-
公开(公告)号：CN111382683B
公开(公告)日：2023-05-23
申请号：CN202010135485.0
申请日：2020-03-02
Applicant: 东南大学
Abstract: 本发明公开了一种基于彩色相机与红外热成像仪特征融合的目标检测方法，包括以下步骤：a、通过彩色相机获得彩色数据集，通过红外热成像仪获得热红外数据集；b、将双模态数据集同时输入到双模态的YOLOv3神经网络算法中，提取目标的颜色特征与温度特征；在主干网络的某一层通过融合函数与1×1卷积块将两个模态的特征融合，然后选取融合后的特征图继续进行主干网络的特征提取，得到融合后的提取特征图；c、融合后的提取特征图输入到后续的卷积层中进行目标的分类，输出训练完成的双模态神经网络的算法模型。本发明融合温度与颜色信息，在双模态神经主干网络算法进行融合，输入分类层中进行目标的预测，增加目标的多种特征信息，提高目标识别准确性。
-
公开(公告)号：CN111452781B
公开(公告)日：2023-01-17
申请号：CN202010211770.6
申请日：2020-03-24
Applicant: 东南大学
IPC: B60W30/02 , B60W30/18 , B60W40/105 , B60W40/064 , B60W40/06 , B60W40/00 , B60L15/20
Abstract: 本发明涉及一种改善加速舒适性的轮毂电机驱动电动汽车强鲁棒自适应驱动防滑控制方法，在设计时充分考虑轮胎弛豫特性的影响，并利用区域极点配置的算法将极点配置在实轴附近，降低驱动防滑系统介入时加速度的纵向抖动；采用了分段鲁棒控制的方法确保了工况变化时控制器的鲁棒性，并且使用增益调度的算法保证了在任意车速下控制器的自适应性；本发明提出的防滑方法不仅鲁棒性强，工况适应性好，能保证路面附着变化，垂向载荷变动，任意车速行驶时防滑控制的稳定性，并且满足了驱动防滑控制介入时车辆的平顺性要求，减小了车身加速度的纵向震荡，改善了车辆加速时的乘坐舒适性。
-
公开(公告)号：CN112026533B
公开(公告)日：2021-05-11
申请号：CN202010851778.9
申请日：2020-08-21
Applicant: 东南大学
Abstract: 本发明公开一种极限工况下的四轮独立驱动电动汽车牵引力控制方法，综合考虑了驾驶员的控制需求以及车辆的稳定性原则，采用三种不同的驱动模式取代了单一的转矩分配方式，最大程度地利用了轮胎的纵、侧向附着裕度，保证了四轮独立驱动电动汽车在低附着路面的运动跟踪精度和车身稳定要求，同时也使得上层控制目标和底层执行结果保持一致，方便了驾驶员在极限工况对车辆的操纵，提高了车辆的主动安全性。
-
公开(公告)号：CN111452781A
公开(公告)日：2020-07-28
申请号：CN202010211770.6
申请日：2020-03-24
Applicant: 东南大学
IPC: B60W30/02 , B60W30/18 , B60W40/105 , B60W40/064 , B60W40/06 , B60W40/00 , B60L15/20
Abstract: 本发明涉及一种改善加速舒适性的轮毂电机驱动电动汽车强鲁棒自适应驱动防滑控制方法，在设计时充分考虑轮胎弛豫特性的影响，并利用区域极点配置的算法将极点配置在实轴附近，降低驱动防滑系统介入时加速度的纵向抖动；采用了分段鲁棒控制的方法确保了工况变化时控制器的鲁棒性，并且使用增益调度的算法保证了在任意车速下控制器的自适应性；本发明提出的防滑方法不仅鲁棒性强，工况适应性好，能保证路面附着变化，垂向载荷变动，任意车速行驶时防滑控制的稳定性，并且满足了驱动防滑控制介入时车辆的平顺性要求，减小了车身加速度的纵向震荡，改善了车辆加速时的乘坐舒适性。
-
公开(公告)号：CN110363820A
公开(公告)日：2019-10-22
申请号：CN201910575104.8
申请日：2019-06-28
Applicant: 东南大学
Abstract: 本发明涉及一种基于激光雷达、图像前融合的目标检测方法，通过激光雷达和摄像头联合校准，得到摄像头视角的激光雷达点云数据，然后在将数据输入到神经网络之前，首先对激光雷达数据集进行球面投影，从而到一个稠密的、二维的数据，之后将激光雷达投影得到的图像和摄像头图像分别作为网络的两个输入，分别学习彩色和三维特征，最后通过一个1×1的卷积块，将两个模态的特征融合，实现基于雷达和视觉前融合的目标检测；该方法不同于传统视觉和雷达分别检测，最后采取加权的后融合方式，采用激光雷达和图像两个对应的输入，分别学习特征，最后融合，可以提高目标识别的准确性，同时获取目标的类别以及三维信息。
-
Patent Agency Ranking
公开(公告)号：CN110390695B
