-
公开(公告)号：CN110853078B
公开(公告)日：2023-07-04
申请号：CN201911047363.X
申请日：2019-10-30
Applicant: 同济大学
IPC: G06T7/277
Abstract: 本发明涉及一种基于遮挡对的在线多目标跟踪方法，包括以下步骤：初始化卡尔曼预测轨迹；按时间顺序获取图像检测结果，将当前图像检测结果与上一帧的跟踪轨迹进行匹配，判断是否匹配成功；若存在未匹配的跟踪轨迹，则计算图像检测结果与所述未匹配的跟踪轨迹的面积覆盖率，若存在最大的面积覆盖率大于设定阈值，则基于最大的面积覆盖率对应的图像检测结果生成遮挡对，存储至遮挡对列表；若存在未匹配的检测结果，则利用卡尔曼预测结果和遮挡对列表对所述未匹配的检测结果进行重识别，更新卡尔曼预测轨迹；全局更新卡尔曼预测轨迹和遮挡对。与现有技术相比，本发明具有精度高、速度快等优点。
-
公开(公告)号：CN115257732A
公开(公告)日：2022-11-01
申请号：CN202210773293.1
申请日：2022-07-01
Applicant: 同济大学
Abstract: 本发明涉及一种基于观测的含未知输入时延的多智能车辆协同控制方法，包括：构建含有未知输入时延的智能车辆运动学模型；基于智能车辆运动学模型以及多智能车辆的拓扑架构建立多智能车辆系统模型；通过输出反馈观测器获取智能车辆的观测值，将观测值输入多智能车辆协同控制器；离线获取多智能车辆协同控制器的若干类离线参数，通过多智能车辆系统模型的自适应切换策略在线切换若干类离线参数，直至多智能车辆系统模型的稳定器稳定，获得出每辆智能车辆的未知输入时延；将未知输入时延输入多智能车辆协同控制器，实现对多智能车辆的纵向控制。与现有技术相比，本发明具有抗干扰能力强、稳定性强、安全性高等优点。
-
公开(公告)号：CN112947415A
公开(公告)日：2021-06-11
申请号：CN202110106188.8
申请日：2021-01-26
Applicant: 同济大学
IPC: G05D1/02
Abstract: 本发明涉及一种基于障碍物语义信息的室内路径规划方法，具体为：获取室内三维地图，根据室内三维地图获取室内障碍物的语义信息；根据障碍物的语义信息，通过分类决策树评估获得障碍物的危险等级，根据室内三维地图和障碍物的危险等级生成危险等级三维地图；对危险等级三维地图中高度低于机器人高度的部分进行垂直投影，生成二维栅格地图；通过权重函数计算二维栅格地图中各个栅格的通行代价，生成代价地图；在二维栅格地图上选择初始栅格和结束栅格，通过评估函数在代价地图上生成一条从初始栅格至结束栅格的总通行代价最小的规划路径，机器人按照规划路径在室内行走。与现有技术相比，本发明具有准确性高、安全性好和容错率高等优点。
-
公开(公告)号：CN111402310A
公开(公告)日：2020-07-10
申请号：CN202010132201.2
申请日：2020-02-29
Applicant: 同济大学
Abstract: 本发明涉及一种基于深度估计网络的单目图像深度估计方法及系统，该方法具体为：构建深度估计网络，将目标图像输入训练好的深度估计网络，获得目标图像深度图；所述的训练过程中采用相机位姿估计步骤；所述的深度估计网络包括编码器和解码器，所述的编码器包括5层编码模块，每层编码模块基于ResNeXt50模型构建，所述的解码器包括5层包含跳跃连接的解码模块。与现有技术相比，本发明具有精度高、鲁棒性强等优点。
-
公开(公告)号：CN108229730A
公开(公告)日：2018-06-29
申请号：CN201711374968.0
申请日：2017-12-19
Applicant: 同济大学
Abstract: 本发明涉及一种基于模糊奖励的无人驾驶车辆轨迹生成方法，包括以下步骤：1)获取多条示教车辆的轨迹信息，并统计轨迹信息中轨迹特征的特征期望；2)在无人驾驶车辆运行过程中，根据特征期望获取当前空间状态下的奖励值；3)根据每个空间状态下的奖励值在空间中选择轨迹点坐标，拟合后形成最终的无人驾驶车辆的车辆轨迹。与现有技术相比，本发明具有规律统计、具有健壮的迁移能力、简单易操作、贴近示教、适用于小数据集等优点。
-
Patent Agency Ranking
公开(公告)号：CN105606381B
公开(公告)日：2017-12-26
申请号：CN201610058593.6
申请日：2016-01-28
Applicant: 同济大学
IPC: G01M17/04
