-
公开(公告)号：CN112466158A
公开(公告)日：2021-03-09
申请号：CN202011357563.8
申请日：2020-11-26
Applicant: 东南大学
Abstract: 本发明涉及一种面向平面交叉口的车辆碰撞风险评估及预测方法，包括以下步骤：步骤一、确定影响车辆碰撞的风险因素；步骤二、搭建并训练基于LSTM网络的车辆碰撞风险评估及预测模型；步骤三、实时评估及预测平面交叉口的车辆碰撞风险；该方法既能够实现实时的评估车辆碰撞风险，又能够实现不同时间尺度的车辆碰撞风险预测，对存在碰撞风险的相关车辆进行不同时间尺度的提前预警，能够显著减少平面交叉口车辆间交通冲突，有效提升该类道路重点区域的安全性。
-
公开(公告)号：CN111780981A
公开(公告)日：2020-10-16
申请号：CN202010436610.1
申请日：2020-05-21
Applicant: 东南大学
IPC: G01M17/007 , G06F30/15
Abstract: 本发明公开了一种智能车辆编队变道性能测评方法。首先，建立智能车辆编队变道性能测试场景。其次，根据智能车辆在编队变道过程中的运动特点，建立三自由度的非线性动力学模型。进而，利用改进的自适应无迹卡尔曼滤波算法对编队车辆的位置、速度等状态变量进行滤波估计。最后，基于准确递推的车辆运动状态参数，提出并量化编队变道性能的评价指标，构建编队变道性能的评价体系。本发明提出的方法，解决了当前缺乏编队变道性能定量测评的问题，能够高精度、全面的测量车辆运动状态参数，量化并输出了多维度的编队变道性能评价指标，实现了编队变道性能全面、准确、可靠的科学定量测评。
-
公开(公告)号：CN111645698A
公开(公告)日：2020-09-11
申请号：CN202010444573.9
申请日：2020-05-23
Applicant: 东南大学
Abstract: 本发明提出一种重载车辆侧翻阈值自适应估计方法，首先明确侧翻表征参数和影响侧翻阈值的因素并搭建侧翻阈值标定装置，然后建立用于重载车辆实车试验的多维度典型侧翻场景库，其次开展不同场景下重载车辆侧翻阈值标定试验，再次处理数据并标定出不同场景下侧翻临界状态时各车身状态参数的值，进而建立适用于侧翻阈值动态估计的神经网络，最后基于神经网络实现重载车辆侧翻阈值的自适应估计。该方法利用高精度传感器搭建侧翻阈值标定装置，可用于实车试验；总结重载车辆典型侧翻场景库，通过实车试验，制作网络训练样本训练神经网络，得到车速、整车质量和侧倾角阈值、侧向加速度阈值的映射关系，实现侧翻阈值的动态估计。
-
公开(公告)号：CN111595592A
公开(公告)日：2020-08-28
申请号：CN202010437713.X
申请日：2020-05-21
Applicant: 东南大学
IPC: G01M17/007 , G01C25/00 , G05B23/02
Abstract: 本发明公开了一种自适应巡航控制系统性能测评方法。首先，面向高等级公路，建立了基于前车车速时变的自适应巡航控制系统性能测试场景。其次，为了全面、准确的获取测试过程中的车辆运动参数，在方法论层面对测试方法进行了改进，利用改进的自适应卡尔曼滤波算法对车辆的位置、速度等运动状态参数进行精确估计。最后，基于准确递推的车辆运动状态参数，提出了多维度的自适应巡航控制系统性能评价指标并进行量化，构建了自适应巡航控制系统性能评价指标体系。本发明提出的测评方法，克服了现有方法中测试场景与实际不符、测评指标相对单一等不足，实现了复杂场景下自适应巡航控制系统性能高精度、可靠、全面的科学定量测评。
-
公开(公告)号：CN110298247A
公开(公告)日：2019-10-01
申请号：CN201910432687.9
申请日：2019-05-23
Applicant: 东南大学
Abstract: 本发明公开一种基于深度学习的道路救援装备正方位拖牵诱导方法，结合道路救援装备拖牵装置结构和作业特点，首先改进基于tiny-yolo的车牌识别网络，然后制作样本集对网络进行训练，获得网络参数，接着利用该网络对正方位作业区域图像中的被拖车车牌进行识别，最后测量道路救援装备拖牵装置被拖车之间的横向偏差，实时、稳定、可靠地诱导作业人员实施拖牵作业，从而达到提高拖牵救援效率与安全性能的目的。
-
Patent Agency Ranking
公开(公告)号：CN110009095A
公开(公告)日：2019-07-12
申请号：CN201910161405.6
申请日：2019-03-04
Applicant: 东南大学
