-
公开(公告)号：CN120071266A
公开(公告)日：2025-05-30
申请号：CN202510005115.8
申请日：2025-01-02
Applicant: 南京理工大学
IPC: G06V20/54 , G06V10/80 , G06V10/766 , G06V10/40 , G06V20/40 , G06V10/774 , G06V10/26
Abstract: 本发明公开了一种基于4D毫米波雷达伪图像与单目视觉图像融合的交通目标检测方法，通过一个针对稀疏雷达数据进行特征提取的预编码器得到三通道雷达特征图；将三通道雷达特征图经过一个动态卷积模块，单目视觉图像数据使用自注意力模块进行处理；使用一个连接模块用于混合两种输入特征；通过雷达与图像融合后的特征回归出边界框的坐标与类别。此外，多任务模型平衡了摄像头和雷达的重要性，可以同时进行交通目标检测和可驾驶区域语义分割两种任务。本发明对于解决城市复杂环境下存在遮挡情况的密集交通目标识别问题，以及无车道线标识时对来向和去向车道的可驾驶区域语义分割问题具有很高的实用价值。
-
公开(公告)号：CN120067547A
公开(公告)日：2025-05-30
申请号：CN202510005118.1
申请日：2025-01-02
Applicant: 南京理工大学
IPC: G06F18/15 , G08G1/065 , G08G1/01 , G06F18/213 , G06F18/214 , G06N3/045 , G06N3/0475 , G06N3/0464 , G06N3/094 , G06N3/084
Abstract: 本发明提供了一种基于无人机数据采集和生成式对抗网络的路网交通流量数据估计方法，计算每个目标路段的交通流量数据的平均值和标准差，在开源的交通流量数据上筛选匹配的源路段数据，获得预训练样本；将预训练样本人为缺失，获得生成器的预训练输入数据；构建GAN网络，预训练输入数据输入生成器后产生修复数据作为负样本传入判别器，同时预训练样本作为正样本传入判别器，将判别器的判别结果反馈给生成器，据此训练得到预训练模型；在预训练模型的基础上，将目标训练样本人为缺失，获得生成器的输入数据，将生成器产生的修复数据作为负样本传入判别器，将目标训练样本作为正样本传入判别器，将判别器的判别结果反馈给生成器，训练得到最终的生成模型。本发明降低了模型对训练数据的依赖。
-
公开(公告)号：CN119160193A
公开(公告)日：2024-12-20
申请号：CN202411195555.6
申请日：2024-08-29
Applicant: 南京理工大学
IPC: B60W40/06 , G01S17/86 , G01S17/88 , G01S7/48 , G01F23/292 , B60W50/14 , B60W50/00 , G06V20/58 , G06V10/26 , G06V10/30
Abstract: 本发明公开一种自动驾驶车辆涉水风险监测方法、系统、设备及介质，涉及辅助安全驾驶的环境感知技术领域。所述方法包括：获取车辆前视摄像头的图像数据、车规级激光雷达的点云数据以及当前的车辆信息；对图像数据依次进行预处理、目标识别和区域分割，确定积水区域；根据点云数据和积水区域进行对比，筛选出积水区域的点云数据，并计算得出最大积水深度；根据车辆信息分别确定静止状态下的极限水位高度和当前运动状态下的安全水深，并当最大积水深度大于或等于极限水位高度及安全水深的数值区间时，激活预警装置进行涉水预警。本发明有助于车辆精确识别道路积水深度，以及结合车辆自身情况研判涉水的风险，适用于复杂天气与路面状况下的测量。
-
公开(公告)号：CN117633447A
公开(公告)日：2024-03-01
申请号：CN202311687460.1
申请日：2023-12-08
Applicant: 南京理工大学
IPC: G06F18/15 , G06F18/213 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094 , G06V20/54 , G06V10/82 , G08G1/017 , G08G1/042 , G08G1/01 , H04N7/18
Abstract: 本发明提出一种基于交通流数据采集设备缺失判断的交通流数据修复方法，采集交通流数据，预处理成流量数据，加入人为缺失，并用邻接矩阵记录车道间的拓扑关系；构建含有图变换网络GTN的生成对抗网络；使用生成对抗式的训练方式训练构建好的生成对抗网络，将流量数据输入训练好的生成器，输出修复数据；根据流量数据和修复数据计算每个交叉口的修复效率；对修复效率较低的交叉口所在区域增设摄像头设备。本发明通过数据采集设备缺失判断的方法，提高了算法精度。
-
公开(公告)号：CN116980612A
公开(公告)日：2023-10-31
申请号：CN202310770337.X
申请日：2023-06-27
Applicant: 南京理工大学 , 无锡联坤科技有限公司
IPC: H04N19/42 , H04N19/182 , H04N5/265 , G06T3/40 , G06T1/20
