-
公开(公告)号：CN115510985A
公开(公告)日：2022-12-23
申请号：CN202211209593.3
申请日：2022-09-30
Applicant: 同济大学
IPC: G06K9/62
Abstract: 本发明涉及一种道路交通碰撞风险识别方法、装置及存储介质，其中方法包括：采集交通流量数据并进行预处理；构建训练集：提取交通流量数据的特征，得到各个路段的特征集，作为训练样本集；构建各路段的道路级交通碰撞风险识别模型：道路级交通碰撞风险识别模型的输入为各个路段交通流量数据的特征，使用基于角度的离群点检测算法对特征数据进行交通碰撞风险时刻的异常值检测，输出识别出的碰撞样本；基于训练样本集分别初步训练各个道路级交通碰撞风险识别模型；引入滑动窗口机制构建动态训练样本集，并重训练模型；基于训练完成的模型实现各路段的交通碰撞风险识别。与现有技术相比，本发明具有适用于样本不平衡场景、识别精准、稳定等优点。
-
公开(公告)号：CN104931977B
公开(公告)日：2017-08-25
申请号：CN201510316655.4
申请日：2015-06-11
Applicant: 同济大学
IPC: G01S17/93
Abstract: 本发明涉及一种用于智能车辆的障碍物识别方法，包括步骤：1)获取车辆周围环境的三维激光雷达原始扫描点云在球坐标系下的数据点，并在所有数据点中筛选出障碍点；2)根据各障碍点的水平方位角及其关于三维激光雷达传感器的径向距离对障碍点进行分组；3)将每一组障碍点对应一个障碍物，并根据组内各障碍点的相对位置关系得到各障碍物的类别。与现有技术相比，本发明利用三维激光雷达测量原理与点云数据球坐标表示方法的内在统一性，基于球坐标对点云数据进行分析，而不是对点云数据的笛卡尔坐标进行分析，更高效，同时由于直接对点云的原始数据进行分析，不需要对点云进行栅格划分，从而提高了处理效率。
-
Patent Agency Ranking
公开(公告)号：CN113553900A
公开(公告)日：2021-10-26
申请号：CN202110650883.0
申请日：2021-06-11
Applicant: 同济大学 , 中国太平洋财产保险股份有限公司
Abstract: 本发明涉及一种驾驶员疲劳驾驶检测方法、系统及计算机可读介质，其中检测方法包括：获取驾驶员驾驶特征数据集，构建样本数据集；对步骤1获取的驾驶特征数据集中的特征变量进行筛选；构建显著驾驶特征数据集；构建考虑时间累积效应的混合效应有序logit模型；将显著驾驶特征数据集输入混合效应有序logit模型，对驾驶员疲劳等级进行预测；输出驾驶员疲劳等级预测结果，完成驾驶员疲劳驾驶检测。与现有技术相比，本发明具有结果更加客观、可信度更高等优点。
-
公开(公告)号：CN104950313B
公开(公告)日：2017-11-07
申请号：CN201510316731.1
申请日：2015-06-11
Applicant: 同济大学
Abstract: 本发明涉及一种路面提取及道路坡度识别方法，包括步骤：1)获取车辆周围环境的三维激光雷达扫描点云的球坐标数据；2)根据同一俯仰角下各数据点关于传感器的径向距离确定车辆可行驶路线；3)确定车辆可行驶路线中前方路段的方位角，并根据该方位角下各数据点的俯仰角及其关于传感器的径向距离识别前方路段的坡度。与现有技术相比，本发明对车辆可行驶路线中前方路段的坡度进行估计，为无人驾驶的路径规划决策及控制提供有用信息，提高无人驾驶的自主能力。
-
公开(公告)号：CN104950313A
公开(公告)日：2015-09-30
申请号：CN201510316731.1
申请日：2015-06-11
Applicant: 同济大学
CPC classification number: G01S17/88 , G01C9/00 , G01C21/3469 , G01S17/936
Abstract: 本发明涉及一种路面提取及道路坡度识别方法，包括步骤：1)获取车辆周围环境的三维激光雷达扫描点云的球坐标数据；2)根据同一俯仰角下各数据点关于传感器的径向距离确定车辆可行驶路线；3)确定车辆可行驶路线中前方路段的方位角，并根据该方位角下各数据点的俯仰角及其关于传感器的径向距离识别前方路段的坡度。与现有技术相比，本发明对车辆可行驶路线中前方路段的坡度进行估计，为无人驾驶的路径规划决策及控制提供有用信息，提高无人驾驶的自主能力。
-
公开(公告)号：CN113553900B
公开(公告)日：2023-06-27
申请号：CN202110650883.0
申请日：2021-06-11
Applicant: 同济大学 , 中国太平洋财产保险股份有限公司
Abstract: 本发明涉及一种驾驶员疲劳驾驶检测方法、系统及计算机可读介质，其中检测方法包括：获取驾驶员驾驶特征数据集，构建样本数据集；对步骤1获取的驾驶特征数据集中的特征变量进行筛选；构建显著驾驶特征数据集；构建考虑时间累积效应的混合效应有序logit模型；将显著驾驶特征数据集输入混合效应有序logit模型，对驾驶员疲劳等级进行预测；输出驾驶员疲劳等级预测结果，完成驾驶员疲劳驾驶检测。与现有技术相比，本发明具有结果更加客观、可信度更高等优点。
-
公开(公告)号：CN104931977A
公开(公告)日：2015-09-23
申请号：CN201510316655.4
申请日：2015-06-11
Applicant: 同济大学
IPC: G01S17/93
CPC classification number: G01S17/936
Abstract: 本发明涉及一种用于智能车辆的障碍物识别方法，包括步骤：1)获取车辆周围环境的三维激光雷达原始扫描点云在球坐标系下的数据点，并在所有数据点中筛选出障碍点；2)根据各障碍点的水平方位角及其关于三维激光雷达传感器的径向距离对障碍点进行分组；3)将每一组障碍点对应一个障碍物，并根据组内各障碍点的相对位置关系得到各障碍物的类别。与现有技术相比，本发明利用三维激光雷达测量原理与点云数据球坐标表示方法的内在统一性，基于球坐标对点云数据进行分析，而不是对点云数据的笛卡尔坐标进行分析，更高效，同时由于直接对点云的原始数据进行分析，不需要对点云进行栅格划分，从而提高了处理效率。
-
-
-
-
-
-
Search Results
7
records
(took 0.013 seconds)
