-
公开(公告)号：CN111932580B
公开(公告)日：2024-09-03
申请号：CN202010631250.0
申请日：2020-07-03
申请人： 江苏大学
IPC分类号： G06T7/20
摘要： 本发明公开了一种基于卡尔曼滤波与匈牙利算法的道路3D车辆跟踪方法及系统，属于智能汽车感知技术领域，包括步骤1、建立检测模块对当前帧t进行目标检测，获取第t帧的目标检测集合；步骤2、建立3D卡尔曼滤波器模型对当前帧t进行目标状态预测；步骤3、建立数据关联模块，利用匈牙利算法将检测结果与预测的跟踪目标相匹配；步骤4、建立3D卡尔曼滤波器模型根据关联结果更新目标状态。步骤5、建立轨迹管理模块对轨迹进行更新。本发明提出的将结合卡尔曼滤波状态更新和匈牙利算法应用于智能车辆的3D目标跟踪，可以快速的发现、定位和跟踪目标车辆，并且跟踪精度非常高。
-
公开(公告)号：CN111242041B
公开(公告)日：2023-05-09
申请号：CN202010040820.9
申请日：2020-01-15
申请人： 江苏大学
IPC分类号： G06V20/58 , G06N3/0464 , G01S17/86 , G06V10/82 , G06V10/764 , G06V10/774
摘要： 本发明提供了一种基于伪图像技术的激光雷达三维目标快速检测方法，S1，对原始点云数据中的地面点进行剔除；S2，将三维点云数据转化为具有三维特征信息的二维伪图像数据形式；S3，设定二维卷积神经网络融合特征层，捕获伪图像在三个不同尺度下的特征图；S4，基于伪图像在不同尺度下的特征图，利用SSD检测定位网络实现目标的位置回归和类别识别；S5，设定检测网络的总损失函数；S6，由网络训练，得到基于激光雷达采集点云数据进行三维目标检测的标准三维目标检测网络。本发明减少了大量的计算，保证检测过程速度的同时，准确得到被检测目标的位置、大小和形状等信息。
-
公开(公告)号：CN111178385B
公开(公告)日：2023-04-18
申请号：CN201911213788.3
申请日：2019-12-02
申请人： 江苏大学
摘要： 本发明公开了一种鲁棒在线多传感器融合的目标跟踪方法，包括如下十个步骤：1、建立多传感器系统融合模型，2、初始化目标的状态及分布参数，3、融合多传感器采集的量测数据，4、预测目标的状态分布，5、初始化变分参数及迭代次数，6、计算目标状态xk的变分后验分布，7、计算噪声参数∑k的变分后验分布，8、计算噪声参数rk的变分后验分布，9、判定迭代次数l是否大于最大迭代次数N，10、判定是否存在下一时刻，有益效果：本发明能在噪声为非高斯噪声且噪声协方差未知的复杂情况下，通过有效融合多个传感器的量测，实时准确估计目标状态和噪声分布的未知参数，提高了多传感器融合目标跟踪的精确度，且算法复杂度较小，易于实现。
-
公开(公告)号：CN110703272B
公开(公告)日：2022-05-17
申请号：CN201910921766.6
申请日：2019-09-27
申请人： 江苏大学
IPC分类号： G01S17/66
摘要： 本发明公开了一种基于车车通信和GMPHD滤波的周边目标车辆状态估计方法，包括：初始化多目标高斯混合后验强度、获取点云数据、对点云数据进行预处理、转换到自车车体坐标系、预测多目标先验强度、得到多目标后验强度、周边目标车辆进行信息交流、坐标时间同步、将同步后的量测集合变换到自车车体坐标系、应用量测集合更新多目标后验强度，得到最终的多目标后验强度；设定舍弃门限值、合并门限值以及最大高斯混合个数，多目标后验强度进行修剪和合并；提取目标状态得到多目标状态合集。与现有技术相比，本发明能在车联网环境下，融合自车感知信息和周边目标车辆发送的状态信息，提高目标定位、跟踪的准确性和鲁棒性。
-
公开(公告)号：CN113971752A
公开(公告)日：2022-01-25
申请号：CN202111100895.2
申请日：2021-09-18
申请人： 江苏大学
摘要： 本发明公开了一种抗观测数据干扰的多车协同状态估计方法，主车、协同车分别对目标车进行感知，获得含有异常噪声的目标车状态观测数据。主车作为信息融合中心，对收集到的观测数据进行预处理，得到组合观测数据。基于学生t分布模拟重尾、非高斯的观测噪声可有效抑制异常噪声的影响；初始化状态变量、观测噪声协方差的先验超参数和调节参数；利用变分推断，计算第t次迭代后目标车状态的变分后验分布和观测噪声的变分后验分布；判断目标车状态是否收敛，直至收敛后输出当前时刻k估计的目标车状态；跟踪结束后，输出本次跟踪位置和速度的均方根误差图。本发明的多车协同状态估计方法，通过融入更多观测信息，能有效提高目标车状态估计的精度。
