-
公开(公告)号：CN112629713B
公开(公告)日：2022-09-30
申请号：CN202011138704.7
申请日：2020-10-22
Applicant: 北京工业大学 , 河北省交通规划设计院
Abstract: 本发明公开了一种将传感器数据对应车型检测的方法，本方法在测量路段铺设压力传感器，并通过视频拍摄工具对传感器铺设路面及对应车道车辆进行录像获取各车辆视频，同时记录各车辆视频的起始实际时间点和结束实际时间点。将各车辆数据的视频起始时间点与视频的具体时间相加，得到车辆通过传感器的实际时间。视频中车辆对应时间和车型的记录；传感器压力信号数据存储为txt格式，通过计算机编程数据语言进行处理避免了由于人员上下车、巡检车辆减速带来的全安问题。处理的数据可以作为深度学习数据后续进行训练学习，更加智能、便捷。
-
公开(公告)号：CN112633055A
公开(公告)日：2021-04-09
申请号：CN202011138745.6
申请日：2020-10-22
Applicant: 北京工业大学 , 河北省交通规划设计院
Abstract: 本发明公开了一种基于路面病害检测的通用自动驾驶导航系统，系统硬件指代为基于开源Neo套件的改进，Neo套件由vehicle模块、Giraffe模块、Panda模块和Eon模块四部分组成，改进部分包括将Giraffe模块与Panda模块功能组合，以让车辆CAN端口信息直接从USB端口导出，以及增加Eon模块散热功能，保证长期高速运行。软件包括开源Openpilot软件构架，由Carinterface模块、grain模块、board dd模块、Car模块、Loggerd模块、Controlsd模块、Vision模块、Radar模块八个部分组成。本发明基于深度学习的图像处理技术与自动驾驶策略指导相结合，对路面病害及其他路面对象进行识别并作出相应策略的选择，为未来路面病害检测的自动化、无人化奠定了重要的基础。
-
公开(公告)号：CN112629713A
公开(公告)日：2021-04-09
申请号：CN202011138704.7
申请日：2020-10-22
Applicant: 北京工业大学 , 河北省交通规划设计院
Abstract: 本发明公开了一种将传感器数据对应车型检测的方法，本方法在测量路段铺设压力传感器，并通过视频拍摄工具对传感器铺设路面及对应车道车辆进行录像获取各车辆视频，同时记录各车辆视频的起始实际时间点和结束实际时间点。将各车辆数据的视频起始时间点与视频的具体时间相加，得到车辆通过传感器的实际时间。视频中车辆对应时间和车型的记录；传感器压力信号数据存储为txt格式，通过计算机编程数据语言进行处理避免了由于人员上下车、巡检车辆减速带来的全安问题。处理的数据可以作为深度学习数据后续进行训练学习，更加智能、便捷。
-
公开(公告)号：CN114648659B
公开(公告)日：2024-06-07
申请号：CN202210191784.5
申请日：2022-02-28
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了一种基于迁移学习的轻量化混凝土桥梁病害识别方法，分别采用轻量级模型MobileNet和MobileNet‑SSD进行对比实验，探索不同迁移学习模式下和不同迁移方式(一步迁移步骤：将基于通用大数据库训练的模型的权重直接迁移至混凝土桥梁病害的分类或检测模型中；两步迁移：先将预训练权重迁移至沥青路面病害的分类或检测模型中，得到分类或检测精度最佳的权重参数，再迁移至混凝土桥梁病害的分类或检测模型中)，在分类任务和检测任务中的模型性能。通过实验结果的比较，本发明旨在最终确定出能够分类和检测混凝土桥梁病害的最佳迁移方式和深度学习模型，实现实际道路检测工程中混凝土桥梁病害的快速准确识别。
-
公开(公告)号：CN113034411B
公开(公告)日：2024-02-27
申请号：CN202011512311.8
申请日：2020-12-19
Applicant: 北京工业大学
IPC: G06T5/50 , G06T3/4007 , G06T3/60
Abstract: 本发明公开了一种耦合传统方法和深度卷积对抗生成网络的道路病害图片增强方法，结合传统方法和深度卷积对抗生成网络对数据进行扩增，达到数据增强的效果。使用人工方法对原始破损路面进行采集、批量裁剪以及数据集制作。本发明基于对抗生成网络模型，用卷积神经网络来替代对抗生成网络中的多层感知机，经过生成器和判别器的互相博弈，不断迭代更新，使得生成器具有良好的生成路面病害图片能力，判别器具有良好的鉴别图片真假能力。本发明能够根据真实的路面病害照片生成新的高质量图片，达到扩充数据集的目的，为深度学习的路面病害识别提供了良好的条件，使训练出来的模型效果更好，模型的泛化能力更强。
