一种目标跨域检测与理解方法、系统、设备及存储介质

    公开(公告)号:CN112001385B

    公开(公告)日:2024-02-06

    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。

    一种基于深度强化学习的车辆队列控制方法及系统

    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

    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。

    基于无监督图节点聚类的目标分类方法

    公开(公告)号:CN115526256A

    公开(公告)日:2022-12-27

    申请号:CN202211199482.9

    申请日:2022-09-29

    Applicant: 长安大学

    Abstract: 本申请涉及目标分类模型训练方法,包括:构建目标分类模型;基于图训练数据集对目标分类模型进行训练,得到训练后的目标分类模型;图训练数据集包括多个图节点,每个图节点表示一个待分类目标;目标分类模型包括依次连接的深层表征提取层和聚类层。本申请的目标分类模型训练方法,解决了现有的半监督方法无法对不含节点标签信息的目标数据集进行分类的难题,基于无监督学习的网络训练同时也降低了聚类结果好坏对标签信息多少的依赖度,大大增强了网络的稳定性,始终在聚类任务中表现出较好的性能;实现了端对端学习,规避了多模块训练目标不一致的问题,降低了工程的复杂度、减小了训练误差,使网络性能更加鲁棒。

    短时交通流数据预测方法、系统、计算机设备及存储介质

    公开(公告)号:CN115063975A

    公开(公告)日:2022-09-16

    申请号:CN202210648480.7

    申请日:2022-06-09

    Applicant: 长安大学

    Abstract: 本发明属于交通控制技术领域,公开了一种短时交通流数据预测方法、系统、计算机设备及存储介质,包括:获取待预测区域以及待预测区域各相关区域的历史交通流数据;根据待预测区域的历史交通流数据,得到待预测区域当前时段的周期性交通流数据,以及结合待预测区域各相关区域的历史交通流数据,通过预设的时空特征选择方法,得到待预测区域的最优相关历史交通流数据;获取待预测区域当前时段的外部特征影响因素数据,并将待预测区域当前时段的外部特征影响因素数据、当前时段的周期性交通流数据及最优相关历史交通流数据输入预设的交通流预测模型,得到待预测区域的交通流数据短时预测值,有效提升了短时交通流数据预测的准确性。

    车辆轨迹预测方法、系统、计算机设备及存储介质

    公开(公告)号:CN114881339A

    公开(公告)日:2022-08-09

    申请号:CN202210545736.1

    申请日:2022-05-19

    Applicant: 长安大学

    Abstract: 本发明属于自动驾驶领域,公开了一种车辆轨迹预测方法、系统、计算机设备及存储介质,包括:提取待预测车辆及待预测车辆各相邻车辆的历史运动轨迹数据,得到待预测车辆的多维动态场景特征向量;提取待预测车辆的多维动态场景特征向量,得到待预测车辆的交通感知信息;编码待预测车辆的交通感知信息以及历史运动状态数据,得到待预测车辆的隐状态信息;根据待预测车辆的隐状态信息,得到待预测车辆的混合注意力矩阵,并通过待预测车辆的混合注意力矩阵为待预测车辆的隐状态信息分配权重,然后依次通过最大池化处理和全连接处理,得到待预测车辆的轨迹预测值,最终有效提升了车辆轨迹预测准确性。

    一种基于整车在环的CACC稳定性测试系统及方法

    公开(公告)号:CN112255996B

    公开(公告)日:2021-12-28

    申请号:CN202011133332.9

    申请日:2020-10-21

    Applicant: 长安大学

    Abstract: 本发明公开了一种基于整车在环的CACC稳定性测试系统及方法,乘用车道路动态模拟试验台架、DSRC设备、虚拟前车控制模块和控制模块作为测试系统的硬件组成,协同工作提供待测车辆进行测试的必要场景;控制模块实现运动参数、车辆位置、车辆状态的信息读取与处理。能够有效的对CACC编队方式下车辆队列行驶的稳定性进行测试,使用方便、简单。本发明一种基于整车在环的CACC稳定性测试方法,能够有效的对CACC编队方式下车辆队列行驶的稳定性进行测试,使用方便,成本低,测试过程简单。

    一种公路隧道机电设备剩余寿命预测方法

    公开(公告)号:CN111325403A

    公开(公告)日:2020-06-23

    申请号:CN202010121710.5

    申请日:2020-02-26

    Applicant: 长安大学

    Abstract: 本发明提供了一种公路隧道机电设备剩余寿命预测方法,该方法采用外部环境参数建立环境因素误差辨识模型,对公路隧道机电设备的内部状态参数进行补偿,获得补偿后的内部状态参数;以补偿后的内部状态参数和公路隧道机电设备故障率作为分析对象,通过核主成分分析获得特征向量;将特征向量作为长短期记忆网络的输入量,将公路隧道机电设备剩余寿命作为长短期记忆网络的输出量,对长短期记忆网络进行训练,获得公路隧道机电设备寿命预测模型;采用公路隧道机电设备寿命预测模型对公路隧道机电设备的寿命进行预测。本发明的方法提高了剩余寿命预测模型中输入量的精准性,从而提高了采用该模型进行剩余寿命预测时所获得的剩余寿命的精准性。

    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

    公开(公告)号:CN109141922A

    公开(公告)日:2019-01-04

    申请号:CN201811021028.8

    申请日:2018-09-03

    Applicant: 长安大学

    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。

Patent Agency Ranking