-
-
公开(公告)号：CN112233184B
公开(公告)日：2021-06-22
申请号：CN202010936777.4
申请日：2020-09-08
Applicant: 东南大学
Abstract: 本申请实施例公开了一种基于图像配准的激光雷达与相机标定参数校正方法及装置，属于智能驾驶环境感知领域与机器人环境感知领域。所述方法包括：在完成相机和激光雷达之间的标定参数的标定后，根据预定场景获取基准相机图像和基准点云投影图，基准点云投影图是根据基准相机图像和标定参数得到的；检测相机和激光雷达之间的相对姿态是否发生了变化；若相对姿态发生了变化，则根据基准相机图像和基准点云投影图配准得到的单应性矩阵校正标定参数。本申请实施例可以结合图像配准和原始的标定参数来校正标定参数，无需布置标定试验环境，简化了标定参数的校正流程，提高了校正效率。另外，校正后的标定参数误差小，从而提高了校正的精度。
-
公开(公告)号：CN111985394B
公开(公告)日：2021-05-28
申请号：CN202010837250.6
申请日：2020-08-19
Applicant: 东南大学
Abstract: 本发明公开了一种KITTI数据集的半自动实例标注方法及系统，涉及智能网联汽车环境感知数据标注技术领域，解决了现有实例标注效率低且人力成本高的技术问题，其技术方案要点是将待标注的KITTI数据集切分成不同的子集数据集，将子集数据集投入到第一标注网络进行预标注，得到预标注结果，使用Labelme标注软件手动修正预标注结果，得到第一标注结果。由于KITTI数据集本身具有边界框标注信息，标注网络能够利用KITTI数据集的边界框标注信息，精确定位目标位置，而无需标注人员手动框出目标位置。同时，标注人员无需全称参与标注过程，只需专注于标注结果的修正，标注效率高，节约时间和精力。
-
公开(公告)号：CN111967373B
公开(公告)日：2021-03-30
申请号：CN202010818329.4
申请日：2020-08-14
Applicant: 东南大学
Abstract: 本发明公开一种基于摄像头和激光雷达的自适应强化融合实时实例分割方法，所述方法包括：利用卷积神经网络分别提取目标的摄像头图像和激光雷达投影图的图像特征，分别得到第一图像特征和第二图像特征；自适应地分配第一图像特征和第二图像特征的权重，根据分配的第一权重对第一图像特征加权得到第三图像特征，根据分配的第二权重对第二图像特征加权得到第四图像特征，对第三图像特征和第四图像特征进行强化融合；根据所述融合后的图像特征，利用实时实例分割网络输出目标的类别、置信度、边界框、掩模，获取目标的实例分割结果。本发明能够在复杂环境下实时、精确且鲁棒地实现目标实例分割，在智能网联车辆感知领域具有广泛的应用前景。
-
公开(公告)号：CN112233184A
公开(公告)日：2021-01-15
申请号：CN202010936777.4
申请日：2020-09-08
Applicant: 东南大学
Abstract: 本申请实施例公开了一种基于图像配准的激光雷达与相机标定参数校正方法及装置，属于智能驾驶环境感知领域与机器人环境感知领域。所述方法包括：在完成相机和激光雷达之间的标定参数的标定后，根据预定场景获取基准相机图像和基准点云投影图，基准点云投影图是根据基准相机图像和标定参数得到的；检测相机和激光雷达之间的相对姿态是否发生了变化；若相对姿态发生了变化，则根据基准相机图像和基准点云投影图配准得到的单应性矩阵校正标定参数。本申请实施例可以结合图像配准和原始的标定参数来校正标定参数，无需布置标定试验环境，简化了标定参数的校正流程，提高了校正效率。另外，校正后的标定参数误差小，从而提高了校正的精度。
-
Patent Agency Ranking
公开(公告)号：CN111985394A
公开(公告)日：2020-11-24
申请号：CN202010837250.6
申请日：2020-08-19
Applicant: 东南大学
Abstract: 本发明公开了一种KITTI数据集的半自动实例标注方法及系统，涉及智能网联汽车环境感知数据标注技术领域，解决了现有实例标注效率低且人力成本高的技术问题，其技术方案要点是将待标注的KITTI数据集切分成不同的子集数据集，将子集数据集投入到第一标注网络进行预标注，得到预标注结果，使用Labelme标注软件手动修正预标注结果，得到第一标注结果。由于KITTI数据集本身具有边界框标注信息，标注网络能够利用KITTI数据集的边界框标注信息，精确定位目标位置，而无需标注人员手动框出目标位置。同时，标注人员无需全称参与标注过程，只需专注于标注结果的修正，标注效率高，节约时间和精力。
