“张炳力”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果111个，建议您升级VIP下载更多相关专利

[发明专利]一种基于卷积神经网络的车辆违章检测方法-CN201911075126.4有效
发明人：张成标;童宝宏;张炳力;程进;孙雪皓;贾丰源;邓书朝 -专利权人：安徽工业大学
申请日： 2019-11-05 - 公布日： 2023-10-17 - 主分类号： G06V30/148 文献下载
摘要：本发明公开一种基于卷积神经网络的违章检测方法，所述方法包括以下步骤：步骤A，制作数据集；步骤B，搭建基于YOLOV2改进后的卷积神经网络；步骤C，在原Elu激活函数的基础上设计Kelu激活函数，并分别利用多种激活函数搭载进卷积神经网络进行训练，利用训练产生的loss值及检测准确率来确定激活函数；步骤D，在训练卷积神经网络前对图像作批量归一化处理，批量归一化处理有利于提高准确率(mAP)以及显著的改善收敛性，防止过拟合(Over‑fitting)；步骤E，将多方位车辆检测的卷积神经网络、车牌识别的微型卷积神经网络、QT可视化界面一齐封装进ROS(机器人操作系统)操作系统；步骤F，进行实车测试。本发明提供的方法能提高车辆检测的成功率。
一种基于卷积神经网络车辆违章检测方法

[发明专利]一种基于车联网环境下的智能汽车换道控制系统和方法-CN202111506017.0有效
发明人： 张炳力;姚志伟;姜俊昭;张成标;黄鹤;潘泽昊;王焱辉 -专利权人：合肥工业大学智能制造技术研究院;合肥工业大学
申请日： 2021-12-10 - 公布日： 2023-09-26 - 主分类号： B60W30/18 文献下载
摘要：本发明公开了一种基于车联网环境下的智能汽车换道控制系统和方法，该系统包括：车载OBU设备、模糊神经网络模块、安全距离算法模块、路径规划模块和执行模块；其中，车载OBU设备，用于获取车辆行驶数据，通过V2V通信完成数据交互；模糊神经网络模块将自车横向位移和纵向车速作为输入，换道时间作为输出，并传递给安全距离算法模块；安全距离算法模块根据换到时间和车辆行驶参数计算安全距离；路径规划模块比较当前两车距离和安全距离，规划合理的换道路径，并将相关参数提供给执行模块；执行模块用于调整转向角来完成安全换道。本发明能判断当前自车与最近车辆的距离是否满足安全距离要求，从而能实现智能汽车安全换道。
一种基于联网环境智能汽车控制系统方法

[发明专利]一种激光雷达、相机、IMU联合标定装置及方法-CN202310438706.5在审
发明人： 张炳力;王欣雨;姜俊昭;程进;张成标;张羊阳;王怿昕;杨程磊;王焱辉;潘泽昊 -专利权人：合肥工业大学
申请日： 2023-04-23 - 公布日： 2023-09-22 - 主分类号： G01S7/497 文献下载
摘要：本发明公开了一种激光雷达、相机、IMU联合标定装置，涉及环境感知技术领域，联合标定装置包括机架、驱动机构、顶板、采集装置，及用于驱动顶板前倾及后仰运动的倾角调整机构和用于驱动采集装置水平摆动的摆角调整机构；联合标定方法引入角度测量仪测量获得的摆臂真实摆动角度，以比例积分法校正IMU的累计误差。本发明的倾角调整机构和摆角调整机构在同一驱动机构的驱动下，带动顶板和采集装置联动运动，实现采集装置前倾、后仰运动及水平摆动运动的联动，利于拍摄角度的细节化调整和连续性保证，能便捷地实现不同角度图像的大量拍摄采集，并以不同角度拍摄采集的大量图像提高计算结果的准确率，最终实现传感器联合组件的高精度标定。
一种激光雷达相机 imu 联合标定装置方法

