-
公开(公告)号：CN116524319A
公开(公告)日：2023-08-01
申请号：CN202310260249.5
申请日：2023-03-16
Applicant: 华南理工大学
IPC: G06V10/82 , G06V10/774 , G06V10/40 , G06V10/77 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于改进的YOLOv5卷积神经网络的夜间车辆检测方法及系统，该方法包括下述步骤：获取夜间车辆数据集，对夜间车辆数据集进行数据增强预处理，划分训练数据集及测试数据集；构建改进的YOLOv5卷积神经网络，改进的YOLOv5卷积神经网络包括改进的Backbone网络、Neck网络和改进的Head检测头；利用训练数据集对改进的YOLOv5卷积神经网络进行训练，保存训练后的权重文件；本发明通过改进的ASPP结构对卷积层设置不同的扩张速率获得不同的接受野，提取多尺度信息，在Head检测头中融入SE注意力机制和CA注意力机制，消除复杂背景灯光对夜间车辆检测的干扰，提高夜间车辆检测的准确率。
-
公开(公告)号：CN114882393B
公开(公告)日：2023-04-07
申请号：CN202210324676.0
申请日：2022-03-29
Applicant: 华南理工大学
IPC: G06V20/40 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于目标检测的道路逆行与交通事故事件检测方法，包括以下步骤：S1、获取原始数据；S2、在原始数据中获取样本，标注样本中车辆在帧图片中的位置及车辆类别；S3、经过数据处理得到训练集和验证集；S4、对原始YOLOv5的数据增强方法、激活函数进行改进，得到YOLOv5‑better模型；S5、将训练集和验证集输入到YOLOv5‑better模型，经过训练得到改进模型的权重文件；S6、将得到的权重文件输入到YOLOv5‑better模型，进行测试集测试得到车辆信息，并输入到deepsort，得到车辆的编号id和类别；S7、将每个id在视频帧中对应的位置信息输入到逻辑判断算法，判断是否逆行或者发生事故。本发明采用上述基于目标检测的道路逆行与交通事故事件检测方法，能够适用智能视频分析工作。
-
公开(公告)号：CN103547033B
公开(公告)日：2016-01-20
申请号：CN201310514091.6
申请日：2013-10-25
Applicant: 华南理工大学
Abstract: 本发明提供了一种基于无线传感器执行器网的大型智能灯光节能控制方法，包括以下步骤：步骤1：初始化传感器节点的滤波器参数；步骤2：打开传感器，对监测区域进行检测；步骤3：对不同的测量信息进行融合；步骤4：计算滤波器增益，更新滤波器的预测值；步骤5：根据当前滤波器的预测值，执行相应的操作。本发明是一种分布式协同估计和控制算法，每个节点能够根据自身的测量信息和接收邻居节点的测量信息协同地估计车辆的状态，控制器根据这些状态控制命令。由于实时地监测车辆和控制灯光，相比传统的照明系统，大大地减少了能耗，根据卡尔曼预测估计需要亮灯的扇形区域，控制灯光的亮度，不仅节约了能量，而且具有非常人性化的舒适度。
-
公开(公告)号：CN101505532A
公开(公告)日：2009-08-12
申请号：CN200910037862.0
申请日：2009-03-12
Applicant: 华南理工大学
CPC classification number: Y02D70/00
Abstract: 本发明公开了一种基于分布式处理的无线传感器网络目标跟踪方法，包括下列步骤：利用上一时刻目标状态估计信息和当前时刻任务节点观测数据，进行扩展卡尔曼滤波算法，获得当前时刻目标状态估计信息；根据当前时刻目标状态估计信息，计算得到下一时刻候选任务节点的先验估计误差协方差矩阵迹，比较并选举其中最小的迹对应的节点作为下一时刻任务节点；当下一时刻任务节点对应的先验估计误差协方差矩阵迹大于设置的阈值时，采用目标轨迹修正算法，重新获得当前时刻目标状态估计信息，实现目标定位跟踪。本发明所述方法可有效的减少节点间的通讯，节省节点能量资源和通讯资源，同时满足节点定位精确性，实时性和鲁棒性要求。
-
公开(公告)号：CN119369940A
公开(公告)日：2025-01-28
申请号：CN202411358205.7
申请日：2024-09-27
Applicant: 华南理工大学
IPC: B60L3/00 , G01R31/367 , G01R31/378 , G01R31/392 , G01R31/396
Abstract: 本发明公开了一种动力电池多故障风险评估及预警方法，包括：向云端服务器请求在役电动汽车动力电池近期生命周期数据，并进行数据预处理，通过插值法得到动力电池内任意电池单体的温度值；对任意电池单体的电压值和温度值进行差分化后得到故障判别信号；基于故障判别信号建立多故障风险判别模型以计算电池不同故障对应的绝对故障程度分数；统计各类电池故障及故障程度分数的数据分布，由分布结果确定故障分级范围并绘制多故障风险预警图；对处于特定故障分级范围的结果按严重程度进行预警。本发明可以对动力电池的多种故障进行评估与分离，依据多故障风险预警图可及时为车主提供电池维护和检修参考，计算简单、部署方便，具备实际应用价值。
