一种基于V2X的车载无人机控制方法和装置

    公开(公告)号:CN114625174B

    公开(公告)日:2022-08-02

    申请号:CN202210511552.3

    申请日:2022-05-12

    Abstract: 本发明公开了一种基于V2X的车载无人机控制方法和装置,包括以下步骤:步骤S1:采集原始交通数据,并发送至路侧边缘计算单元MEC;步骤S2:生成结构化交通数据;步骤S3:进行周期性广播;步骤S4:得到无人机起飞等级;步骤S5:通过所述智能网联车设置的无人机伴飞灵敏度等级和所述无人机起飞等级,决定最终无人机控制策略;步骤S6:若所述无人机处于飞行状态并到达指定位置,所述无人机向所述智能网联车回传前方交通鸟瞰视频数据。本发明使用V2X技术对车载无人机进行智能调度,使车载无人机做到按需飞行、及时充电,充分提高了车载无人机使用效率,同时避免因操控无人机导致的精力分散,有助于驾驶员专注车辆驾驶。

    一种基于车辆运动学的自动驾驶车辆联合定位方法

    公开(公告)号:CN112683281B

    公开(公告)日:2021-06-04

    申请号:CN202110263051.3

    申请日:2021-03-11

    Abstract: 本发明公开一种基于车辆运动学的自动驾驶车辆联合定位方法,该方法利用双目相机及IMU获取环境及车辆运动信息进行车辆状态估计,借助车辆总线获取车辆侧偏角构建运动约束,该方法通过引入车辆本身的运动学模型,将其作为车辆在利用双目视觉和IMU惯性测量单元进行定位过程中本身运动的约束,构建车辆位姿状态估计的优化模型,迭代求解获得符合车辆运动学模型的车辆定位结果,该方法在定位优化过程中借助于运动学约束,将车辆运动学与状态估计的优化模型相结合,得到适应车辆自身运动的定位轨迹信息,有效提高了视觉惯性联合定位优化模型本身的鲁棒性和精确性,适用于自动驾驶车辆在复杂环境下的定位问题。

    基于人工智能的RAN侧网络切片管理系统和方法

    公开(公告)号:CN113507729B

    公开(公告)日:2021-12-28

    申请号:CN202111060374.9

    申请日:2021-09-10

    Abstract: 本发明公开一种基于人工智能的RAN侧网络切片管理系统和方法,该系统包括AI切片算法平台和若干基站;AI切片算法平台提供AI切片算法并发起和终止AI切片功能,基站侧通过AI Adapter模块实现基站与AI切片算法平台的交互以及对基站状态信息的收集和上报,AI切片算法实现网络资源切片分配方案,并由基站执行基于AI切片的网络资源调度。本发明在不增加现有基站硬件设备基础上,实现基于AI的RAN侧网络切片,在支持多种人工智能算法同时也兼容传统的不支持AI切片的旧基站,有助于网络的快速部署和维护;同时AI切片算法平台与多个基站相连,可对多个基站的无线资源进行联合管理和优化,在充分利用人工智能算法的基础上,提高网络资源的整体利用率和用户体验。

    一种基于背景建模和分类网络的高速路抛洒物检测方法

    公开(公告)号:CN113688812A

    公开(公告)日:2021-11-23

    申请号:CN202111251147.4

    申请日:2021-10-27

    Abstract: 本发明公开了一种基于背景建模和分类网络的高速路抛洒物检测方法,包括以下步骤:S1:获取视频流数据进行道路区域提取,得到道路区域数据;S2:对道路区域数据和视频流数据进行目标检测得到目标对象集;S3:在目标对象集中收集包含抛洒物和非抛洒物的样本,清洗、标注和增强得到包含抛洒物和非抛洒物的完整样本集;S4:分类网络模型训练,得到包含抛洒物模型和非抛洒物模型的目标检测结果分类器分类结果;S5:对目标检测结果分类器模型进行网络模型部署,并完成抛洒检测器端口的对接得到抛洒物检测结果。本发明实现动态建模,极大提高了检测精度,提高了鲁棒性。

