-
公开(公告)号:CN118609356A
公开(公告)日:2024-09-06
申请号:CN202410681934.X
申请日:2024-05-29
申请人: 中国汽车工程研究院股份有限公司 , 中汽院智能网联科技有限公司 , 重庆科技大学
摘要: 本发明涉及道路车辆的交通控制方法领域,具体涉及一种实时监控预测特定突发聚集事件诱发交通拥堵的方法,包括:获取历史交通数据、特定事件发生时的数据以及实时监控数据;以公开道路为基础,使用无人机航拍影像对高分辨率地图数据进行采集,利用地理信息系统工具对采集到的地图数据进行处理,包括道路网络、地形、建筑物等信息的提取和建模,利用虚拟环境构建抽象化和参数化的真实场景;将实时监控数据输入训练好的深度学习模型,实时更新预测结果,并提供实时的交通拥堵预测信息;将实时的交通拥堵预测发送至管理端进行显示。本发明通过数据实时捕获,确保系统对事件的感知具有及时性和全面性;交通拥堵的预测的结果更准确并符合实际情况。
-
公开(公告)号:CN118430282A
公开(公告)日:2024-08-02
申请号:CN202410699661.1
申请日:2024-05-31
申请人: 中国汽车工程研究院股份有限公司 , 中汽院智能网联科技有限公司 , 重庆科技大学
摘要: 本发明涉及交通拥堵的互联网安全服务领域,具体涉及一种预测由大型车辆异常驾驶引发的交通拥堵方法,包括利用摄像头和雷达设备实时采集道路交通的图片信息和点云信息;对图片信息和点云信息进行处理,得到各个目标的目标信息,再经过摄像头和雷达设备的特征级融合,并对目标进行跟踪和识别;基于道路交通信息,进行正面预测检测大型车辆异常驾驶行为,大型车辆异常驾驶行为包括大型车辆违规驶入快速车道导致快速车道整体车速受限和大型车辆在主干道上抛锚造成拥堵;当检测到大型车辆异常行为时,将交通信息特征输入经过深度学习训练的正向预测模型进行计算,得到交通拥堵预测结果。本发明在发生拥堵后及早的提供有效减少交通问题的发生。
-
公开(公告)号:CN118692245A
公开(公告)日:2024-09-24
申请号:CN202410699896.0
申请日:2024-05-31
申请人: 中国汽车工程研究院股份有限公司 , 中汽院智能网联科技有限公司
摘要: 本发明涉及过街预警方法领域,具体涉及一种基于多源信息融合的行人过街预警方法及系统,方法包括识别信号机的车道级信号灯通行信息,采集过街目标的雷达定位数据和图像定位数据;采用RTK高精度定位分别与雷达定位数据和图像定位数据进行联合标定,将雷达定位数据和图像定位数据映射定位至大地坐标系中;进行参数化配置修正,将雷达定位数据和图像定位数据进行精准定位匹配、类型匹配融合,基于融合目标状态信息连续跟踪过街目标;对过街目标和车辆按照预警策略进行分级预警,系统包括工控机、雷达、高分辨相机、RTK、信号机、RSU、OBU和行人过街预警数字演化设备。本发明能够对实际的过街情况进行精准、及时地预警提示,提高过街和行车安全性。
-
公开(公告)号:CN118612688A
公开(公告)日:2024-09-06
申请号:CN202410701249.9
申请日:2024-05-31
申请人: 中国汽车工程研究院股份有限公司 , 中汽院智能网联科技有限公司
摘要: 本发明涉及车辆无线通信技术领域,公开了一种用于路侧设备的自动化车路协同部署方法及其系统,获取路口数据,生成道路的结构化数据;录入车路协同路侧设备的性能参数;设定影响传感器感知精度的阈值及权重;配置特殊服务能力:根据路口规划的特殊服务能力,设置的限定条件;构建感知能力评分模型:根据天气情况、结构化道路场景、目标姿态、RTK定位精度、预安装位置维度构建感知能力评分模型,对满足S3和S4要求的车路协同路侧设备和路口的部署方案作为可选部署分案,将可选部署方案代入到感知能力评分模型中进行评分;将评分最高的可选部署方案最为最佳部署方案输出。本发明能够有效解决自动部署资源浪费且检测效果不达预期的问题。
-
公开(公告)号:CN118505816A
公开(公告)日:2024-08-16
申请号:CN202410632935.5
申请日:2024-05-21
申请人: 中国汽车工程研究院股份有限公司 , 中汽院智能网联科技有限公司 , 重庆交通大学
摘要: 本发明涉及智能驾驶与车路协同技术领域,公开了一种视觉标定及参数修正方法与系统,其方法包括以下步骤:步骤1,获取摄像头的初始标定图像A和实时检测图像B;并保留初始标定图像A与UTM坐标系对应的单应性矩阵HAC;步骤2,采用SuperPoint网络提取图像A和图像B的特征点及描述符;步骤3,根据图像A和图像B的特征点,求解得到单应性矩阵HAB;步骤4,结合HAC和HAB,求解得到图像B与UTM坐标系对应的单应性矩阵HBC;步骤5,使用HBC替换HAC,完成对摄像头的图像标定修正。本发明能够实现摄像头的自动化标定与修正,且修正精准度较高。