-
Patent Agency Ranking
公开(公告)号：CN114648513B
公开(公告)日：2022-11-29
申请号：CN202210322932.2
申请日：2022-03-29
Applicant: 华南理工大学
IPC: G06T7/00 , G06T7/70 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于自标注数据增广的摩托车检测方法，包括以下步骤：获取原始数据，并分为初始视频数据和测试视频；在初始视频数据中获取样本，标注样本中车辆在帧图片中的位置及车辆类别，并转化为YOLOv5所需格式，经过数据处理得到训练集和验证集；对标注数据集进行单图片式数据增广，得到训练集和验证集；对标注数据集进行多图片式数据增广，得到训练集和验证集；将训练集和验证集输入到YOLOv5模型，得到子标注数据训练的权重文件；将得到的权重文件输入到YOLOv5模型，采用测试视频进行测试，得到摩托车信息。本发明采用上述基于自标注数据增广的摩托车检测方法，能够解决现有的目标检测算法对摩托车识别准确率低、检测不稳定的问题。
-
公开(公告)号：CN111679668B
公开(公告)日：2021-09-21
申请号：CN202010481016.4
申请日：2020-05-30
Applicant: 华南理工大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于新的时距策略的网络化自主车队的跟随控制方法。该方法包括：S1、对车辆进行力学分析以建立线性化的车辆纵向动态学模型；S2、建立新的时距策略，S3、设计动态控制器u̇_i，使其通过接收第i‑1辆车即前车的状态信息后，结合本车状态信息，给出第i辆车即跟随车控制信号的变化率，第i辆车将根据所得控制信号的变化率调整自身的控制输出量，实现自身状态对前车状态的跟随性；S4、考虑前车的加减速过程并基于新的时距策略和控制策略，建立跟随车辆的状态空间模型。本发明提高了网络化自主车队中跟随车辆速度同步前车速度的快速性，有效改善了在前车加减速过程中后车的跟随性。
-
公开(公告)号：CN111398900A
公开(公告)日：2020-07-10
申请号：CN202010156045.3
申请日：2020-03-09
Applicant: 华南理工大学
IPC: G01S5/18 , G10L21/0216
Abstract: 本发明公开了一种基于事件驱动的传声器网络分布式滤波方法及系统，该方法包括下述步骤：构建分布式声阵列传感器网络；建立传声器节点间的拓扑通信链接结构，设定事件触发条件阈值；确定初始状态的各个初始值；对于k时刻，每个传声器获取自身的最新状态估计值、当前状态估计值和实际误差协方差；设定事件驱动的触发机制；构建k+1时刻的声源目标的状态估计方程，结合事件触发机制更新状态估计值；更新最小误差协方差上界；采用所述最小误差协方差上界求解状态估计方程中的测量增益和状态误差增益，对声源目标进行状态估计。本发明能提高传声器节点信息利用效率，实现对声源目标的准确跟踪。
-
公开(公告)号：CN110703761A
公开(公告)日：2020-01-17
申请号：CN201911046770.9
申请日：2019-10-30
Applicant: 华南理工大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于事件触发的网络化自主车队调度与协同控制方法。所述方法包括：自主车队中的车辆控制器接收经无线网络传输的领头车及前车的相关状态信息以产生控制信号；对车辆进行力学分析以建立车辆纵向动态学模型；考虑领头车加速度扰动并基于领头车-前车跟随策略以建立初步的车队纵向结构模型；考虑车辆发动机参数不确定性并进行离散化，建立最终的车队纵向结构模型；引入事件触发机制，建立控制器结构模型并求解车辆控制器增益；根据车辆的控制器增益和接收的状态信息以求解该的车任一时刻的加速度，进而控制整个纵向车队。本发明提高了网络化自主车队的鲁棒性，有效抑制车辆的频繁加减速以增加乘客舒适度并减少油耗。
-
公开(公告)号：CN104391445A
公开(公告)日：2015-03-04
申请号：CN201410383803.X
申请日：2014-08-06
Applicant: 华南理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于观测器的车队协同自主控制方法，包括以下步骤：步骤1：初始化滤波器参数；步骤2：读取传感器的测量信息；步骤3：运用渐消记忆的卡尔曼滤波算法进行状态估计；步骤4：邻居车辆之间进行信息交换；步骤5：输出控制信号，发出控制指令。本发明通过渐消记忆的卡尔曼滤波算法，利用可获得的测量信号，得到间隔误差及其导数的估计值，解决了间隔误差不可测的问题和滤波发散的问题，并利用无线网络进行通信，邻居车辆之间实现信息交换和共享，根据当前车辆及邻居车辆的状态的估计值，得到控制信号，发出控制指令，实现了协同控制。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.021 seconds)
