-
公开(公告)号:CN111540201A
公开(公告)日:2020-08-14
申请号:CN202010328012.2
申请日:2020-04-23
申请人: 山东大学 , 齐鲁交通发展集团有限公司
摘要: 本发明公开了基于路侧激光雷达的车辆排队长度实时估计方法及系统,获取由路侧激光雷达对道路上车辆扫描的所有位置点,得到待处理的三维点云数据;对待处理的三维点云数据依次进行背景滤除;对背景滤除后的三维点云数据进行聚类处理;对聚类处理后的三维点云数据进行目标识别,识别出道路上的车辆;基于目标识别后的结果进行车道识别;基于激光雷达相邻帧的三维点云数据,估计道路上每一辆车的速度;基于道路上每一辆车的速度,确定每个车道上的末尾车辆,进而估计每个车道上的排队长度。实时估计出车辆排队长度,针对车辆排队长度实时执行新的交通管控措施,优化整体的车辆通行效率,解决高峰时期车辆拥堵、排队蔓延等问题。
-
公开(公告)号:CN111402589A
公开(公告)日:2020-07-10
申请号:CN202010328019.4
申请日:2020-04-23
申请人: 山东大学 , 齐鲁交通发展集团有限公司
IPC分类号: G08G1/01 , G08G1/04 , G08G1/0967 , G08G1/16 , G01S17/93 , H02J7/35 , F16M11/28 , F16M11/42 , G08B5/38 , H04N7/18
摘要: 本发明提供了一种基于路侧激光雷达的动物穿越公路自动监测设备及方法,包括:移动系统,和与移动系统连接的监测系统、控制系统和预警系统;所述移动系统包括拖车机构和采用单轴双轮组的车体,拖车机构与车体的一端连接,车体还与可伸缩的支撑机构连接;监测系统包括安装杆,和与安装杆连接的监测装置;所述安装杆为伸缩杆,安装杆的底部与车体铰接;监测装置包括激光雷达,激光雷达用于监测动物状态,并将监测数据传输至控制系统,控制系统控制预警系统提供警示;激光雷达安装高度可调且安装过程便利;提高了设备的机动性且设备稳固性较好,能够自动监测及识别动物的穿越行为并且给出预警。
-
公开(公告)号:CN111398939A
公开(公告)日:2020-07-10
申请号:CN202010327269.6
申请日:2020-04-23
申请人: 山东大学 , 齐鲁交通发展集团有限公司
IPC分类号: G01S7/497
摘要: 本发明公开了一种用于测试激光雷达在恶劣天气下工作性能的装置及方法,包括模型箱、目标探测系统、降雨系统、降雪系统、造雾系统和造霾系统;模型箱是箱体结构,为所述的目标探测系统、降雨降雪系统、造雾造霾系统提供工作空间;目标探测系统置于模型箱侧板上,用于模拟激光雷达在恶劣天气下及自身污染情况下的目标探测工作过程,从而测试激光雷达在诸多环境条件下的工作性能;降雨系统位于模型箱顶部,为箱内工作空间提供下雨环境;降雪系统为工作空间提供下雪环境;造雾系统模拟下雾天气;造霾系统置于模型箱侧板上,模拟下霾天气。
-
公开(公告)号:CN111398939B
公开(公告)日:2022-05-17
申请号:CN202010327269.6
申请日:2020-04-23
申请人: 山东大学 , 山东高速集团有限公司
IPC分类号: G01S7/497
摘要: 本发明公开了一种用于测试激光雷达在恶劣天气下工作性能的装置及方法,包括模型箱、目标探测系统、降雨系统、降雪系统、造雾系统和造霾系统;模型箱是箱体结构,为所述的目标探测系统、降雨降雪系统、造雾造霾系统提供工作空间;目标探测系统置于模型箱侧板上,用于模拟激光雷达在恶劣天气下及自身污染情况下的目标探测工作过程,从而测试激光雷达在诸多环境条件下的工作性能;降雨系统位于模型箱顶部,为箱内工作空间提供下雨环境;降雪系统为工作空间提供下雪环境;造雾系统模拟下雾天气;造霾系统置于模型箱侧板上,模拟下霾天气。
-
公开(公告)号:CN113591780A
公开(公告)日:2021-11-02
申请号:CN202110920670.5
申请日:2021-08-11
申请人: 山东大学 , 山东高速信息集团有限公司
摘要: 本发明属于驾驶行为数据处理领域,提供了一种驾驶员行车风险鉴定方法及系统。其中,该方法包括获取驾驶数据,从驾驶数据中提取驾驶行为特征指标;基于驾驶行为特征指标及行为分类模型,识别出驾驶行为,且当驾驶行为属于激进型时,输出风险预警信息;其中,驾驶行为包括激进、一般与平静三种驾驶风格。
-
公开(公告)号:CN111540201B
公开(公告)日:2021-03-30
申请号:CN202010328012.2
申请日:2020-04-23
申请人: 山东大学 , 山东高速集团有限公司
摘要: 本发明公开了基于路侧激光雷达的车辆排队长度实时估计方法及系统,获取由路侧激光雷达对道路上车辆扫描的所有位置点,得到待处理的三维点云数据;对待处理的三维点云数据依次进行背景滤除;对背景滤除后的三维点云数据进行聚类处理;对聚类处理后的三维点云数据进行目标识别,识别出道路上的车辆;基于目标识别后的结果进行车道识别;基于激光雷达相邻帧的三维点云数据,估计道路上每一辆车的速度;基于道路上每一辆车的速度,确定每个车道上的末尾车辆,进而估计每个车道上的排队长度。实时估计出车辆排队长度,针对车辆排队长度实时执行新的交通管控措施,优化整体的车辆通行效率,解决高峰时期车辆拥堵、排队蔓延等问题。
-
-
-
-
-