-
公开(公告)号：CN110853078A
公开(公告)日：2020-02-28
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：CN107357168B
公开(公告)日：2019-12-31
申请号：CN201710403342.1
申请日：2017-06-01
Applicant: 同济大学
Abstract: 本发明涉及一种基于机会约束模型预测控制的无人车避障方法，包括以下步骤：1)建立无人驾驶车辆的动力学模型，描述无人驾驶车辆动力学特征；2)构建模型预测控制最优化问题的代价函数和约束条件；3)求解模型预测控制最优化问题，获取无人车避障的最优路径。与现有技术相比，本发明具有环境适应性好、考虑车辆实际占据区域等优点。
-
公开(公告)号：CN110209175A
公开(公告)日：2019-09-06
申请号：CN201910571957.4
申请日：2019-06-28
Applicant: 同济大学
IPC: G05D1/02
Abstract: 本发明涉及一种基于分布式有限时间状态观测器的多智能车辆编队方法，包括步骤：S1、根据智能车辆运动学模型，描述智能车辆的运动学特征；S2、构建多智能车辆的主从架构，并基于有向生成树的拓扑结构建立多智能车辆间的通信网络结构；S3、设计不依赖于全局坐标信息的分布式有限时间状态观测器，以得到观测值；S4、将观测值输入多智能车辆分布式编队控制器，以实现多智能车辆的自动编队。与现有技术相比，本发明通过激光雷达和陀螺仪获取车辆间的相对位置，使误差控制在毫米级范围内，保证了观测值更加接近实际值，同时采用有向生成树构建通信网络结构保证了观测器的收敛性，最终能有效提升智能车辆编队的精度与安全性。
-
公开(公告)号：CN109962691A
公开(公告)日：2019-07-02
申请号：CN201910270916.1
申请日：2019-04-04
Applicant: 同济大学
Abstract: 本发明涉及一种用于传感器网络的分布式自适应滤波器设计方法，包括下列步骤：1)构建分布式滤波器的整体结构；2)根据构建的分布式滤波器的整体结构获取自适应控制律；3)设定分布式滤波器的动态簇机制的整体架构；4)确定动态簇机制建立的基本步骤；5)设计分布式滤波器的融合估计方法。与现有技术相比，本发明具有设计过程更加简单、滤波效果更加显著、降低传感器网络的能量消耗、延长传感器的使用寿命等优点。
-
公开(公告)号：CN107357168A
公开(公告)日：2017-11-17
申请号：CN201710403342.1
申请日：2017-06-01
Applicant: 同济大学
Abstract: 本发明涉及一种基于机会约束模型预测控制的无人车避障方法，包括以下步骤：1)建立无人驾驶车辆的动力学模型，描述无人驾驶车辆动力学特征；2)构建模型预测控制最优化问题的代价函数和约束条件；3)求解模型预测控制最优化问题，获取无人车避障的最优路径。与现有技术相比，本发明具有环境适应性好、考虑车辆实际占据区域等优点。
-
Patent Agency Ranking
公开(公告)号：CN107247818A
公开(公告)日：2017-10-13
申请号：CN201710286148.X
申请日：2017-04-27
Applicant: 同济大学
IPC: G06F17/50
CPC classification number: G06F17/5095 , G06F2217/82
Abstract: 本发明涉及一种云辅助半车主动悬架状态估计系统及设计方法，该系统包括：传感器采样单元：包括分布在半车主动悬架前轮悬架和后轮悬架的车载传感器；事件触发单元：包括2个分别对应连接前轮悬架和后轮悬架的车载传感器的事件触发器；滤波器单元：滤波器单元设置在云服务器上，滤波器单元包括2个分别通过网络对应连接1个事件触发器的滤波器；该系统中前轮悬架和后轮悬架的车载传感器分别通过1个事件触发器连接至滤波器形成2个独立的状态估计子系统，2个滤波器分别通过从事件触发器发送的传感器的采样信息对半车主动悬架进行状态估计。与现有技术相比，本发明既能实现汽车主动悬架状态的可靠估计，又能减少汽车制造费用和减轻网络通信负担。
