-
公开(公告)号:CN112633055A
公开(公告)日:2021-04-09
申请号:CN202011138745.6
申请日:2020-10-22
申请人: 北京工业大学 , 河北省交通规划设计院
摘要: 本发明公开了一种基于路面病害检测的通用自动驾驶导航系统,系统硬件指代为基于开源Neo套件的改进,Neo套件由vehicle模块、Giraffe模块、Panda模块和Eon模块四部分组成,改进部分包括将Giraffe模块与Panda模块功能组合,以让车辆CAN端口信息直接从USB端口导出,以及增加Eon模块散热功能,保证长期高速运行。软件包括开源Openpilot软件构架,由Carinterface模块、grain模块、board dd模块、Car模块、Loggerd模块、Controlsd模块、Vision模块、Radar模块八个部分组成。本发明基于深度学习的图像处理技术与自动驾驶策略指导相结合,对路面病害及其他路面对象进行识别并作出相应策略的选择,为未来路面病害检测的自动化、无人化奠定了重要的基础。
-
公开(公告)号:CN114048790B
公开(公告)日:2024-05-24
申请号:CN202110877678.8
申请日:2021-08-01
申请人: 北京工业大学 , 北京市道路工程质量监督站(北京市公路工程质量检测中心) , 北京建筑大学
IPC分类号: G06F18/214 , G06N3/044 , G06N3/0464
摘要: 本发明公开了一种基于耦合双向LSTM和卷积结构网络的道路基层应变分析方法,先对自动化道路监测系统获取的长期监测数据进行原始数据预处理,在此基础上采用皮尔逊相关性分析,研究数据之间关系,以达到输入数据降维的目的,从而减少训练误差,提升模型的预测精度,最后挑选出合适时间段的数据一起输入到BiLSTM‑CNN网络模型进行训练,学习传感器数据之间的物理特征,针对每个时间段之间并不连续的问题,采用权重自迁移的训练方式,使得历史信息特征在下一时间段内相对更加明显,更易被模型学习,有助于加强模型的记忆效应,减少过拟合,提高模型的泛化能力。此外,本发明不仅可以节约人工和时间成本,还可以为后续的道路养护工作奠定基础。
-
公开(公告)号:CN114219778A
公开(公告)日:2022-03-22
申请号:CN202111482780.4
申请日:2021-12-07
申请人: 北京工业大学
摘要: 本发明公开了一种基于WGAN‑GP数据生成与泊松融合的数据深度增强方法,WGAN‑GP是具有梯度惩罚的生成对抗网络,是一种基于博弈思想的生成模型,该生成模型包含两个网络,分别为生成网络G和判别网络D。新的训练数据是通过将WGAN‑GP生成的路面病害图像插入到无病害的道路图像中合成的。插入图像时,要保证尽可能真实地插入图像,避免边缘突出,导致目标检测模型只学习物体的边缘特征而不是病害特征量。本发明利用WGAN‑GP数据生成技术与泊松融合技术对数据进行深度增强,相比传统数据增强方法,将生成图片带入路面病害检测模型的训练集中,提供足够的数据量使得检测模型去学习到可能的分布,提高了路面病害智能检测的精度。
-
公开(公告)号:CN108629091B
公开(公告)日:2022-03-08
申请号:CN201810352499.0
申请日:2018-04-19
申请人: 北京工业大学
IPC分类号: G06F30/17
摘要: 本发明公开一种基于选择性融合多通道机械信号频谱多特征子集的磨机负荷参数预测方法,首先,对多通道机械振动和振声的时域信号采用快速傅里叶变换(FFT)得到多通道单尺度频谱;接着,针对每个通道的单尺度频谱,采用基于候选惩罚参数的集成构造策略得到面向单尺度特征子集构建的候选LASSO子模型,结合SEN学习机制构建全部通道的候选单通道SEN‑LASSO模型;最后,再次的采用SEN学习机制对候选单通道SEN‑LASSO模型进行选择和合并,得到对多通道机械信号及其频谱特征子集进行同时优化选择的MLPF模型。
-
公开(公告)号:CN108038079B
公开(公告)日:2021-01-05
申请号:CN201711268730.X
申请日:2017-12-05
申请人: 北京工业大学
摘要: 本发明公开一种多源机械信号分析与优化组合方法,对所采集多源机械振动和振声信号进行快速傅里叶变换,获得机械频谱数据;基于这些机械频谱数据构建潜结构映射模型,基于验证数据得到MLPF(磨机负荷参数预测)模型的结构参数和验证误差;通过单一机械信号MLPF潜结构模型的验证误差和结构参数与全部机械信号MLPF潜结构模型的验证误差和结构参数之比对机械信号的预测精度贡献率和蕴含信息贡献率进行评估,并定义两者的可调加权作为综合指标,实现多源机械信号预测精度和蕴含信息贡献率的综合评估;通过选择综合指标值大于设定阈值的多源机械信号完成初选,再基于组合优化策略实现用于构建MLPF模型的最佳多源机械信号优化组合。
