-
公开(公告)号：CN119636812A
公开(公告)日：2025-03-18
申请号：CN202510186880.4
申请日：2025-02-20
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种基于多传感器融合技术的无人驾驶车控制系统，涉及无人车驾驶技术领域，包括感知模块，所述感知模块用于采集车辆周围环境信息，并传输；地图融合模块，所述地图融合模块包括地图单元和定位融合单元，所述地图单元用于通过GPS获取车辆附近的地图信息，所述定位融合单元通过GPS上的地图信息和历史车辆行驶数据来判断车辆属于偏远地区和未知路径还是城市道路或频繁驾驶的路段，并传输判断结果；通过集成多种传感器和先进的决策算法，提升了无人驾驶汽车在不同环境条件下的适应性，特别是在复杂或崎岖路况下，无人驾驶汽车能够准确识别和管理包括行人、自行车、三轮车、汽车以及动物在内的多种交通参与者。
-
Patent Agency Ranking
公开(公告)号：CN119636812B
公开(公告)日：2025-05-09
申请号：CN202510186880.4
申请日：2025-02-20
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种基于多传感器融合技术的无人驾驶车控制系统，涉及无人车驾驶技术领域，包括感知模块，所述感知模块用于采集车辆周围环境信息，并传输；地图融合模块，所述地图融合模块包括地图单元和定位融合单元，所述地图单元用于通过GPS获取车辆附近的地图信息，所述定位融合单元通过GPS上的地图信息和历史车辆行驶数据来判断车辆属于偏远地区和未知路径还是城市道路或频繁驾驶的路段，并传输判断结果；通过集成多种传感器和先进的决策算法，提升了无人驾驶汽车在不同环境条件下的适应性，特别是在复杂或崎岖路况下，无人驾驶汽车能够准确识别和管理包括行人、自行车、三轮车、汽车以及动物在内的多种交通参与者。
-
公开(公告)号：CN112365040B
公开(公告)日：2022-03-01
申请号：CN202011208966.6
申请日：2020-11-03
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于多通道卷积神经网络和时间卷积网络的短期风电功率预测方法。步骤1：对风电功率历史数据提取相关特征并形成样本集；步骤2：利用多层LSTM神经网络模型对样本集中短期预测风速数据进行修正；步骤3：对修正后的样本集数据进行归一化处理，并划分为训练集和测试集；步骤4：分别对三通道CNN‑LSTM神经网络初始化设置和TCN时间卷积网络初始化设置，利用训练集分别对两个网络进行训练；步骤5：将测试集分别输入两个神经网络模型，并利用加权平均方法进行模型融合，输出最终的预测结果；步骤6：按预定义的各种评价指标对预测结果进行评价。实验证明，本发明针对短期风电功率预测具有较高的准确度和鲁棒性。
-
公开(公告)号：CN104766046B
公开(公告)日：2018-02-16
申请号：CN201510065181.0
申请日：2015-02-06
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明涉及应用计算机视觉研究领域，尤其涉及一种利用交通标识颜色及形状特征进行检测与识别方法。本发明首先选取适当的颜色空间对原始图像做阈值分割，得到了含有红、蓝、黄颜色信息的交通标识目标图，随后对通过图像分割得到的目标图像进行一定的预处理。图像预处理的主要作用就是去除噪声干扰物及对图像做一定的细节处理以改善图像质量，接下来对经过预处理的图像进行形状识别。形状识别可以进一步区分目标物体与非目标物体，对后续的交通标识的识别起到一个辅助的作用，最后对分割得到的不同种类的交通标识进行识别，支持向量机能避免局部最优值及过度拟合等问题，同时对小样本分类有着良好性能。
-
公开(公告)号：CN104766046A
公开(公告)日：2015-07-08
申请号：CN201510065181.0
申请日：2015-02-06
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明涉及应用计算机视觉研究领域，尤其涉及一种利用交通标识颜色及形状特征进行检测与识别算法。本发明首先选取适当的颜色空间对原始图像做阈值分割，得到了含有红、蓝、黄颜色信息的交通标识目标图，随后对通过图像分割得到的目标图像进行一定的预处理。图像预处理的主要作用就是去除噪声干扰物及对图像做一定的细节处理以改善图像质量，接下来对经过预处理的图像进行形状识别。形状识别可以进一步区分目标物体与非目标物体，对后续的交通标识的识别起到一个辅助的作用，最后对分割得到的不同种类的交通标识进行识别，支持向量机能避免局部最优值及过度拟合等问题，同时对小样本分类有着良好性能。
-
公开(公告)号：CN112365040A
公开(公告)日：2021-02-12
申请号：CN202011208966.6
申请日：2020-11-03
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于多通道卷积神经网络和时间卷积网络的短期风电功率预测方法。步骤1：对风电功率历史数据提取相关特征并形成样本集；步骤2：利用多层LSTM神经网络模型对样本集中短期预测风速数据进行修正；步骤3：对修正后的样本集数据进行归一化处理，并划分为训练集和测试集；步骤4：分别对三通道CNN‑LSTM神经网络初始化设置和TCN时间卷积网络初始化设置，利用训练集分别对两个网络进行训练；步骤5：将测试集分别输入两个神经网络模型，并利用加权平均方法进行模型融合，输出最终的预测结果；步骤6：按预定义的各种评价指标对预测结果进行评价。实验证明，本发明针对短期风电功率预测具有较高的准确度和鲁棒性。
-
-
-
-
-
Search Results
6
records
(took 0.026 seconds)