-
公开(公告)号：CN103778587B
公开(公告)日：2017-02-01
申请号：CN201210399215.6
申请日：2012-10-18
Applicant: 同济大学
Abstract: 本发明涉及一种基于车联网大规模网络的进程演化理论模型的构造方法，该方法包括以下步骤：1)获取车联网开环跨域网络中的实体概念数据、相关性质数据和行为特征数据；2)采用基于时间-空间约束序列模式的挖掘方法对上述数据进行挖掘，并得到它们间的关联关系；3)利用本体建模和网络微积分理论使车联网开环跨域网络演化成一个可互联互通的网络理论模型。与现有技术相比，本发明具有适用于车联网大规模开环跨域的复杂形态特点、有效解决大规模开环跨域系统互联互通问题等优点。
-
公开(公告)号：CN119047303A
公开(公告)日：2024-11-29
申请号：CN202411059541.1
申请日：2024-08-04
Applicant: 同济大学
IPC: G06F30/27 , G06F30/15 , G06N3/045 , G06N3/0442 , G06N3/0499 , G06N3/084 , G06F119/14
Abstract: 本发明属于轮胎力估计领域，特别涉及一种基于物理信息融合循环神经网络的轮胎力估计方法，包括以下步骤：1)设计基于数据标签的损失函数，利用循环神经网络算法捕捉轮胎力与车辆状态序列之间的内在联系；2)结合车辆动力学模型，开发基于物理信息的损失函数，确保估计过程遵循物理规律；3)融合上述两种损失函数，形成一种综合考虑数据驱动和物理约束的轮胎力估计方法。通过循环神经网络深入挖掘轮胎力与车辆状态的关系，并融入基于车辆动力学的损失函数，从先验知识中提取有用信息，提高在多变道路条件下的估计效果；本发明结合了数据驱动的灵活性和物理模型的严谨性，不仅提升了轮胎力估计的准确性，还增强了模型的泛化能力和可解释性。
-
公开(公告)号：CN118101283A
公开(公告)日：2024-05-28
申请号：CN202410227048.X
申请日：2024-02-29
Applicant: 同济大学
Abstract: 本发明涉及一种针对信息物理系统中传感器的数据注入方法，包括以下步骤：构建离散时间线性时不变信息物理系统模型；向离散时间线性时不变信息物理系统模型的传感器与控制器通信的网络信道中注入数据信号，得到信息物理系统的系统状态信号，获得数据注入模型；设计目标函数，该目标函数表征数据注入策略，将数据注入策略建立成优化问题；设计用于生成模糊注入信号的模糊系统，其中模糊系统的输入为信息物理系统的状态信号；将模糊注入信号分解为已知部分和未知部分的乘积，并将乘积形式代入到优化问题中，求解该问题得到最优模糊数据注入策略。与现有技术相比，本发明具有不确定性高、复杂度高、能量消耗低等优点。
-
公开(公告)号：CN116757420A
公开(公告)日：2023-09-15
申请号：CN202310737921.5
申请日：2023-06-21
Applicant: 同济大学
IPC: G06Q10/0631 , G06N7/01 , G06N3/045 , G06N3/092
Abstract: 本发明涉及一种多机器人任务分配方法，包括如下步骤：分别对N个移动机器人的对抗能力和完成M个任务所需的对抗能力进行数学描述；根据各任务所需的对抗能力和各移动机器人的对抗能力，确定各移动机器人执行各任务时需要满足的约束条件，以最小化执行任务的机器人为团队目标，构建评价函数，进而构建多移动机器人任务分配问题；基于马尔可夫决策过程，对多移动机器人任务分配问题进行建模；基于Double‑DQN算法，构建并训练全连接神经网络，求解多移动机器人任务分配问题，完成多移动机器人的任务分配。与现有技术相比，本发明可以避免机器人的损耗和资源浪费，可以从策略的不断迭代中学习分配策略，能够提交分配效率。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.03 seconds)