-
公开(公告)号:CN108629091A
公开(公告)日:2018-10-09
申请号:CN201810352499.0
申请日:2018-04-19
申请人: 北京工业大学
IPC分类号: G06F17/50
摘要: 本发明公开一种基于选择性融合多通道机械信号频谱多特征子集的磨机负荷参数预测方法,首先,对多通道机械振动和振声的时域信号采用快速傅里叶变换(FFT)得到多通道单尺度频谱;接着,针对每个通道的单尺度频谱,采用基于候选惩罚参数的集成构造策略得到面向单尺度特征子集构建的候选LASSO子模型,结合SEN学习机制构建全部通道的候选单通道SEN-LASSO模型;最后,再次的采用SEN学习机制对候选单通道SEN-LASSO模型进行选择和合并,得到对多通道机械信号及其频谱特征子集进行同时优化选择的MLPF模型。
-
公开(公告)号:CN113850855B
公开(公告)日:2024-05-14
申请号:CN202110992745.0
申请日:2021-08-27
申请人: 北京工业大学
IPC分类号: G06T7/40 , G06T5/92 , G06N3/08 , G06N3/0464
摘要: 本发明公开了一种耦合传统方法和WGAN‑GP的道路纹理图片增强方法,结合传统方法以及WGAN‑GP对抗生成网络对数据进行增强,以达到数据扩增和均衡各类样本的效果。本发明首先将商用手持式三维激光扫描仪获取的道路纹理数据转为二维可视化纹理图片,然后使用人工方法和批量处理手段对路面纹理图片进行分类、预处理及数据集制作。本发明基于原始的小样本量且不均衡的路面纹理数据集,在传统方法增强的基础上采用WGAN‑GP网络进一步扩充。新生成的图片纹理特征相对更加明显,更易被机器识别,有助于提高模型的泛化能力,减少过拟合现象。此外,本发明不仅可以节约人工和时间成本,还对道路状况分析及自动驾驶有着至关重要的作用。
-
公开(公告)号:CN114091654B
公开(公告)日:2024-04-12
申请号:CN202111343969.5
申请日:2021-11-14
申请人: 北京工业大学
IPC分类号: G06N3/0475 , G01N33/38 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/09 , G06N3/094
摘要: 本发明公开了一种基于深度卷积对抗生成网络的水泥混凝土材料试验数据增强方法,结合深度卷积对抗生成网络对小批量试验数据进行扩增,以达到深度学习模型预测精度提升的效果。使用计算机技术对原始试验数据进行变量统计分析及数据集制作。本发明先对室内抗压强度试验获取的数据进行深度卷积对抗生成网络数据增强,学习试验数据之间的关键信息,使得试验数据样本物理特征相对更加明显,更易被机器捕捉特征,有助于提高模型的预测精度和泛化能力,减少过拟合。在此基础上,基于深度学习模型一维卷积神经网络(1DCNN)和二维卷积神经网络(VGG)对扩增后的实验数据集进行混凝土抗压强度预测。此外,本发明不仅可以节约人工和时间成本,还可以为后续的道路材料性能分析奠定基础。
-
公开(公告)号:CN116798005A
公开(公告)日:2023-09-22
申请号:CN202211691962.7
申请日:2022-12-27
申请人: 山东高速集团有限公司 , 北京工业大学
IPC分类号: G06V20/54 , G06V20/40 , G06V10/82 , G06N3/08 , G06N3/0464
摘要: 本发明公开了基于高速传感的路面目标轻量化增强方法,本方法首先利用高速公路的视频传感器获取路面图像,然后设计用于图像增强的生成对抗网络,之后使用多种方式对生成对抗网络进行轻量化,减少生成对抗网络的参数量、存储体积、训练时间,使其更为高效和便捷。本发明对于道路监测和养护工程具有实际意义。
-
公开(公告)号:CN116563627A
公开(公告)日:2023-08-08
申请号:CN202310513334.8
申请日:2023-05-09
IPC分类号: G06V10/764 , G06V10/54 , G06V10/40 , G06V10/82 , G06V10/74 , G06V10/774 , G06N3/0464 , G06N3/048 , G06N3/08
摘要: 本发明公开了一种基于孪生网络的路面纹理快速分类方法,首先利用三维激光扫描仪获取路面纹理高度数据并进行数据预处理,然后建立孪生网络分类模型,应用视觉几何组作为孪生网络的子网络,以子网络输出的特征向量计算路面纹理的相似度并作为分类依据,之后利用全局平均池化和一维卷积对初始孪生网络进行轻量化以提高效率。本发明可部署于便携式设备,对于道路养护工程具有实际意义。
-
-
-
-
-
-
-
-
-