Abstract: 本发明公开了基于深度特征压缩卷积网络的道路行驶区域高效分割方法，该方法针对当前大部分基于深度学习的道路分割方法难以同时满足准确性和实时性要求的问题，构建了深度特征压缩卷积神经网络，首先设计标准卷积层及池化层对提取的道路特征进行初步压缩，然后借助扩张卷积层能够增大感受野的优势并对其进行优化，以弥补特征初步压缩时造成的道路空间位置信息损失，进而融合分解卷积层实现深度特征压缩，最终提出参数可学习的逐层分级上采样策略对深度压缩后的特征进行解耦，而后对该网络进行训练并输入道路图像得到分割结果。本发明设计的深度特征压缩卷积神经网络在准确性和实时性之间取得了良好的平衡，实现了道路行驶区域的高效分割。
-
公开(公告)号：CN105677899B
公开(公告)日：2019-01-29
申请号：CN201610079933.3
申请日：2016-02-04
Applicant: 东南大学
Abstract: 本发明公开了一种包含道路行进方向的增强型矢量数字地图制作方法，本方法首先确定需要测绘的道路的起点和终点，利用信息采集车辆采集道路的位置信息，根据所采信息选取节点；然后通过高斯‑克吕格投影对节点进行坐标转换；将上述节点作为插值点计算道路平面线形的三次样条拟合曲线；再利用得到拟合曲线计算道路行进方向，并根据求得的方向信息对节点进行筛选；最后借助相关数字地图制作软件将经筛选的矢量数据制作生成包含道路行进方向的增强型矢量数字地图。本发明相对于一般的数字地图制作方法增加了道路行进方向属性的制作，用来拟合道路平面线形的三次样条曲线光滑性好、精度高，对道路上节点的筛选很好地降低了数字地图的数据量。
-
公开(公告)号：CN106744400A
公开(公告)日：2017-05-31
申请号：CN201611077523.1
申请日：2016-11-29
Applicant: 东南大学
CPC classification number: B66C23/88 , G06F17/5036 , G06F17/5086
Abstract: 本发明公开一种救援清障车吊臂超载预警方法，结合救援清障车结构及工作特点，通过两个低成本加速度计测量救援清障车吊臂的俯仰角和绳索的倾斜角，通过长度传感器测量吊臂的长度，通过拉力传感器测量绳索对救援清障车的拉力，然后采用卡尔曼滤波算法实时估计绳索对救援清障车在水平方向和竖直方向上的拉力，最后通过力矩平衡原理分析救援清障车是否存在吊臂超载的危险，若有危险则提前预警。本发明具有精度高、适用范围广等特点，可以为救援清障车提供全面可靠的吊臂超载监控及预警。
-
公开(公告)号：CN105785412A
公开(公告)日：2016-07-20
申请号：CN201610120726.8
申请日：2016-03-03
Applicant: 东南大学
IPC: G01S19/42
CPC classification number: G01S19/425 , G01S19/423
Abstract: 本发明公开了一种面向车辆的快速优化选星定位方法，利用全球定位系统(Global Positioning System，GPS)和北斗卫星导航系统(BeiDou Navigation Satellite System，BDS)双模实现车辆的准确、实时定位，主要有如下步骤：通过载波信噪比值完成卫星的第一级筛选；利用误差模型校正伪距测量值；接收星历数据解算卫星位置；进行GPS及北斗双模伪距定位解算，初步求解车辆位置；计算卫星的高度角和方位角；结合第二级选星算法继续对卫星进行筛选；再次进行GPS及北斗双模伪距定位解算，最终确定车辆在当前时刻的位置；本发明的方法与传统的基于GPS或北斗的单模车辆导航定位相比，定位精度更高，系统容错性和可靠性更好。
-
公开(公告)号：CN105608985A
公开(公告)日：2016-05-25
申请号：CN201510989858.X
申请日：2015-12-24
Applicant: 东南大学
IPC: G09B29/00
CPC classification number: G09B29/008 , G09B29/006
Abstract: 本发明公开了一种带有道路纵向坡度的增强型数字矢量地图制作方法，本方法首先选定道路，确定道路起始点与终点；通过搭载了卫星定位系统和纵向加速度传感器的车辆，采集道路的位置、车辆的状态信息；然后将经纬度坐标转化为平面坐标，并将转化后平面坐标表示的位置作为道路的节点；通过基于多传感器信息的道路纵向坡度估计算法，估计出每个节点位置的道路纵向坡度；最后将节点位置以及纵向坡度信息，利用数字地图制作软件制作成带有道路纵向坡度的增强型数字矢量地图。
-
-
-
-
-
-
-
-
-
Search Results
186
records
(took 0.027 seconds)