    基于人工智能的RAN侧网络切片管理系统和方法

    公开(公告)号:CN113507729A

    公开(公告)日:2021-10-15

    申请号:CN202111060374.9

    申请日:2021-09-10

    Abstract: 本发明公开一种基于人工智能的RAN侧网络切片管理系统和方法,该系统包括AI切片算法平台和若干基站;AI切片算法平台提供AI切片算法并发起和终止AI切片功能,基站侧通过AI Adapter模块实现基站与AI切片算法平台的交互以及对基站状态信息的收集和上报,AI切片算法实现网络资源切片分配方案,并由基站执行基于AI切片的网络资源调度。本发明在不增加现有基站硬件设备基础上,实现基于AI的RAN侧网络切片,在支持多种人工智能算法同时也兼容传统的不支持AI切片的旧基站,有助于网络的快速部署和维护;同时AI切片算法平台与多个基站相连,可对多个基站的无线资源进行联合管理和优化,在充分利用人工智能算法的基础上,提高网络资源的整体利用率和用户体验。

    一种基于QR码和惯性导航融合的车辆定位方法

    公开(公告)号:CN112254722B

    公开(公告)日:2021-05-11

    申请号:CN202011519953.0

    申请日:2020-12-21

    Abstract: 本发明公开了一种基于QR码和惯性导航融合的车辆定位方法,该方法以二维码中最易于识别的QR码作为定位参考,加上相机的标定参数,得到待定位点与参考点之间的距离,再通过同时识别到的两个或两个以上的QR码,定位车辆所在的位置。QR码中包含地理位置、朝向、QR码物理宽度和高度信息,相机参数包括焦距和高度。当通过QR码定位失败时,用惯性导航系统进行短暂地过渡定位,有效地克服惯性导航系统的累积误差问题,完成车辆的连续精准定位。本发明通过低成本的QR码识别技术和成熟的惯性导航系统相结合,实现了连续地精准定位,可广泛地应用于停车场、各类园区以及GPS信号覆盖不好的室内、地下等多种场景。

    一种基于QR码和惯性导航融合的车辆定位方法

    公开(公告)号:CN112254722A

    公开(公告)日:2021-01-22

    申请号:CN202011519953.0

    申请日:2020-12-21

    Abstract: 本发明公开了一种基于QR码和惯性导航融合的车辆定位方法,该方法以二维码中最易于识别的QR码作为定位参考,加上相机的标定参数,得到待定位点与参考点之间的距离,再通过同时识别到的两个或两个以上的QR码,定位车辆所在的位置。QR码中包含地理位置、朝向、QR码物理宽度和高度信息,相机参数包括焦距和高度。当通过QR码定位失败时,用惯性导航系统进行短暂地过渡定位,有效地克服惯性导航系统的累积误差问题,完成车辆的连续精准定位。本发明通过低成本的QR码识别技术和成熟的惯性导航系统相结合,实现了连续地精准定位,可广泛地应用于停车场、各类园区以及GPS信号覆盖不好的室内、地下等多种场景。

    一种面向智能网联车的交通信号灯信息融合决策方法

    公开(公告)号:CN111932918A

    公开(公告)日:2020-11-13

    申请号:CN202011093467.7

    申请日:2020-10-14

    Abstract: 本发明涉及一种面向智能网联车的交通信号灯信息融合决策方法,该方法中路口交通信号灯状态信息通过网络对外周期广播,在网络通信范围内的智能网联车接收该信息,同时接收其他智能网联车对该信息的可信度反馈,最后将智能网联车自身感知的交通信号灯信息、网络发送的交通信号灯信息以及其他智能网联车的反馈信息三者进行融合决策,得到更高可靠和准确的交通信号灯信息。该方法对交通信号灯信息在单车上进行多重验证的同时,引入周围智能网联车的反馈验证,降低了信息在网络传输中被篡改的风险,提高了网络传输交通信号灯信息的可靠性,使得智能网联车可以获得更高可靠和准确的交通信号灯信息,大幅度提高了智能网联车在路口的安全通行能力。

Patent Agency Ranking