Abstract: 本发明提供一种利用图形处理器GPU（Graphics Processing Unit）加速以及拼接技术的实时视频压缩保存方法，使用FFmpeg以及CUDA实现多路低分辨率视频拼接合成一路高分辨率视频，并完成H.264或者H.265的压缩编码。本发明全流程均执行于GPU，不仅充分利用了其多线程的加速特性，而且减少了GPU与主机之间数据传输的耗时。同时，本发明降低了中央处理单元CPU（Central Processing Unit）的工作负载，提高了系统的多任务并发性能。
-
Patent Agency Ranking
公开(公告)号：CN115035717B
公开(公告)日：2023-09-26
申请号：CN202210617494.2
申请日：2022-06-01
Applicant: 南京理工大学
Abstract: 本发明提出了一种基于卡口数据的干线绿波交通评价方法，获得每个路段每个车道的车流量信息，计算各个路段的历史流量比和车道的历史流量比；根据干线路流量信息、渠化信息以及信号配时信息，对干线进行仿真建模；建立停车次数指标计算模型、溢出风险指标计算模型、绿灯利用率指标计算模型和旅行时间指标计算模型对干线绿波协调控制效果进行评价；通过层次分析法分别确定指标集合中的各指标在干线高峰时期和干线平峰时期的权重；对所有的评价指标进行指标正向化和标准化处理，对干线高峰时期和平峰时期分别采取不同的指标权重，并通过距离优劣法确定干线绿波交通的综合评价模型。本发明可以有效评价干线绿波协调控制策略的优劣。
-
公开(公告)号：CN116052451A
公开(公告)日：2023-05-02
申请号：CN202310038066.9
申请日：2023-01-10
Applicant: 南京理工大学
IPC: G08G1/083
Abstract: 本发明提出一种井字形交叉口信号配时方法及系统，对井字形交叉口的相位进行设计，并确定相位通行规则；进行信号总周期划分；在短周期内，将车流进行划分，根据不同车流在井字形交叉口产生的总延误，建立井字形交叉口短周期内车流的加权平均延误模型，进行短周期内车流加权平均延误计算；以加权平均延误最小为目标，构建短周期的优化模型，利用智能优化算法求解最优短周期时间，进行各车流通行所需的绿灯时间的计算，并根据约束条件对绿灯时间调整；进行通行绿灯时间合并，重新计算短周期时间；进行信号总周期合并，实现井字形交叉口信号配时。本发明可有效在减小车辆通过井字形交叉口的延误，避免滞留的车辆发生溢流。
-
公开(公告)号：CN115830855A
公开(公告)日：2023-03-21
申请号：CN202211412404.2
申请日：2022-11-11
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于双状态划分的高速公路路段通行时间预测方法，包括：确定高速公路路段和门架间的上下游关系；获取高速公路历史数据；将历史数据处理为交通流量及平均通行时间序列；确定与时段对应的路段交通状态；划分车辆行驶速度状态；利用历史车辆的路段交通状态、车辆行驶速度状态及上游路段平均行驶速度，对下游路段通行时间建模并训练；实时采集目标车辆数据，提取特征输入通行时间预测模型，得到预测结果。本发明对高速公路交通数据进行了多源数据融合与时空特征分析，将宏观层面的路段交通状态和微观层面的具体车辆行驶状态相结合，运用贝叶斯模型，实现了以车辆为单位的高速公路通行时间精确预测。
-
公开(公告)号：CN112328651B
公开(公告)日：2022-09-06
申请号：CN202011115125.0
申请日：2020-10-19
Applicant: 南京理工大学
IPC: G06K9/62 , G06F16/2458 , G06F16/215
Abstract: 本发明公开了一种基于毫米波雷达数据统计特征的交通目标识别方法，包括：利用毫米波雷达采集交通目标数据；进行噪声数据清洗处理，构建不同交通目标的数据集；将每一种交通目标数据集划分为训练集、验证集和测试集；对雷达数据的各个属性进行相关性分析，找出与目标类别相关性高的属性；对获得的属性的雷达数据进行统计学分析，构建经验特征；利用经验特征、获得的属性以及训练集训练分类器，获得目标识别模型；利用高模型识别待测目标的类别。本发明通过较少的检测数据分析和建模，建立了具有较高实用价值的交通目标识别模型。其次，将传统的雷达目标识别任务与SVM、LSTM深度学习模型等机器学习算法相结合，提高了识别精度，具有较高的适应性。
-
公开(公告)号：CN114627646A
公开(公告)日：2022-06-14
申请号：CN202210216986.0
申请日：2022-03-06
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于车牌识别数据的路段交通流模式识别方法及系统，确定基础研究路段，统计每辆车的出行链；基于路段的实时流量、驶入场所的车流量、驶出场所的车流量以及区域流量，将全天划分为不同时段并构建特征数据集；利用主成分分析法对特征数据集进行降维；将降维后的数据集分别传入不同的聚类算法，利用轮廓系数和Davies‑Bouldin指数评判出最优算法、最优模式类别数，以及基础研究路段的模式识别结果；利用不同的分类学习器对已经带有标签的基础研究路段进行学习，获得最优分类器，用于新增路段的交通流模式识别。本发明通过交通流模式识别结果能够找出明显地释放或者吸引车辆的路段，这对于整体路网的交通控制都是非常有用的。
-
-
-
-
-
-
-
-
-
Search Results
77
records
(took 0.032 seconds)