-
Patent Agency Ranking
-
公开(公告)号：CN111126505B
公开(公告)日：2023-07-04
申请号：CN201911385351.8
申请日：2019-12-28
Applicant: 北京工业大学
IPC: G06V10/82 , G06V10/764 , G06V10/26 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于深度学习的路面裂缝快速识别方法，首先调整现场照片的大小，其次，调整现场图片的曝光。原始的现场照片光照不均匀，必须对不均匀的曝光进行处理才能实现现场图像的遮挡效果。利用基于灰度分布的像素强度值的直方图来拟合灰度像素值的分布。用基于上一步的均值的阈值方法来实现二进制颜色可视化。如果像素值大于阈值，则将其设置为背景。采用基于连接构件的方法使裂缝形状增强。应用连接工具去噪。搜索图中所有连接的对象，并检查裂缝形状的面积。如果裂缝形状的面积小于阈值，则认为是噪声。如果裂缝形状的面积大于阈值，则视为裂缝。最后，调整CNN输入，并应用扩张和侵蚀重新连接裂缝。调整CNN超参数，确定最优CNN框架。
-
公开(公告)号：CN114648659A
公开(公告)日：2022-06-21
申请号：CN202210191784.5
申请日：2022-02-28
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于迁移学习的轻量化混凝土桥梁病害识别方法，分别采用轻量级模型MobileNet和MobileNet‑SSD进行对比实验，探索不同迁移学习模式下和不同迁移方式(一步迁移步骤：将基于通用大数据库训练的模型的权重直接迁移至混凝土桥梁病害的分类或检测模型中；两步迁移：先将预训练权重迁移至沥青路面病害的分类或检测模型中，得到分类或检测精度最佳的权重参数，再迁移至混凝土桥梁病害的分类或检测模型中)，在分类任务和检测任务中的模型性能。通过实验结果的比较，本发明旨在最终确定出能够分类和检测混凝土桥梁病害的最佳迁移方式和深度学习模型，实现实际道路检测工程中混凝土桥梁病害的快速准确识别。
-
公开(公告)号：CN114048790A
公开(公告)日：2022-02-15
申请号：CN202110877678.8
申请日：2021-08-01
Applicant: 北京工业大学 , 北京市道路工程质量监督站(北京市公路工程质量检测中心) , 北京建筑大学
Abstract: 本发明公开了一种基于耦合双向LSTM和卷积结构网络的道路基层应变分析方法，先对自动化道路监测系统获取的长期监测数据进行原始数据预处理，在此基础上采用皮尔逊相关性分析，研究数据之间关系，以达到输入数据降维的目的，从而减少训练误差，提升模型的预测精度，最后挑选出合适时间段的数据一起输入到BiLSTM‑CNN网络模型进行训练，学习传感器数据之间的物理特征，针对每个时间段之间并不连续的问题，采用权重自迁移的训练方式，使得历史信息特征在下一时间段内相对更加明显，更易被模型学习，有助于加强模型的记忆效应，减少过拟合，提高模型的泛化能力。此外，本发明不仅可以节约人工和时间成本，还可以为后续的道路养护工作奠定基础。
-
公开(公告)号：CN113034410A
公开(公告)日：2021-06-25
申请号：CN202011509932.0
申请日：2020-12-19
Applicant: 北京工业大学
Abstract: 本发明公开了一种耦合传统方法和卷积自编码的道路病害图片增强方法，结合传统方法和卷积自编码器对数据进行扩增，达到数据增强的效果。使用人工方法对原始破损路面进行采集、人工标定、批量裁剪以及数据集制作。本发明将卷积神经网络结构融入自编码器中，利用其编码器结构对原始路面病害图像进行数据降维并得到图片的特征空间，利用其解码器结构将图片重构，获得新的路面病害图片。本发明能够根据真实的现场照片进行数据增强，使得重构后的图片样本病害特征相对更加明显，更易被机器识别，有助于提升识别精度，提高模型的泛化能力。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.037 seconds)
