-
公开(公告)号：CN117237901B
公开(公告)日：2024-06-18
申请号：CN202311514562.3
申请日：2023-11-15
Applicant: 深圳市城市交通规划设计研究中心股份有限公司
IPC: G06V20/56 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0475 , G06N3/08
Abstract: 本发明提出一种跨域自适应的自动驾驶场景数据生成方法，属于数据生成技术领域。包括：采集自动驾驶场景数据图像；对X时域图像数据和Y时域图像数据进行跨域编码，提取数据的特征，生成数据域的特征向量；进行反向解码，进行数据的恢复；生成自编码器，重构输出；对自动驾驶场景数据图像区域进行结构化意识表征；对自编码器进行权重参数共享；构建时域模型；构建图像鉴别模型；生成器与鉴别器共同组合为生成对抗网络；构建循环一致性结构；构建跨域自适应的迁移模型；对跨域自适应的迁移模型进行训练优化；将原始图像输入至跨域自适应的迁移模型，输出生成场景图像。本发明解决自动驾驶领域中场景数据不足问题。
-
公开(公告)号：CN117237901A
公开(公告)日：2023-12-15
申请号：CN202311514562.3
申请日：2023-11-15
Applicant: 深圳市城市交通规划设计研究中心股份有限公司
IPC: G06V20/56 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0475 , G06N3/08
Abstract: 本发明提出一种跨域自适应的自动驾驶场景数据生成方法，属于数据生成技术领域。包括：采集自动驾驶场景数据图像；对X时域图像数据和Y时域图像数据进行跨域编码，提取数据的特征，生成数据域的特征向量；进行反向解码，进行数据的恢复；生成自编码器，重构输出；对自动驾驶场景数据图像区域进行结构化意识表征；对自编码器进行权重参数共享；构建时域模型；构建图像鉴别模型；生成器与鉴别器共同组合为生成对抗网络；构建循环一致性结构；构建跨域自适应的迁移模型；对跨域自适应的迁移模型进行训练优化；将原始图像输入至跨域自适应的迁移模型，输出生成场景图像。本发明解决自动驾驶领域中场景数据不足问题。
-
公开(公告)号：CN113380043B
公开(公告)日：2022-01-14
申请号：CN202110922683.6
申请日：2021-08-12
Applicant: 深圳市城市交通规划设计研究中心股份有限公司
Abstract: 本发明提出一种基于深度神经网络计算的公交到站时间预测方法，属于公共交通信息处理技术领域。具体包括，首先对交通数据进行预处理；其次，提取分段交通信息，得到路段交通特征；再其次，扩大路段交通特征的样本量；再其次，对各类路段历史行驶时间数据使用注意力机制模型做多路段的历史特征提取和信息选取；再其次，将选取的特征向量输入全连接层使用均方误差为损失函数训练注意力机制模型；最后，得到预测公交到站的时间。解决了现有技术中存在的公交车到站时间预测不精准的技术问题，实现了公交站点间到站时间预测更具有实时性以及精确性的技术效果。
-
公开(公告)号：CN113706586A
公开(公告)日：2021-11-26
申请号：CN202111268395.X
申请日：2021-10-29
Applicant: 深圳市城市交通规划设计研究中心股份有限公司
IPC: G06T7/292
Abstract: 本发明公开了一种基于多点位感知的目标跟踪方法及装置、存储介质，所述方法包括：根据目标检测信息判断盲区邻接感知区域是否存在进入预设区域的跟踪目标；若是，则预测跟踪目标进入的第一感知区域及进入时间；基于进入时间生成预测到达时段，确定在预测到达时段内进入第一感知区域的所有新增目标；分别获取每个新增目标和跟踪目标的特征向量，基于特征向量分别计算每个新增目标和跟踪目标的相似度；选取相似度最高且与跟踪目标的相似度大于预设相似阈值的新增目标作为待更新目标，将跟踪目标的目标编号作为待更新目标的目标编号。本发明可实现跨盲区的目标匹配，提高目标跟踪成功率。
-
公开(公告)号：CN113381926A
公开(公告)日：2021-09-10
申请号：CN202110922682.1
申请日：2021-08-12
Applicant: 深圳市城市交通规划设计研究中心股份有限公司
IPC: H04L12/58 , H04L29/08 , G06F16/215 , G06F16/29
Abstract: 本发明提出一种车路协同数据资源管理方法、装置及存储介质，属于公共交通信息处理技术领域。具体包括，首先OBU端分发车辆自身的实时状态消息至RSU端，RSU端分发自身存储的消息至OBU端；其次，对RSU端消息集进行管理；再其次，对OBU端消息集进行管理。解决了现有技术中存在的车路协同应用场景的准确度低和效率低的技术问题。明确了各类消息的存储方法和清空方法，提高设备资源利用率，降低不同厂家设备对接的开发成本，加强车路协同应用场景实现效果。降低RSU/OBU设备数据处理复杂度，减少内存消耗，提高车路协同应用场景触发的准确度和效率。