[发明专利]一种基于改进K-means的城市电动客车行驶工况构建方法-CN201911049837.4有效
发明人： 张炳力;程啸宇;方涛;程进;李傲伽;张成标;郑平平;卢晓涛 -专利权人：合肥工业大学
申请日： 2019-10-30 - 公布日： 2023-07-25 - 主分类号： G06F17/00 文献下载
摘要：本发明公开一种基于改进K‑means的城市电动客车行驶工况构建方法，包括以下步骤：步骤A，对城市中公交车路线进行调研，筛选出若干条典型的公交路线；步骤B，在选取的公交车上添加传感器来获取所需的数据：时间信息‑车辆行驶速度；步骤C，对采集的数据进行预处理；步骤D，划分短行程并进行特征值计算；步骤E，通过主成分析进行数据降维；步骤F，改进二分K‑means聚类分析；步骤G，类工况选取并合成行驶工况。分析结果表明，基于改进二分K‑means算法建立的某市电动客车行驶工况更能准确反应城市道路交通的特征。
一种基于改进 means 城市电动客车行驶工况构建方法

[发明专利]一种基于机器视觉的端到端车辆轨迹预测方法-CN202310528772.1在审
发明人： 张炳力;佘亚飞 -专利权人：合肥工业大学
申请日： 2023-05-11 - 公布日： 2023-07-14 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种基于机器视觉的端到端车辆轨迹预测方法，包括：1.特征提取网络，利用卷积神经网络对多个单目相机图像进行特征提取；2.运动预测网络，通过引入2个GRU模型来预测周边车辆未来时刻的运动轨迹。本发明能解决在自动驾驶中周围车辆短时间内未来时刻运动轨迹中的避免特征丢失和误差累积的问题，从而能提升预测准确度并保障行车安全性。
一种基于机器视觉端到端车辆轨迹预测方法

[发明专利]基于Transformer的多模态特征融合的三维目标检测方法-CN202310263222.1在审
发明人： 张炳力;王怿昕;姜俊昭;张成标;潘泽昊;杨程磊;王欣雨;王焱辉;程进;张羊阳 -专利权人：合肥工业大学
申请日： 2023-03-17 - 公布日： 2023-06-23 - 主分类号： G06V10/80 文献下载
摘要：本发明公开了一种基于Transformer的多模态特征融合的三维目标检测方法，包括：1.使用激光雷达采集点云数据并对点云数据进行采样，同时使用摄像头采集图像数据2.将激光雷达与摄像头采集到的数据输入基于Transformer的多模态特征融合RPN网络，提取区域建议框3.将区域建议框信息输入精细化网络，得到最终预测框。本发明能避免对基于多模态特征融合的目标检测过程中，误检、漏检的问题，从而能够保证对感知环境评估的准确性。
基于 transformer 多模态特征融合三维目标检测方法

[发明专利]一种基于图像与超声波信息融合的自动泊车方法-CN202310329917.5在审
发明人： 张炳力;郑达;米向东;王焱辉;罗翔 -专利权人：合肥工业大学
申请日： 2023-03-30 - 公布日： 2023-06-23 - 主分类号： B60W30/06 文献下载
摘要：本发明公开了一种基于图像与超声波信息融合的自动泊车方法，包括：1.采集图像与超声波信息，将图像进行环视处理后进行信息融合；2.根据融合结果进行车位与障碍物检测；3.通过检测获取的车位信息与障碍物信息筛选目标车位；4.针对目标车位规划泊车路径，以实现泊车入位过程。本发明结合图像与超声波信息各自的优势，优化了泊车环境信息提取能力，增加了车位搜索范围，简化了目标车位筛选方法，提升了泊车效率与场景适应性。
一种基于图像超声波信息融合自动泊车方法

[发明专利]一种用于智能汽车的特征图像边缘检测方法-CN201911049836.X有效
发明人： 张炳力;程进;李傲伽;程啸宇;张成标;郑平平;卢晓涛 -专利权人：合肥工业大学
申请日： 2019-10-30 - 公布日： 2023-06-23 - 主分类号： G06T7/13 文献下载
摘要：本发明公开一种用于智能汽车的特征图像边缘检测方法，所述边缘检测方法包括如下步骤：A、用车载工业相机获取待检测图像，转换为灰度图像，选取σ值为1.0进行高斯平滑滤波；B、对平滑处理后图像进行阈值为0.5的Canny边缘预提取；C、将Canny检测的边缘图像矩阵输入到二维数字滤波器中，通过二进小波变换检测二维小波变换的模极大点确定图像的边缘点；沿边界方向将该尺度下的模极大点连接起来形成边缘曲线，从而得到边缘检测图像；D、根据不同类型、不同环境的图片选取适当的E值，计算ek，判断ek≥E是否成立，若为是则输出边缘检测图像，若为否，则重复步骤C。该方法可以得到智能汽车易于识别判断的特征图像边缘轮廓线，检测边缘准确清晰。
一种用于智能汽车特征图像边缘检测方法

