精准定位的轨道机器人及轨道机器人的融合定位控制方法

    公开(公告)号:CN115366130A

    公开(公告)日:2022-11-22

    申请号:CN202211030280.1

    申请日:2022-08-26

    Abstract: 本发明涉及一种轨道机器人及其融合定位控制方法,包括以下步骤:S1:根据电机编码器计算实时行车里程和当前位置坐标值;S2:射频检测模块在行车时实时感应射频响应部件,机器人控制单元获取感应到的射频响应部件的识别码和对应的位置标定坐标值,并记录获取的时刻为第一时刻;光电接收器接收光电发射器的光束,机器人控制单元记录检测到光孔的时刻为第二时刻;S3:机器人控制单元对第一时刻与第二时刻做差值计算,并判断差值是否在预设时间差阈值范围内;S4:若是,将获取的位置标定坐标值赋给当前位置坐标值,同时计算实时行车里程;若否,则不更新当前位置坐标值,轨道机器人继续行车。本发明大大提高了轨道机器人的定位精度。

    一种含传感器的混凝土试件的制作方法及混凝土试件

    公开(公告)号:CN113063647A

    公开(公告)日:2021-07-02

    申请号:CN202110452150.6

    申请日:2021-04-26

    Abstract: 本发明涉及一种含传感器的混凝土试件的制作方法及混凝土试件,方法包括以下步骤:根据混凝土试件内部的测量需求计算所需传感器的个数及其位置;设置混凝土棱柱的尺寸,使所述混凝土棱柱的高度和所述混凝土试件的浇筑深度相同,所述混凝土棱柱上与高度垂直的截面面积能覆盖一个所述传感器的任意投影面积;根据所需所述传感器的深度位置设计传感器在混凝土棱柱上的高度位置;浇筑预埋有传感器的混凝土棱柱的模板,形成混凝土棱柱;根据所需传感器的水平位置将混凝土棱柱竖直布置在混凝土试件的模板内;浇筑混凝土试件的模板,形成含传感器的混凝土试件。本发明解决了现有技术中混凝土试件内传感器的位置无法准确布置且数据测量不准确的问题。

    一种城市级数字孪生交通系统
    6.
    发明公开

    公开(公告)号:CN116935636A

    公开(公告)日:2023-10-24

    申请号:CN202310880816.7

    申请日:2023-07-18

    Abstract: 本发明涉及一种城市级数字孪生交通系统,包括:数据规划及推送单元,配置为获取第三方路测监控设备的数据,所述数据包括真实空间中的道路数据和车辆数据;车辆模型模块,配置为在虚拟三维场景中制作车辆的模型数据;模型场景空间坐标匹配模块,配置为获取所述数据规划及推送单元及车辆模型模块的数据,将道路模型进行空间位置校准,使真实空间中的道路数据与道路模型坐标匹配;数据融合模块,配置为将道路划分多个子路段,获取各子路段中第三方路测监控设备的数据,对获取的数据进行插值计算,以动画的形式进行展示,执行动画,实现交通车辆虚实映射的展示。本发明解决了现有技术中虚实场景空间坐标不准,模型和实际车辆信息不一致等问题。

    一种含传感器的混凝土试件的制作方法

    公开(公告)号:CN113063647B

    公开(公告)日:2025-03-25

    申请号:CN202110452150.6

    申请日:2021-04-26

    Abstract: 本发明涉及一种含传感器的混凝土试件的制作方法及混凝土试件,方法包括以下步骤:根据混凝土试件内部的测量需求计算所需传感器的个数及其位置;设置混凝土棱柱的尺寸,使所述混凝土棱柱的高度和所述混凝土试件的浇筑深度相同,所述混凝土棱柱上与高度垂直的截面面积能覆盖一个所述传感器的任意投影面积;根据所需所述传感器的深度位置设计传感器在混凝土棱柱上的高度位置;浇筑预埋有传感器的混凝土棱柱的模板,形成混凝土棱柱;根据所需传感器的水平位置将混凝土棱柱竖直布置在混凝土试件的模板内;浇筑混凝土试件的模板,形成含传感器的混凝土试件。本发明解决了现有技术中混凝土试件内传感器的位置无法准确布置且数据测量不准确的问题。

    一种无检测器路段的车辆轨迹预测方法及系统

    公开(公告)号:CN116740936A

    公开(公告)日:2023-09-12

    申请号:CN202310767701.7

    申请日:2023-06-27

    Abstract: 本发明涉及一种无检测器路段的车辆轨迹预测方法,包括以下步骤:S1:收集目标无检测器路段的真车历史数据;S2:根据真车历史数据初始化预测驶出时间的XGBoost模型和预测目标车道的XGBoost模型的训练参数;S3:将训练参数输入两个模型进行训练,使预测驶出时间的XGBoost模型输出虚拟车辆的预测驶出时间,使预测目标车道的XGBoost模型输出虚拟车辆的预测目标车道;S4:输入实际参数,根据两个不同的模型分别得预测驶出时间和预测目标车道,并计算虚拟车辆的行驶时长;S5:根据目标无检测器路段总路程及行驶时长计算得到速度;S6:控制虚拟车辆按照计算的速度及预测的目标车道行驶。本发明可以在无检测器路段实现准确率高且容易实施的车辆轨迹预测。

    基于对等网络的图形数据处理方法

    公开(公告)号:CN111414564B

    公开(公告)日:2024-02-27

    申请号:CN202010219487.8

    申请日:2020-03-25

    Abstract: 本发明涉及一种基于对等网络的图形数据处理方法,包括如下步骤:当某一终端节点需加载某一图形数据时,向对等网络内的其他终端节点发送查询请求,以询问是否有已处理好的图形数据;若有,则接收已处理好的图形数据,对所接收的已处理好的图形数据进行渲染,并保存已处理好的图形数据以便向其他终端节点进行共享;若无,则获取所需加载的图形数据,并进行图形处理获得已处理好的图形数据,对已处理好的图形数据进行渲染,并保存已处理好的图形数据以便向其他终端节点进行共享。本发明各终端节点对于已处理好的图形数据能够进行共享,避免了数据的重复处理,可充分的利用网络上的空闲带宽和计算资源。

Patent Agency Ranking