Abstract: 本发明涉及一种分布式滤波网络系统及设计方法。该系统包括：滤波器网络单元：包括分布于不同物理站点的滤波器；传感器采样单元：包括车载传感器和滤波传感器，车载传感器内嵌于汽车悬架系统并采集其状态信息，滤波传感器内嵌于各滤波器内并采集该滤波器与设定的相邻滤波器的交流信息；事件触发单元：包括与各滤波器对应的事件触发器，各事件触发器分别决定对应滤波器事件发生时刻；在事件发生时刻，滤波器接收对应车载传感器采集的汽车悬架系统状态信息以及设定相邻的滤波器的交流信息，否则该滤波器不动作。与现有技术相比，本发明既能满足多终端同时获得数据的需求，又能有效防止滤波器网络崩溃，且能耗低、效率高、稳定性强。
-
公开(公告)号：CN107220416A
公开(公告)日：2017-09-29
申请号：CN201710321281.4
申请日：2017-05-09
Applicant: 同济大学
IPC: G06F17/50
CPC classification number: G06F17/5009 , G06F17/5095
Abstract: 本发明涉及一种全车主动悬架系统自适应backstepping控制器设计方法，该方法包括如下步骤：(1)建立全车主动悬架非线性模型；(2)确定自适应backstepping控制器，所述的自适应backstepping控制器包括前右悬架控制器、前左悬架控制器、后右悬架控制器以及后左悬架控制器，各控制器分别连接对应悬架的执行器；(3)确定自适应控制目标；(4)结合全车主动悬架非线性模型和自适应控制目标确定自适应backstepping控制器的控制律。与现有技术相比，本发明在改善汽车驾驶舒适性的同时，汽车驾驶安全、悬架行程和执行器饱和现象等都能得到满足，设计的控制器控制更加准确可靠。
-
公开(公告)号：CN103781194B
公开(公告)日：2017-09-26
申请号：CN201210399185.9
申请日：2012-10-18
Applicant: 同济大学
IPC: H04W84/18
Abstract: 本发明涉及一种基于耗散结构的车联网大规模网络动态演化方法，该方法首先根据耗散结构理论获取车联网的网络状态熵，用于表示车联网网络状态的无序程度，然后采用自适应机制、自调节机制和自愈合机制调整车联网的网络状态，使得车联网的网络状态向远离平衡态跃迁，降低车联网网络状态的无序程度。与现有技术相比，本发明将耗散结构理论应用于车联网大规模网络的动态演化上，考虑了大规模新型车联网环境下随着需求和环境的变化弹性构建满足当前任务的需求网络问题，其适用于大规模的开放系统。
-
公开(公告)号：CN107124158A
公开(公告)日：2017-09-01
申请号：CN201710195823.8
申请日：2017-03-29
Applicant: 同济大学
Abstract: 本发明涉及一种基于对数量化的无线传感器网络滤波信息处理系统及方法，该系统包括：分别对应设置l个传感器、事件触发器、滤波器和量化器的传感器采样单元、事件触发单元、分布式滤波单元和量化单元，对应的1个传感器、事件触发器、滤波器和量化器依次连接，形成l组独立的滤波信息处理链路，l组滤波信息处理链路输出端连接有融合单元；传感器分别获取l个观测变量，传感器测得的观测变量进行事件触发输出至滤波器，滤波器进行系统状态变量估计，量化器进行量化，融合单元对l组状态变量量化估计值进行融合得到状态变量估计值。与现有技术相比，本发明能够实现信号有效地传输，降低传输数据量、减少网络拥塞、丢包等现象，提高系统性能。
-
公开(公告)号：CN105487384A
公开(公告)日：2016-04-13
申请号：CN201610058585.1
申请日：2016-01-28
Applicant: 同济大学
IPC: G05B13/04
CPC classification number: G05B13/042
Abstract: 本发明涉及一种基于事件触发机制的整车悬架控制系统，所述的整车悬架包括四个主动悬架，该控制系统包括依次连接的事件触发装置、状态观测器、控制器和零阶保持器，整车悬架输出端连接事件触发装置，所述的零阶保持器连接至整车悬架输入端形成控制回路，所述的事件触发装置包括分别对应四个主动悬架的触发器，各触发器根据设定的事件触发条件触发工作，将对应的主动悬架输出信息传输至状态观测器，状态观测器将观测的状态信息传输至控制器，控制器根据状态观测器观测的状态信息输出相应的控制力，进而控制对应的主动悬架工作。与现有技术相比，本发明具有数据传递次数少、节约资源、控制成本低，实用性强、安全性高等优点。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.037 seconds)
