-
公开(公告)号：CN117788225A
公开(公告)日：2024-03-29
申请号：CN202311850204.X
申请日：2023-12-29
申请人： 重庆交通大学 , 重庆愉客行网络有限公司
IPC分类号： G06Q50/14 , G06Q10/04 , G06F18/241 , G06F16/951 , G06N3/04
摘要： 本发明涉及一种引入网络信息影响因素的乘客出行预测方法，属于信息化领域。该方法包括以下步骤：S1：利用Scrapy在社交网络数据中爬取包含有目的地、途经道路和出行工具的文本信息；S2：采用BERT深度学习模型对爬取到的文本信息进行结构化处理；S3：构建出行预测模型；S4：将一组数据作为神经网络结构中的输入层数据，数据在出行预测模型内部进行传输和计算，最后通过输出层输出结果。
-
公开(公告)号：CN116660963A
公开(公告)日：2023-08-29
申请号：CN202310433428.4
申请日：2023-04-21
申请人： 重庆交通大学 , 重庆市佰强科技有限公司
摘要： 本发明涉及一种隧道群场景下车辆定位方法，属于车辆定位技术领域。该方法分为以下三种情况：车辆在隧道外：当GPS信号存在时，利用GPS数据、IMU数据和视觉里程计数据进行车辆定位，简称G‑I‑V定位方法；当GPS信号弱，即GPS信号丢失时间小于时间间隔时，利用IMU数据以及视觉里程计数据进行车辆定位，简称V‑I定位方法；车辆在隧道内：当GPS信号丢失时间大于时间间隔时，即判断车辆进入隧道，利用伪卫星数据、IMU数据以及视觉里程计数据进行车辆定位，简称PL‑V‑I定位方法。本发明能提高隧道场景下车辆定位系统的精确度及鲁棒性。
-
公开(公告)号：CN115909274A
公开(公告)日：2023-04-04
申请号：CN202211502567.X
申请日：2022-11-28
申请人： 重庆交通大学
IPC分类号： G06V20/58 , G06V20/56 , G06V20/70 , G06V10/26 , G06T7/73 , G06V10/74 , G06V10/82 , G06N3/0464
摘要： 本发明涉及一种面向自动驾驶的动态障碍物检测方法，属于自动驾驶技术领域。该方法结合二维图像数据与三维点云数据，利用深度学习算法，通过两种数据的检测结果对比融合，实现三维障碍物检测。利用语义分割网络，对摄像机采集到的二维图像进行处理，把车道和障碍物数据提取出来，并提取障碍物在图像上的相对位置。再将图像坐标转换为世界坐标。同时利用点云数据，通过三D目标检测网络进行障碍物检测，提取障碍物与激光雷达的相对位置，计算障碍物在激光扫描仪坐标上的位置。最后将激光扫描仪坐标进行旋转平移，与世界坐标相对比，将两种数据的检测结果进行匹配。本发明能减少冗余数据、降低检测时间、提高检测精度的效果。
-
公开(公告)号：CN117253355A
公开(公告)日：2023-12-19
申请号：CN202310041295.6
申请日：2023-01-11
申请人： 重庆交通大学 , 重庆市佰强科技有限公司
IPC分类号： G08G1/01 , G08G1/04 , G08G1/048 , G08G1/0967 , G08G1/0968 , G08G1/16 , G06V20/58 , G06V20/56 , G06V20/70 , G06V10/80 , G06V10/82 , G06N3/082 , G06N3/048 , G06N3/0464 , G06N3/0455
摘要： 本发明提供一种复杂路口下交通信号灯检测与识别方法及系统，所述方法包括：通过车载摄像头拍摄出带有交通信号灯的图片、带有车道线和路面的标志标识的图片；将车载摄像头和激光测距雷达配合感知车辆与周围障碍物的距离；在车辆启动前输入目的地生成导航线路，判断在交叉路口是左转、右转、还是直行；使用深度学习算法进行车道线检测，通过车道线检测结果和摄像头视角反推车辆具体在哪个车道，引导车辆行驶在正确车道上；采用深度学习算法从带有交通信号灯的图片中检测出交通信号灯图像；对红绿灯信号进行识别与语义理解。本发明通过改进深度学习网络模型，改进实时车道线检测方法的SegNet算法，减少了模型运行时间，并具有很高的检测精度。
-
公开(公告)号：CN116246228A
公开(公告)日：2023-06-09
申请号：CN202310039896.3
申请日：2023-01-11
申请人： 重庆交通大学 , 重庆市佰强科技有限公司
IPC分类号： G06V20/54 , G06V10/26 , G06V10/40 , G06V10/82 , G06V10/778
摘要： 本发明提供一种基于遥感图像的车道空间占有率测量方法，包括：使用ResNet50作为LinkNet的图像特征提取结构，采用三层残差单元、两个1*1的卷积核和一个3*3的卷积核；在LinkNet中心区域加入空洞卷积；在ResNet50输出层引入二元交叉熵损失函数；收集包含有道路和车辆的图像作为数据集训练改进的LinkNet；把遥感图像图片输入训练好的LinkNet得到分割出车辆和道路的像素格图像；计算车辆长度和道路长度；计算车辆长度的总和与道路长度的比值，求得车道空间占有率。本发明通过改进LinkNet网络使得分割出道路图像和车辆图像的精度更高，提高了测量效果和计算精确度，而且降低了测量成本。
-
公开(公告)号：CN116879571A
公开(公告)日：2023-10-13
申请号：CN202310845337.1
申请日：2023-07-11
申请人： 重庆交通大学 , 重庆市佰强科技有限公司
摘要： 本发明涉及一种基于外极面图像的车速检测方法，属于自动驾驶领域。该方法包括：S1：定期捕获车辆前方道路的图像，获取时空间距离图像；S2：将获得的时空间距离图像的曲线簇面划分为若干部分；S3：获取的各个部分对应的曲线；S4：通过对其解析微分得到各个部分的速度曲线；S5：全区间速度曲线的生成，根据特征点的位移量，计算出车辆速度。本发明基于视觉运动学原理，利用车载摄像头以及距离传感器获取的图像，通过观测图像中特征点的运动情况计算出车辆的速度。与现有的基于物理传感器的速度检测方法相比，该方法成本更低，但原理简单，精度也较高。该方法可以单独使用，也可以与其他传感器的数据结合，提高检测精度和稳定性。
-
公开(公告)号：CN116878500A
公开(公告)日：2023-10-13
申请号：CN202310845318.9
申请日：2023-07-11
申请人： 重庆交通大学 , 重庆市佰强科技有限公司
摘要： 本发明涉及一种车辆实时运动姿态高精度检测方法，属于自动驾驶领域。首先用第一个状态矢量的测量值来刷新所有的预测值和实际测量值，并用这些值来预测下一个的位置；对于没有定位数据输出的时刻，用有数据输出时刻估计的线性和二次预测系数外推定位数据，并进行凸线性联合预测得到没有输出数据时的定位数据；对于有定位数据输出的时刻，用有数据输出时刻估计的线性和二次预测系数，并进行凸线性联合预测得到有输出数据时的定位数据。本发明利用军工级高精度陀螺仪和加速度计输出数据，再结合GNSS输出数据，基于卡尔曼滤波器不断修正数据、实时输出精准数据，达到低成本高精度的效果，并且该方法比其他扩展的卡尔曼滤波器的方法更容易实现。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.038 秒)