-
Patent Agency Ranking
公开(公告)号：CN113706586B
公开(公告)日：2022-03-18
申请号：CN202111268395.X
申请日：2021-10-29
Applicant: 深圳市城市交通规划设计研究中心股份有限公司
IPC: G06T7/292
Abstract: 本发明公开了一种基于多点位感知的目标跟踪方法及装置、存储介质，所述方法包括：根据目标检测信息判断盲区邻接感知区域是否存在进入预设区域的跟踪目标；若是，则预测跟踪目标进入的第一感知区域及进入时间；基于进入时间生成预测到达时段，确定在预测到达时段内进入第一感知区域的所有新增目标；分别获取每个新增目标和跟踪目标的特征向量，基于特征向量分别计算每个新增目标和跟踪目标的相似度；选取相似度最高且与跟踪目标的相似度大于预设相似阈值的新增目标作为待更新目标，将跟踪目标的目标编号作为待更新目标的目标编号。本发明可实现跨盲区的目标匹配，提高目标跟踪成功率。
-
公开(公告)号：CN113378305B
公开(公告)日：2022-02-01
申请号：CN202110922669.6
申请日：2021-08-12
Applicant: 深圳市城市交通规划设计研究中心股份有限公司
IPC: G06F30/15 , G06F30/20 , G06F11/36 , G06F16/901
Abstract: 本发明提出一种基于无人驾驶小车的车路协同测试方法、装置；属于人工智能技术领域。具体包括，首先采集路侧信息和车载信息；其次，将采集到的路侧信息和车载信息存储至测试场景数据库中；再其次，从测试场景数据库中导出测试场景，创建虚拟仿真测试环境，开始测试；最后，记录测试数据，评价测试场景并生成测试评价报告。解决了现有技术中存在的测试成本高、测试难以还原真实的车辆运动状态的技术问题。实现了不仅建设成本低廉，测试场景覆盖率百分百，同时可以反复测试，满足行业测试条例要求，还可以为后续基于无人驾驶小车的车路协同算法改进提供数据支持。
-
公开(公告)号：CN113378803B
公开(公告)日：2022-01-07
申请号：CN202110922585.2
申请日：2021-08-12
Applicant: 深圳市城市交通规划设计研究中心股份有限公司
Abstract: 本发明提出一种道路交通事故检测方法、装置、计算机及存储介质，涉及一种交通事故检测方法，属于图像识别技术领域。具体包括，首先输入视频帧，识别视频中的车辆，计算车辆速度、车辆加速度和车头朝向角；其次，将车辆速度、车辆加速度和车头朝向角的时域信号转换为时频信号；再其次，将时频图输入至Resnet50网络中进行训练；最后，提取特征，根据车辆速度、车辆加速度和车头朝向角时频图特征和正常情况下的车辆速度、车辆加速度和车头朝向角时频图特征对比，判断交通事故的发生。解决了现有技术中存在的道路交通事故检测效果不稳定、识别效果不精准的技术问题。实现了对道路交通事故的精准判断，本发明适用性更强，泛化能力更强。
-
公开(公告)号：CN113409361A
公开(公告)日：2021-09-17
申请号：CN202110922602.2
申请日：2021-08-12
Applicant: 深圳市城市交通规划设计研究中心股份有限公司
Abstract: 本发明提出一种多目标跟踪方法、装置、计算机及存储介质，属于人工智能技术领域。具体包括，首先将视频输入至融合检测关联模块中，进行降采样处理获得特征图，将特征图输入至差异计算网络中，获得差异特征；其次，用深度学习中多任务学习方法得到目标类别、目标位置信息和同一目标在不同视频帧中相同的trackID；根据连续帧中目标运动轨迹信息，用轨迹预测模块预测当前帧目标可能出现的位置，为融合检测关联模块提供参考。最后，输出多目标跟踪信息。解决了解决现有技术中存在的目标跟踪效率低、目标容易丢失、目标ID易变化的技术问题，提高了多目标跟踪的效率以及避免目标跟踪的丢失。
-
公开(公告)号：CN113379805A
公开(公告)日：2021-09-10
申请号：CN202110922670.9
申请日：2021-08-12
Applicant: 深圳市城市交通规划设计研究中心股份有限公司
Abstract: 本发明提出一种交通节点的多信息资源融合处理方法、计算机及存储介质，属于人工智能技术领域。具体包括，首先，对区域内各个点位传感器的目标检测，将感知目标坐标还原该点位的世界坐标系；其次，在时间同步的基础上将感知目标融合到坐标系内上一个融合时间点的跟踪目标队列中，实现跟踪队列更新；再其次，将不同点位检测结果进行匹配，形成整个区域内的目标感知融合；最后，将融合后的数据由GPS坐标系转换到车身为中心的坐标系，并进行周围障碍物预警。实现了通过融合传感器感知结果将尽可能多的信息赋予融合后的交通参与者画像以及区域内不同位置部署的传感器数据并入统一的坐标系统中，并提供给车载设备。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.033 seconds)
