-
公开(公告)号：CN105678791B
公开(公告)日：2018-07-17
申请号：CN201610101432.0
申请日：2016-02-24
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于参数不唯一的车道线检测与跟踪方法，基于Hough变换，通过车道线参数的不唯一性，将Hough变换中，角度自变量从360度减少到以一定步长代替1度，将360度的计算量减少为360除以步长，如果按照不优化的Hough变换，假设二值图像中像素数为N，需要进行N*360次ρ＝x cosθ+y sinθ计算，但是运用本方法，步长为θ0，则角度检测个数为Nθ＝360/θ0，初步估测车道线时计算量为N*(Nθ+θ0*2)次ρ＝x cosθ+y sinθ，因为还有车道线的精确定位环节，所以需要加上N*θ0*2次，每条车道线需要θ0度计算，大大减少了计算量。
-
公开(公告)号：CN109800693B
公开(公告)日：2021-05-28
申请号：CN201910015876.6
申请日：2019-01-08
Applicant: 西安交通大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于颜色通道混合特征的夜间车辆检测方法，属于辅助驾驶领域，涉及一种夜间检测车辆的方法，同时结合RGB颜色空间和HSV颜色空间，提取得到图像的颜色通道混合特征，大大减少了对图像样本库的依赖以及阈值主观性的影响，有利于增强算法的普适性，以适应于夜间道路出现的各种复杂情况；其次，本发明将颜色通道混合特征同OTSU法进行了结合，自适应的得到图像分割阈值，同时采用大面积区域分割算法去除明显不符合尾灯特征的区域，大大提高了算法的准确性；最后，本发明采用三大准则来逐一消除不可能的尾灯配对，具有较强的鲁棒性。在整体效果上，更适应于光照条件复杂的夜间背景下的应用。
-
公开(公告)号：CN109816003A
公开(公告)日：2019-05-28
申请号：CN201910045100.9
申请日：2019-01-17
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于改进HOG-LBP特征的智能车辆前方多目标分类方法，属于智能驾驶领域。在HOG特征的提取过程中加入LBP特征，并在对图像进行分块处理的过程中，对小区域内的HOG特征和LBP特征进行一定的选择，以此减少最终得到的整幅图像的特征向量维数，减少了特征提取所需的时间；同时，针对“车辆-行人-非机动车-背景”这一多目标场景，设计了适用的多级支持向量机分类结构，对各个节点分类器分别进行训练，提高最终的分类准确性。弥补了当前对城区复杂交通场景多目标分类研究的不足，进一步减少各类目标检测时特征提取的时间，提高检测准确性，以满足车载设备实时性处理的需求。
-
公开(公告)号：CN102625316A
公开(公告)日：2012-08-01
申请号：CN201210111046.1
申请日：2012-04-16
Applicant: 西安交通大学
Abstract: 本发明提供一种随机退避的分布式协调调度技术，包括：(1)通过比例公平调度原则，在每个扇区内独立调度用户；(2)根据被调度用户的类型：扇区内用户或扇区边缘用户，对协作扇区进行选择；(3)每个扇区在独立调度完毕且确定协作扇区后，向协作小区广播自己的调度信息；(4)根据自己扇区的调度信息和其他小区的调度信息，通过随机退避的干扰协调机制处理小区间的调度冲突，进行小区间的调度协调。通过这种随机退避的协调调度技术，实现了协调调度的分布式处理，在现有网络架构可以实现，且对小区边缘用户的性能有很大提高。
-
公开(公告)号：CN115497075A
公开(公告)日：2022-12-20
申请号：CN202211192067.0
申请日：2022-09-28
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于改进型卷积神经网络交通目标检测方法及相关装置，属于辅助驾驶领域。通过在网络中添加注意力机制，网络对不同重要程度的信息进行了加权操作，对重要信息进行强化，对不重要信息进行抑制，从而更加关注重要的信息；更换网络损失函数中所用CIoU为EIoU，使得网络收敛更快，且对不同类别、不同尺寸的交通目标都可以更好地定位。改进后的YOLOv5卷积神经网络对于交通目标检测更加精准，在复杂交通环境下的目标检测速度和准确率得到了提高，最终在Atlas 200DK上完成整体应用的开发和部署。
-
Patent Agency Ranking
公开(公告)号：CN105678791A
公开(公告)日：2016-06-15
申请号：CN201610101432.0
申请日：2016-02-24
Applicant: 西安交通大学
CPC classification number: G06T7/20 , G06T5/002 , G06T2207/30256
