-
公开(公告)号：CN113139446B
公开(公告)日：2024-02-06
申请号：CN202110391084.6
申请日：2021-04-12
Applicant: 长安大学
IPC: G06V20/56 , G06V10/26 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/0442 , G06N3/0455 , G06N3/0495 , G06N3/082
Abstract: 本发明公开了一种端到端自动驾驶行为决策方法、系统及终端设备，属于自动驾驶领域。通过嵌入注意力机制的卷积神经网络提取场景空间位置特征，构建空间特征提取网络，准确解析场景目标空间特征及语义信息；通过嵌入时间注意力机制的长短期记忆网络编码‑解码结构捕捉场景时间上下文特征，构建时间特征提取网络，理解记忆场景时间序列信息；本发明综合场景空间信息与时间序列信息，同时结合注意力机制为关键视觉区域和运动序列赋予较高权重，使得预测过程更符合人类驾驶员的驾驶习惯，预测结果更加准确。(56)对比文件杜圣东;李天瑞;杨燕;王浩;谢鹏;洪西进.一种基于序列到序列时空注意力学习的交通流预测模型.计算机研究与发展.2020,(第08期),全文.王军;鹿姝;李云伟.融合注意力机制和连接时序分类的多模态手语识别.信号处理.2020,(第09期),全文.胡学敏;童秀迟;郭琳;张若晗;孔力.基于深度视觉注意神经网络的端到端自动驾驶模型.计算机应用.2020,(第07期),全文.
-
公开(公告)号：CN116916276A
公开(公告)日：2023-10-20
申请号：CN202310859878.X
申请日：2023-07-13
Applicant: 长安大学
Abstract: 本发明涉及智能交通技术领域，尤其涉及一种智慧高速车路协同系统的测试系统和测试方法，测试系统包括：数字孪生测试系统和车载测试设备。其中，数字孪生测试系统包括测试场景生成子系统、测试场景数字孪生子系统和测试评价子系统；车载测试设备，用于根据动态数字孪生虚拟测试场景、路侧感知信息、车路协同信息和车辆运行状态生成车端融合感知信息；测试评价子系统，用于根据车端融合感知信息对待测车路协同系统的性能进行评价。依据本申请提供的测试系统可以对待测车路协同系统的安全性和可靠性进行准确的评价，保证待测车路协同系统在正式投入使用后的安全性。
-
公开(公告)号：CN115063975B
公开(公告)日：2023-07-11
申请号：CN202210648480.7
申请日：2022-06-09
Applicant: 长安大学
IPC: G08G1/01 , G06N3/0464 , G06N3/08
Abstract: 本发明属于交通控制技术领域，公开了一种短时交通流数据预测方法、系统、计算机设备及存储介质，包括：获取待预测区域以及待预测区域各相关区域的历史交通流数据；根据待预测区域的历史交通流数据，得到待预测区域当前时段的周期性交通流数据，以及结合待预测区域各相关区域的历史交通流数据，通过预设的时空特征选择方法，得到待预测区域的最优相关历史交通流数据；获取待预测区域当前时段的外部特征影响因素数据，并将待预测区域当前时段的外部特征影响因素数据、当前时段的周期性交通流数据及最优相关历史交通流数据输入预设的交通流预测模型，得到待预测区域的交通流数据短时预测值，有效提升了短时交通流数据预测的准确性。
-
公开(公告)号：CN111339967B
公开(公告)日：2023-04-07
申请号：CN202010131268.4
申请日：2020-02-28
Applicant: 长安大学
IPC: G06V40/10 , G06V10/46 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多视域图卷积网络的行人检测方法，采用卷积神经网络从待处理图像进行特征提取，对提取的特征图像进行多次池化、卷积处理得到预处理特征图像，然后采用多视域池化金字塔提取中得到的预处理特征图像的多尺度特征信息特征图，然后进行人体图卷积得到多个人体图卷积后的特征图，采用Nbox个锚点的预测框分别对人体图卷积后的特征图中的人体目标区域进行预测并识别，完成预测框及预测类别概率值，使用最大池化构建多视域特征金字塔，提高了检测效率，本发明能够有效且高效地处理行人检测中的尺度变化和遮挡问题。
-
公开(公告)号：CN114970321A
公开(公告)日：2022-08-30
申请号：CN202210461605.5
申请日：2022-04-28
Applicant: 长安大学
Abstract: 本发明公开了一种基于动态轨迹流的场景流数字孪生方法及系统，首先提出一种检测跟踪一体化多模态融合感知增强网络，在大幅度提高网络处理速度的同时，实现目标语义轨迹的精准提取与辨识；并提出一种结合道路布局与交通力耦合关系的目标轨迹预测方法，建模场景中语义的时序演变规律，实现交通运行环境中的目标轨迹预测；基于轨迹提取和语义辨识以及预测的运动轨迹，对中观层面交通态势的时序演变规律建模，获取基于真实目标动态轨迹流的场景流数字孪生。本发明能够有效实现目标语义轨迹的精准提取与辨识，同时可视化场景流数字孪生，为精准化交通管控服务提供决策支持。