-
公开(公告)号：CN111081014B
公开(公告)日：2021-09-10
申请号：CN201911232504.5
申请日：2019-12-05
申请人： 江苏大学
IPC分类号： G08G1/01 , G08G1/017 , G08G1/0967
摘要： 本发明公开了一种基于车路协同的自动驾驶汽车指令不服从率的预警处置系统及方法，包括Auto‑DT自动路测系统、车路协同中心和自动车载系统。Auto‑DT自动路测系统用于采集车、路数据信息并对其“去噪”处理，得到有效调用自动车数据信息库；车路协同中心用于对自动车发送驾驶指令，并计算自动车指令不服从率和交通流影响系数，判断自动车违规等级给出具体处置方案(扣除相应积分并发送相应等级预警提醒)，自动车载系统用于接收车路协同中心发送的指令和提示信息，执行车辆驾驶操作。本发明可实现自动驾驶专用车道交通智能化、智慧化、安全化。
-
公开(公告)号：CN108734958B
公开(公告)日：2021-04-20
申请号：CN201810376193.9
申请日：2018-04-25
申请人： 江苏大学
IPC分类号： G08G1/01
摘要： 本发明公开了一种交通速度预测方法，属于智能交通领域，该方法通过loop detector来提取交通流数据，使用了整个检测路段获取到的流量、速度、占有率三种属性构建的三维数据矩阵作为输入，通过卷积神经网络对时空特征进行提取和加权操作，最后通过对时空数据进行融合，对将来时间段内的交通速度做出预测。本发明通过对整个路段的交通数据进行整合，可以一次性对多个检测点的速度进行预测，相对单点循环预测提高了效率。此外通过多属性时空特征的融合以及加权操作，有效的加强了交通特征的有效性，提高了预测任务的准确率。
-
公开(公告)号：CN112435464A
公开(公告)日：2021-03-02
申请号：CN202011146636.9
申请日：2020-10-23
申请人： 江苏大学
IPC分类号： G08G1/01 , G08G1/0962 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于Q强化学习的高速路主线行驶车辆的接管时间预测系统及预测方法，主要解决了智能网联车在高速公路主线上行驶发出接管请求时，系统能够根据车身周围的交通环境通过Q强化学习算法预测接管时间的问题。电子控制单元在车辆发出接管请求时能够将道路检测器以及智能网联车信息接收模块的数据输入训练完毕的Q强化学习模型中，此时模型会输出一个预测的接管时间。当驾驶员观看屏幕显示的接管时间，能够更快了解接管状况，从而实现更加安全的接管。
-
公开(公告)号：CN112285700A
公开(公告)日：2021-01-29
申请号：CN202010855185.X
申请日：2020-08-24
申请人： 江苏大学
摘要： 本发明公开了基于激光雷达与毫米波雷达融合的机动目标跟踪方法，步骤1：对毫米波雷达和激光雷达进行联合标定，使二者采集到的数据在时间和空间上对齐。步骤2：对毫米波雷达和激光雷达所采集的前方目标信息分别使用所设计的两个独立的双波门IMM‑JPDA(交互多模型‑联合概率数据关联)滤波器进行机动目标数据关联和跟踪。步骤3：将两个滤波器所产生的目标状态信息使用匈牙利算法进行轨迹关联，在轨迹关联完成后使用凸组合算法对关联轨迹进行融合，产生最终轨迹。本发明所提出的双波门IMM‑JPDA跟踪算法、以及凸组合融合方法融合两传感器跟踪结果，能够分别从激光雷达和毫米波雷达获得针对机动目标的跟踪结果，同时能够实现更好的跟踪精度。
-
公开(公告)号：CN112147651A
公开(公告)日：2020-12-29
申请号：CN202010883589.X
申请日：2020-08-28
申请人： 江苏大学
摘要： 本发明公开了一种异步多车协同目标状态鲁棒估计方法，通过主车和协同车分别获得同一辆目标车的观测数据和自身定位数据，主车接收协同车传输的数据，主车在当前感知时刻th获得目标车的观测数据 并从缓存中取出离th时刻最近的tc时刻的协同车发送的目标车观测数据 及协同车的定位数据；将th时刻主车定位数据插值到tc时刻，并计算tc时刻协同车在主车坐标系中的坐标值 应用卡尔曼滤波器预测tc时刻协同车的状态 和协方差矩阵 目标车的状态 和协方差矩阵 根据观测数据 利用期望最大化算法计算tc时刻修正后的协同车和目标车的状态、tc时刻主车坐标系与协同车坐标系之间的夹角及th时刻修正后的目标车的状态。
-
-
-
-
-
-
-
-
-
搜索结果
152 条记录 (耗时 0.025 秒)