一类别表征，通过基于局部上下文信息随机裁剪的数据增强策略实现了数据集的扩展，以及多尺度卷积特征图网络与集合网络迭代交替验证训练策略，得到了性能较好的检测网络与识别网络，使网络易于训练且收敛更快；基于自底向上的卷积特征，通过自顶向下融合多尺度卷积特征网络建模方法，提高小尺寸交通标志的查全率；不追求设计更深更复杂的Convnet以获取更高的物体识别率，而是针对交通标志目标的特点，通过对比实验，提出一种能够获得更优信息流动与更好性能表现的集合网络，实现了交通标志的高效识别。
-
公开(公告)号：CN106231641A
公开(公告)日：2016-12-14
申请号：CN201610595621.8
申请日：2016-07-26
Applicant: 长安大学
Abstract: 本发明公开了一种基于4G和DSRC技术的异构网络垂直切换判决方法，通过四个参数构成判决树进行异构网络切换的判决，算法的复杂度低，通过从基站的参数文件或者路侧节点的消息包中快速地解析出其中的四个参数，判决速度快，计算简单，通过充分考虑DSRC网络信号的辐射半径，对处于“乒乓效应”区的车载单元的异构网络切换进行多步决策，进而通过引入车载单元与路侧节点的相对行驶方向D和信号强度差△d两个参数，既提高决策速度又避免切换过程中的乒乓效应”，本发明从多重因素考虑，更加有利于延长车载单元与路侧节点的DSRC端口的连接时间，即延长接入DSRC网络的时间。
-
-
-
-
-
-
-
-
-
Search Results
126
records
(took 0.028 seconds)