-
公开(公告)号:CN115035154A
公开(公告)日:2022-09-09
申请号:CN202210275221.4
申请日:2022-03-21
申请人: 中汽院智能网联科技有限公司 , 中国汽车工程研究院股份有限公司
摘要: 本发明公开一种基于深度学习目标检测的视觉多目标跟踪方法,用于计算机视觉跟踪领域,该方法将卡尔曼滤波和深度学习相结合,首先使用一深度学习的网络模型对图像进行目标检测;然后再使用一深度学习的网络模型提取目标的深度特征图,通过比对前、后两帧深度特征图,匹配目标的历史轨迹;对于匹配失败的目标,再使用卡尔曼滤波器进行匹配,如果匹配成功,则更新目标轨迹,如果不成功,则视为新目标。本发明将卡尔曼滤波跟踪方法与深度学习相结合,快速准确的跟踪目标,解决了传统方法反应迟钝,跟踪误差大等问题,提高了复杂场景下多目标跟踪的鲁棒性和准确性。
-
公开(公告)号:CN117058921A
公开(公告)日:2023-11-14
申请号:CN202311122610.4
申请日:2023-08-31
申请人: 中汽院智能网联科技有限公司 , 中国汽车工程研究院股份有限公司
IPC分类号: G08G1/16 , G08G1/01 , G08G1/0969 , H04W4/40
摘要: 本发明涉及车辆感知技术领域,公开了一种基于V2X的非视距场景车辆信息感知及预警方法,包括以下步骤:步骤1:基于V2X技术配置路侧单元和车载单元;由路侧单元周期性地广播道路提示信息和地图信息;步骤2:由测试车辆的车载单元通过路侧单元的广播感知非视距目标物;在感知非视距目标物时,首先根据测试车辆所处路段的连接转向关系确定预警范围,再在预警范围内搜寻是否存在目标物,若是,则由测试车辆的车载单元计算测试车辆与目标物的距离和预计到达时间,并将计算结果作为感知结果返回给测试车辆,以进行感知决策;若否,则不做处理。本发明能够用来解决非视距场景下自动紧急制动功能感知失效的技术问题,能够达到较高的感知及预警精准度。
-
公开(公告)号:CN115144827A
公开(公告)日:2022-10-04
申请号:CN202210769453.5
申请日:2022-06-30
申请人: 中汽院智能网联科技有限公司 , 中国汽车工程研究院股份有限公司
摘要: 本发明涉及车辆协同的多传感器融合领域,具体公开了一种车路协同条件下多传感器融合感知标定方法,包括以下步骤:根据对应的道路交通安全因素,选定车路协同路口;根据该选定的车路协同路口,判断该车路协同路口的路口类型,并确定该车路协同路口对应的路口感知范围;根据路口类型,确定对应标定方式,并对该车路协同路口进行标定,获取对应的标定数据;根据获取到的标定数据,在当前时刻匹配出上一时刻标定数据,根据上一时刻标定数据利用标定算法,生成对应的当前时刻的标定结果;将对应的当前时刻的标定结果与真实结果进行比对,若两者一致,则完成本次标定,进行下一时刻的标定。本方案能够实现不同传感器检测目标的时空位置的统一,同时得到的标定结果的准确性也更高。
-
公开(公告)号:CN114640964A
公开(公告)日:2022-06-17
申请号:CN202210343946.2
申请日:2022-03-31
申请人: 中汽院智能网联科技有限公司 , 中国汽车工程研究院股份有限公司
摘要: 本发明涉及车路协同设备部署领域,具体公开了一种基于最优RSU部署位置的车路协同设备部署方法,包括以下步骤:对部署区域的部署需求进行采集,生成对应的部署需求信息;对需要部署区域的现场进行踏勘,生成对应的现场踏勘信息;根据现场踏勘信息和部署需求信息,利用动态规划算法,进行最佳RSU部署位置的求解;根据求解出来的最佳RSU部署位置进行最优路侧设备部署的选择,生成对应的部署方案。本方案能够快速的找到对应的最佳RSU部署位置,并在有限的条件下找到满足覆盖范围的RSU部署方案,即实现在确保部署方案的经济性的同时确保部署方案的最优性。
-
公开(公告)号:CN214587281U
公开(公告)日:2021-11-02
申请号:CN202120753479.1
申请日:2021-04-13
申请人: 中汽院智能网联科技有限公司 , 东风商用车有限公司 , 中国汽车工程研究院股份有限公司
摘要: 本实用新型属于智能交通领域,具体公开了一种车联网智慧杆件,包括内部中空的立杆,所述立杆上部设有横臂,所述横臂长度方向所在直线与所述立杆长度方向所在直线相垂直,所述横臂上滑动连接有接驳件,所述接驳件具有沿水平方向运动的自由度;所述立杆中部固设有支架;所述立杆底部固设有设备仓。本方案通过实现接驳件可在横臂的水平方向进行移动,解决现有的杆件对设备进行安装时无法满足对设备进行位置的调整和移动的,这就会造成设备采集数据的可靠性不佳。
-
-
-
-
-
-
-
-
-