-
公开(公告)号：CN111695197B
公开(公告)日：2023-04-11
申请号：CN202010444574.3
申请日：2020-05-23
Applicant: 东南大学
IPC: G06F30/15 , G01M17/007 , G06F119/02 , G06F119/14
Abstract: 本发明提出一种罐车侧翻阈值高可靠动态估计方法，首先明确侧翻表征参数和影响侧翻阈值的因素并搭建侧翻阈值标定装置，然后开展典型侧翻场景下罐车侧翻阈值标定试验，接着处理数据并标定出不同场景下的侧翻阈值，进而利用SVR拟合出侧翻阈值及其影响因素之间的函数关系，最后基于拟合出的函数关系实现罐车侧翻阈值动态估计。该方法提出气囊压力横向转移率这一侧翻表征参数，满足侧翻危险冗余判别的需求；利用高精度惯性测量单元、压力传感器、轮力传感器和防侧翻架搭建罐车侧翻阈值标定装置，可运用于实车试验；通过实车试验数据和SVR，拟合出侧翻阈值与其影响因素间的函数关系，实现侧翻阈值动态估计。
-
公开(公告)号：CN110532636B
公开(公告)日：2023-03-28
申请号：CN201910715846.6
申请日：2019-08-05
Applicant: 东南大学
Abstract: 本发明公开了一种面向多场景的智能驾驶自主车道保持性能检测方法。本方法首先引入β样条曲线，建立了面向智能驾驶汽车测试场景的道路模型。其次，利用改进的强跟踪卡尔曼滤波算法，建立了基于多源信息融合的车辆运动模型，从而准确推算出车辆运动的关键性基础性能参数。最后，基于道路路网和车辆运动信息，量化并输出自主车道保持性能的评价指标：横向偏差、横摆稳定性和路径跟踪精度。本发明公开的智能驾驶自主车道保持性能检测方法，克服了现有测试方法效率低、适应性差、测试工况相对单一的不足，实现了多种测试场景下智能驾驶汽车自主车道保持性能高精度、高频率的评测。
-
公开(公告)号：CN112629883B
公开(公告)日：2022-11-11
申请号：CN202011577680.5
申请日：2020-12-28
Applicant: 东南大学
IPC: G01M17/007 , G06F17/16
Abstract: 本发明提出了一种智能车辆队列行驶性能的测试评价方法。首先，综合现有标准及大型货车队列行驶的特点，构建了智能车辆的队列行驶性能测试场景。其次，利用改进的无迹卡尔曼滤波算法，准确推算出队列行驶中各车的关键性运动学参数。最后，量化并输出了智能车辆队列行驶的性能指标：千米通过时间、队列一致性和车距稳定性，从而实现智能车辆队列行驶的科学定量评价。
-
公开(公告)号：CN114821064A
公开(公告)日：2022-07-29
申请号：CN202210521072.5
申请日：2022-05-13
Applicant: 东南大学
Abstract: 本发明公开了一种基于多光谱图像融合的森林非结构化场景分割方法，该方法针对森林非结构化场景背景复杂、多光线和阴影干扰等情况，引入增强植被指数(EVI)数据，设计了并行双编码结构来提取RGB与EVI的特征，并在编码过程中形成多模态互补特征。此外，编码阶段还利用扩张卷积增加了网络的感受野，优化了特征提取过程。接着将解码特征与编码产生的融合特征二次融合，得到多光谱融合卷积神经网络，而后对该网络进行训练并输入RGB与EVI图像实现森林非结构化场景的语义分割。本发明有效解决了基于RGB图像的非结构化分割方法容易出现适应性差、误分割的问题，提高了森林非结构化场景语义分割的准确性和鲁棒性。
-
公开(公告)号：CN112131996B
公开(公告)日：2022-04-29
申请号：CN202010980622.0
申请日：2020-09-17
Applicant: 东南大学
Abstract: 本发明公开了基于通道分离卷积的路侧图像多尺度行人快速检测方法，该方法克服了现在大多数行人检测模型难以对多尺度行人目标进行快速精准检测的难题，创新性的提出了基于通道分离卷积的检测网络，该网络首先通过样本相关的通道分离卷积操作，针对多尺度目标设定不同类别的卷积操作，缓解了样本不均衡条件下的精度差距，其次设计了尺度不敏感的感兴趣区域对齐结构，利用不同层级的特征图来对不同尺度的目标进行推理，避免了单一层级推理时的梯度竞争，最后，设计了尺度不敏感的损失函数用于提升多尺度行人目标位置的精确度，本发明设计的检测方法获得了准确度与实时性的双重提升，可以在路侧视角下实现快速、准确、可靠的行人检测。
-
Patent Agency Ranking