公开(公告)日：2023-05-23
申请号：CN201910575101.4
申请日：2019-06-28
Applicant: 东南大学
IPC: G06T7/80
Abstract: 本发明涉及一种基于ROS的激光雷达、摄像头的融合标定系统及标定方法，包括雷达标定模块，其用于获取激光雷达的外部参数，即激光雷达的雷达坐标系到世界坐标系的变换关系；相机标定模块，用于获取摄像头的内部参数；融合标定模块，用于接收激光雷达的外部参数以及相机的内部参数，求解相机的外部参数，即求解出世界坐标系到相机坐标系的变换关系；雷达标定模块、相机标定模块以及融合标定模块之间基于ROS平台实现数据的传输；雷达标定模块包括激光雷达，还包括桩桶以及两块标定板，前述的相机标定模块包括摄像头以及一块标定板；本发明实现激光雷达和摄像头数据融合的空间同步方法，解决了现有单一传感器感知存在的感知维度不足、信息缺乏等缺陷。
-
公开(公告)号：CN110363820B
公开(公告)日：2023-05-16
申请号：CN201910575104.8
申请日：2019-06-28
Applicant: 东南大学
IPC: G06T7/80 , G06T5/00 , G06T7/30 , G06N3/0464 , G01S17/86 , G01S17/931
Abstract: 本发明涉及一种基于激光雷达、图像前融合的目标检测方法，通过激光雷达和摄像头联合校准，得到摄像头视角的激光雷达点云数据，然后在将数据输入到神经网络之前，首先对激光雷达数据集进行球面投影，从而到一个稠密的、二维的数据，之后将激光雷达投影得到的图像和摄像头图像分别作为网络的两个输入，分别学习彩色和三维特征，最后通过一个1×1的卷积块，将两个模态的特征融合，实现基于雷达和视觉前融合的目标检测；该方法不同于传统视觉和雷达分别检测，最后采取加权的后融合方式，采用激光雷达和图像两个对应的输入，分别学习特征，最后融合，可以提高目标识别的准确性，同时获取目标的类别以及三维信息。
-
公开(公告)号：CN112026533A
公开(公告)日：2020-12-04
申请号：CN202010851778.9
申请日：2020-08-21
Applicant: 东南大学
Abstract: 本发明公开一种极限工况下的四轮独立驱动电动汽车牵引力控制方法，综合考虑了驾驶员的控制需求以及车辆的稳定性原则，采用三种不同的驱动模式取代了单一的转矩分配方式，最大程度地利用了轮胎的纵、侧向附着裕度，保证了四轮独立驱动电动汽车在低附着路面的运动跟踪精度和车身稳定要求，同时也使得上层控制目标和底层执行结果保持一致，方便了驾驶员在极限工况对车辆的操纵，提高了车辆的主动安全性。
-
公开(公告)号：CN111382683A
公开(公告)日：2020-07-07
申请号：CN202010135485.0
申请日：2020-03-02
Applicant: 东南大学
Abstract: 本发明公开了一种基于彩色相机与红外热成像仪特征融合的目标检测方法，包括以下步骤：a、通过彩色相机获得彩色数据集，通过红外热成像仪获得热红外数据集；b、将双模态数据集同时输入到双模态的YOLOv3神经网络算法中，提取目标的颜色特征与温度特征；在主干网络的某一层通过融合函数与1×1卷积块将两个模态的特征融合，然后选取融合后的特征图继续进行主干网络的特征提取，得到融合后的提取特征图；c、融合后的提取特征图输入到后续的卷积层中进行目标的分类，输出训练完成的双模态神经网络的算法模型。本发明融合温度与颜色信息，在双模态神经主干网络算法进行融合，输入分类层中进行目标的预测，增加目标的多种特征信息，提高目标识别准确性。
-
公开(公告)号：CN110390695A
公开(公告)日：2019-10-29
申请号：CN201910575101.4
申请日：2019-06-28
Applicant: 东南大学
IPC: G06T7/80
Abstract: 本发明涉及一种基于ROS的激光雷达、摄像头的融合标定系统及标定方法，包括雷达标定模块，其用于获取激光雷达的外部参数，即激光雷达的雷达坐标系到世界坐标系的变换关系；相机标定模块，用于获取摄像头的内部参数；融合标定模块，用于接收激光雷达的外部参数以及相机的内部参数，求解相机的外部参数，即求解出世界坐标系到相机坐标系的变换关系；雷达标定模块、相机标定模块以及融合标定模块之间基于ROS平台实现数据的传输；雷达标定模块包括激光雷达，还包括桩桶以及两块标定板，前述的相机标定模块包括摄像头以及一块标定板；本发明实现激光雷达和摄像头数据融合的空间同步方法，解决了现有单一传感器感知存在的感知维度不足、信息缺乏等缺陷。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.016 seconds)