-
公开(公告)号：CN108895157B
公开(公告)日：2020-08-04
申请号：CN201810606044.7
申请日：2018-06-12
Applicant: 东南大学
Abstract: 本发明涉及一种无人驾驶拖拉机自动换挡通用装置，包括安装在拖拉机座椅下方的纵向驱动装置以及安装在拖拉机右侧挡泥板侧面的横向驱动装置；纵向驱动装置包括套设在挡杆上的纵向矩形换挡框和纵向电动推杆，纵向矩形换挡框通过螺栓与纵向电动推杆自由端固联；横向驱动装置包括套设在挡杆上的横向矩形换挡框和横向电动推杆，横向矩形换挡框通过螺栓与横向电动推杆自由端固联；在纵向电动推杆自由端和横向电动推杆自由端上分别连接线性位移传感器自由端；纵向矩形换挡框与横向矩形换挡框由下至上且相互垂直套设在挡杆上；本发明实现了无人驾驶拖拉机自动换挡精确控制，稳定可靠，安装方便，不改变拖拉机原有结构，具有通用性。
-
公开(公告)号：CN111006884A
公开(公告)日：2020-04-14
申请号：CN201911190871.3
申请日：2019-11-28
Applicant: 东南大学
IPC: G01M17/013 , G01M5/00 , G01B21/26
Abstract: 本发明公开了一种基于傅立叶变换的车轮车轴侧偏角与侧偏刚度的测量方法，包括如下步骤：求取车轴侧偏角和车轮侧偏角；获取车轮侧向力和车轴侧向力；求取车轮侧偏刚度和车轴侧偏刚度。本发明适用范围广，测量对象多样，本发明既可以应用于普通的乘用车也可以应用于复杂的铰接式车辆，既可以应用于四轮车辆也可以应用于两轮或多轮车辆；测量成本低廉，本发明无需使用先进且昂贵的光学传感器来测量车轮侧偏角和车轴侧偏角，仅需常见的车用级别轮速传感器，车轮侧向力传感器或者车轮六分力仪即可。
-
公开(公告)号：CN109446920B
公开(公告)日：2019-08-06
申请号：CN201811162491.4
申请日：2018-09-30
Applicant: 南京地铁集团有限公司 , 南京地铁建设有限责任公司 , 东南大学 , 北京全路通信信号研究设计院集团有限公司
Abstract: 本发明公开了一种基于卷积神经网络的城市轨道交通乘客拥挤程度检测方法，首先对待检测视频进行预处理，分段并提取运动残差图像，将原始图像与运动残差图像组合作为卷积神经网络算法的输入，建立至少包含一个卷积层和最大池化层的特征提取块，处理并计算原始图像和运动残差图像中包含的人群状态特征，再将人群状态特征和运动特征结合，构建至少包含一个卷积层、最大池化层和全连接层的特征融合块，进行融合处理，同时构建分类器，使用预制的带有拥挤程度标签的训练集对卷积神经网络进行训练，使分类器对待测视频中的乘客拥挤程度进行正确检测，更加全面的表征监控视频中的客流状况，实现拥挤程度的检测，提高了算法检测的准确率。
-
公开(公告)号：CN109308586A
公开(公告)日：2019-02-05
申请号：CN201811162495.2
申请日：2018-09-30
Applicant: 南京地铁集团有限公司 , 南京地铁建设有限责任公司 , 东南大学 , 北京全路通信信号研究设计院集团有限公司
CPC classification number: G06Q10/06311 , G06Q10/06316 , G06Q10/1097 , G06Q50/26 , G06Q50/30
Abstract: 本发明公开了基于进度控制管理的轨道交通应急响应程序的规划方法，包括如下步骤：（1）确定轨道交通应急响应程序的需求分析（2）构建应急组织机构（3）基于需求分析的应急响应程序规划方法准备（4）建立轨道交通应急响应程序优化模型（5）采用粒子群算法对所得的模型进行求解，得出最优的轨道交通应急响应程序的规划方法，建立了一种基于进度控制管理的轨道交通应急响应程序规划模型，可改善应急响应程序的编制效果，科学指导应急响应行动，为地铁应急管理提供决策支持。
-
-
-
-
-
-
-
-
-
Search Results
194
records
(took 0.043 seconds)