公开(公告)号：CN111780981B
公开(公告)日：2022-02-18
申请号：CN202010436610.1
申请日：2020-05-21
Applicant: 东南大学
IPC: G01M17/007 , G06F30/15
Abstract: 本发明公开了一种智能车辆编队变道性能测评方法。首先，建立智能车辆编队变道性能测试场景。其次，根据智能车辆在编队变道过程中的运动特点，建立三自由度的非线性动力学模型。进而，利用改进的自适应无迹卡尔曼滤波算法对编队车辆的位置、速度等状态变量进行滤波估计。最后，基于准确递推的车辆运动状态参数，提出并量化编队变道性能的评价指标，构建编队变道性能的评价体系。本发明提出的方法，解决了当前缺乏编队变道性能定量测评的问题，能够高精度、全面的测量车辆运动状态参数，量化并输出了多维度的编队变道性能评价指标，实现了编队变道性能全面、准确、可靠的科学定量测评。
-
公开(公告)号：CN112904382A
公开(公告)日：2021-06-04
申请号：CN202110099311.8
申请日：2021-01-25
Applicant: 东南大学
Abstract: 本发明公开了一种城市峡谷环境下激光里程计辅助的快速优化选星方法。本方法首先利用激光里程计准确推算智能车的先验绝对位置，其次，依托准确的智能车位置信息精确计算卫星的高度角和方位角，接着，计算自适应截止高度角，并利用模糊规则进行快速优化选星，最后，依据选择卫星的数量对智能车实施多模式定位策略。本发明公开的快速优化选星方法，克服了现有方法卫星高度角和方位角计算不精准、适应性不强、选星效率低、定位误差大等难题，保障了城市峡谷环境下智能车的高精定位。
-
公开(公告)号：CN111238825B
公开(公告)日：2021-05-18
申请号：CN202010028039.X
申请日：2020-01-10
Applicant: 东南大学
IPC: G01M17/007 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种面向组合试验路面的智能驾驶自动紧急制动性能测试方法。首先，针对我国存在的缺乏多种路面附着条件下制动性能测评的问题，构建了面向组合试验路面的自动紧急制动性能测试场景。其次，为了准确、实时的辨识被测车辆行驶过程中的试验路面条件，建立了基于深度卷积神经网络的试验路面识别模型。最后，量化不同路面附着条件下的自动紧急制动性能指标，建立多维度的智能驾驶自动紧急制动性能指标体系。相比于现有的单一环境条件的制动性能测试，本发明提出的方法实现了湿滑路面、冰雪路面、搓板路面等多种极限试验条件下的自动紧急制动性能的科学定量测评。
-
公开(公告)号：CN112733325A
公开(公告)日：2021-04-30
申请号：CN202011517914.7
申请日：2020-12-21
Applicant: 东南大学
Abstract: 本发明公开了一种用于半挂汽车列车AEBS的全面准确的测评方法；首先，使用双天线差分GPS接收机、陀螺仪作为采集数据的传感器；然后建立基于无迹卡尔曼滤波算法的半挂汽车列车“当前”统计改进模型，并利用几何学关系解算半挂汽车列车的运动学状态信息；其次，建立基于递归最小二乘估计算法的目标车辆运动学模型并获取目标车辆的运动学状态信息；最后，利用获取的目标车辆和自车状态信息，计算一般性AEBS测评指标，即碰撞时间和强化碰撞时间，并提出了具有针对性的半挂汽车列车AEBS测评的指标，包括横摆稳定裕度、制动平顺性、折叠幅度。本发明解决了现在没有专门针对半挂汽车列特性的AEBS测评方法的问题，实现了对半挂汽车列车AEBS的全面准确的测评。
-
公开(公告)号：CN112668473A
公开(公告)日：2021-04-16
申请号：CN202011583142.7
申请日：2020-12-28
Applicant: 东南大学
Abstract: 本发明公开了一种基于多特征深度融合神经网络的车辆状态准确感知方法，该方法首先建立并行深度卷积‑递归神经网络架构，包括使用并行卷积神经网络分别提取输入张量中的旋转和平移几何特征，使用递归神经网络学习所提取特征之间的运动状态时间相关特性；接着采用基于权重平衡的均方误差迭代法优化网络参数；最终使用训练好的网络估计车辆的三维速度和三维角速度信息。该方法仅使用单目相机，具有成本低的特点；所设计的网络泛化性能好，车辆状态参数感知准确。
-
-
-
-
-
-
-
-
-
Search Results
186
records
(took 0.027 seconds)