-
Patent Agency Ranking
公开(公告)号：CN108833833B
公开(公告)日：2021-02-02
申请号：CN201810636310.0
申请日：2018-06-20
Applicant: 长安大学
Abstract: 本发明公开了发明面向智能网联汽车场景图像数据感知与协同处理系统，通过单移动智能体图像数据感知与处理装置、路侧基础设施装置和远程服务器实现图像数据感知与协同处理系统，单移动智能体图像数据感知与处理装置中车载图像处理平台通过完成目标检测与识别、场景流估计等算法实现单视角图像数据处理；利用路侧基础设施装置中路侧图像处理平台通过完成目标检测与识别、图像融合等算法实现俯视视角图像数据处理与多视角图像融合处理，本发明结构简单，系统构成稳定，图像数据处理效率高，通信数据传输速度快且稳定，可以实现城市复杂交叉口路段先验地图绘制、智能网联车辆协同通行控制与引导等，加快推动智能网联汽车产业的落地实现。
-
公开(公告)号：CN106529391B
公开(公告)日：2019-06-18
申请号：CN201610810614.5
申请日：2016-09-08
Applicant: 长安大学
Abstract: 本发明公开了一种鲁棒的限速交通标志检测与识别方法，首先建立多特征融合的显著性模型，再通过对每一层的多特征融合显著性模型进行更新与迭代，得到层次显著性度图；然后对多层显著度图进行求解，得到最优显著度图，并在最优显著图上获得ROI，将获得的ROI送入基于超像素预训练好的CNN模型中，对ROI进行分类，给出识别结果；本发明算法基于先验位置与边界特征的显著性模型能够更好地突出两侧的交通标志，通过多层次融合后的显著度图有效地利用了图像的结构信息，且保留了圆形标志内的诸多小尺度细节信息，使目标更完整均匀，有利于提高识别的效率与精度。
-
公开(公告)号：CN109241865A
公开(公告)日：2019-01-18
申请号：CN201810925021.2
申请日：2018-08-14
Applicant: 长安大学
Abstract: 本发明公开了一种弱对比度交通场景下的车辆分割算法方法，通过确定交通场景下的车辆分割任务建立分割目标的数据库，并训练全卷积神经网络语义分割模型通过训练好的全卷积神经网络的对弱对比度交通场景下的前方车辆进行初步分割，从而得到车辆的概率图与分割结果接着对分割结果图进行平滑滤波及去噪操作，去除因为语义分割中反卷积操作而造成的噪点和微小空洞接着将去噪后的分割结果图映射回原图，对原图进行均值漂移语义分割从而得到细化的分割结果，最后将卷积神经网络模型的分割结果、均值漂移分割得到分割结果与卷积神经网络得到的前车概率图按照合并规则进行区域合并，从而实现弱对比度交通环境下的车辆细化分割。
-
公开(公告)号：CN105005989B
公开(公告)日：2018-02-13
申请号：CN201510374899.8
申请日：2015-06-30
Applicant: 长安大学
IPC: G06T7/10
Abstract: 本发明公开了一种弱对比度下的车辆目标分割方法，步骤1：对训练图像采用多示例学习的方法进行显著模型建模；然后利用显著模型对测试图像中的包和示例进行预测，得到测试图像的显著度图；步骤2：将测试图像的显著度引入图割框架，依据示例特征矢量与示例包的标记对图割框架进行优化，求解图割优化的次优解，得到目标的精确分割。本发明的借鉴人类的视觉注意机制，结合基于图论的图像分割方法，建立一种基于视觉显著性特征的车辆目标分割模型，不仅能在良好环境条件下准确分割完整车辆，并且具有一定的适应性和鲁棒性，能在夜间环境、阴影遮挡情况下较为准确地分割出交通场景中的弱对比度车辆目标。
-
公开(公告)号：CN106529391A
公开(公告)日：2017-03-22
申请号：CN201610810614.5
申请日：2016-09-08
Applicant: 长安大学
CPC classification number: G06K9/00818 , G06K9/6267
Abstract: 本发明公开了一种鲁棒的限速交通标志检测与识别方法，首先建立多特征融合的显著性模型，再通过对每一层的多特征融合显著性模型进行更新与迭代，得到层次显著性度图；然后对多层显著度图进行求解，得到最优显著度图，并在最优显著图上获得ROI，将获得的ROI送入基于超像素预训练好的CNN模型中，对ROI进行分类，给出识别结果；本发明算法基于先验位置与边界特征的显著性模型能够更好地突出两侧的交通标志，通过多层次融合后的显著度图有效地利用了图像的结构信息，且保留了圆形标志内的诸多小尺度细节信息，使目标更完整均匀，有利于提高识别的效率与精度。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.033 seconds)