Abstract: 本发明公开了一种基于参数不唯一的车道线检测与跟踪方法，基于Hough变换，通过车道线参数的不唯一性，将Hough变换中，角度自变量从360度减少到以一定步长代替1度，将360度的计算量减少为360除以步长，如果按照不优化的Hough变换，假设二值图像中像素数为N，需要进行N*360次ρ＝x cosθ+y sinθ计算，但是运用本方法，步长为θ0，则角度检测个数为Nθ＝360/θ0，初步估测车道线时计算量为N*(Nθ+θ0*2)次ρ＝x cosθ+y sinθ，因为还有车道线的精确定位环节，所以需要加上N*θ0*2次，每条车道线需要θ0度计算，大大减少了计算量。
-
公开(公告)号：CN103024921A
公开(公告)日：2013-04-03
申请号：CN201210579853.6
申请日：2012-12-27
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于CQI反馈参数和SINR数值分组的调度方法，基站计算小区内所有用户的SINR数值；设置SINR阈值，将大于等于SINR阈值的用户区分为小区中心用户组Ⅰ，将小于SINR阈值的用户区分为小区边缘用户组Ⅱ，并将小区内总的资源块分配给小区中心用户组Ⅰ和小区边缘用户组Ⅱ用以调度；在一个时间窗内，基站依据CQI机制依次为每组内的用户分配相应的资源块，分别对小区中心用户组Ⅰ与小区边缘用户组Ⅱ采用PF调度方法和RR调度方法进行调度。通过构建LTE系统仿真模型，将该算法与PF算法进行仿真对比，由仿真结果得出该算法较PF算法在一定程度上提高了小区的吞吐量和用户之间的公平性。
-
公开(公告)号：CN110909666B
公开(公告)日：2022-10-25
申请号：CN201911143330.5
申请日：2019-11-20
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于改进型YOLOv3卷积神经网络的夜间车辆检测方法，属于辅助驾驶领域。通过增加输入图像尺寸、网格划分密度和多尺度训练，使YOLOv3卷积神经网络对于小目标检测更加准确。从而更加精准的识别面积较小的车尾灯；同时，针对夜间行车环境中复杂的灯光干扰，在darknet53特征提取网络中加入了通道注意力机制‑改进型SE‑Block模块。对不同重要程度的信息进行了加权操作，从而对重要信息进行强化，对不重要信息进行抑制；针对没有开源的夜间车辆数据集，构建了一个新的夜间车辆数据集。填补了这方面的空缺。最终通过对YOLOv3卷积神经网络的改进，使其更加适合夜间车辆识别。在小目标和复杂灯光干扰的环境中可以更加准确、快速地识别夜间车辆。
-
公开(公告)号：CN110909666A
公开(公告)日：2020-03-24
申请号：CN201911143330.5
申请日：2019-11-20
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于改进型YOLOv3卷积神经网络的夜间车辆检测方法，属于辅助驾驶领域。通过增加输入图像尺寸、网格划分密度和多尺度训练，使YOLOv3卷积神经网络对于小目标检测更加准确。从而更加精准的识别面积较小的车尾灯；同时，针对夜间行车环境中复杂的灯光干扰，在darknet53特征提取网络中加入了通道注意力机制-改进型SE-Block模块。对不同重要程度的信息进行了加权操作，从而对重要信息进行强化，对不重要信息进行抑制；针对没有开源的夜间车辆数据集，构建了一个新的夜间车辆数据集。填补了这方面的空缺。最终通过对YOLOv3卷积神经网络的改进，使其更加适合夜间车辆识别。在小目标和复杂灯光干扰的环境中可以更加准确、快速地识别夜间车辆。
-
公开(公告)号：CN109800693A
公开(公告)日：2019-05-24
申请号：CN201910015876.6
申请日：2019-01-08
Applicant: 西安交通大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于颜色通道混合特征的夜间车辆检测方法，属于辅助驾驶领域，涉及一种夜间检测车辆的方法，同时结合RGB颜色空间和HSV颜色空间，提取得到图像的颜色通道混合特征，大大减少了对图像样本库的依赖以及阈值主观性的影响，有利于增强算法的普适性，以适应于夜间道路出现的各种复杂情况；其次，本发明将颜色通道混合特征同OTSU法进行了结合，自适应的得到图像分割阈值，同时采用大面积区域分割算法去除明显不符合尾灯特征的区域，大大提高了算法的准确性；最后，本发明采用三大准则来逐一消除不可能的尾灯配对，具有较强的鲁棒性。在整体效果上，更适应于光照条件复杂的夜间背景下的应用。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.028 seconds)