[发明专利]一种铁路接触网作业车的智能辅助驾驶控制系统及方法-CN202310124725.0在审
发明人： 张炳力;沈干;刘中正;程进;卢晓涛;米向东;罗翔;黄浩然;周晨志 -专利权人：合肥工业大学
申请日： 2023-02-16 - 公布日： 2023-05-12 - 主分类号： B61C17/00 文献下载
摘要：本发明公开了一种铁路接触网作业车智能辅助驾驶控制系统及方法，该系统包括：限速信息采集模块、车速信息采集模块、位置信息采集模块、轨道信息采集模块、参数调试模块、数据处理模块、油门驱动模块、制动执行模块，其中，数据处理模块通过对限速、车速、位置、轨道及控制指标、控制参数信息进行分析处理，得到油门和制动控制指令并传递给油门驱动模块、制动执行模块，用于控制作业车油门大小和制动机制动手柄位置，实现替代司机平稳控车功能，保证行车安全。
一种铁路接触作业智能辅助驾驶控制系统方法

[发明专利]融合泊车场景中视觉失效模式的智能感知方法、设备及介质-CN202310033005.3在审
发明人： 张炳力;梅炜炜 -专利权人：合肥工业大学
申请日： 2023-01-10 - 公布日： 2023-04-28 - 主分类号： G06V10/44 文献下载
摘要：本发明公开了一种融合泊车场景中视觉失效模式的智能感知方法、设备及介质，该方法的步骤包括：1获取具有连续或等间隔帧的鱼眼图像数据；2建立时空融合检测模型；3建立基于AI的多场景数据的分类网络模型；4利用建立好的模型实现预测，以达到失效模式检测的目的。本发明能克服端侧有限硬件资源条件下单一传统算法鲁棒性较低和AI预测时效性较差的难题，数据在时间、空间上进行像素级、特征级和决策级的多级融合检测，从而能实现对视觉失效模式进行实时精确智能感知。
融合泊车场景视觉失效模式智能感知方法设备介质

[发明专利]基于改进A*算法的铰接车辆混合路径规划方法-CN202310159677.9在审
发明人： 张炳力;张成标;张羊阳;程进;王欣雨 -专利权人：合肥工业大学
申请日： 2023-02-21 - 公布日： 2023-04-07 - 主分类号： G01C21/20 文献下载
摘要：本发明公开了一种基于改进A*算法的铰接车辆混合路径规划方法，包括：1、构建试验场地栅格地图，设置铰接车辆的初始点和终点位置；2、建立铰接车辆的运动学模型，计算车辆在目标节点的航向角和铰接角信息；3、设计改进A*算法的混合路径规划方法进行规划；4、路径搜索，采用铰接车辆的铰接点进行节点扩展，对目标节点进行碰撞检测；5、结合向量场直方图(VFH*)方法计算搜索范围内各个扇区碰撞威胁代价；6、设计成本函数选择目标节点进行扩展；7、判断目标节点是否在终点附近，若是，则算法结束，返回结果路径；否则，返回步骤2顺序。本发明能规划出满足铰接车辆运行的任务路径，提高了铰接车辆在路径规划场合的效率和适用性。
基于改进算法铰接车辆混合路径规划方法

[实用新型]一种无人清扫车用垃圾收纳装置-CN202222235497.8有效
发明人：黄鹤;张炳力;孟奇;曾琦;黄泽辰;张志林 -专利权人：合肥工业大学智能制造技术研究院
申请日： 2022-08-24 - 公布日： 2023-03-31 - 主分类号： B65F3/20 文献下载
摘要：本申请公开了一种无人清扫车用垃圾收纳装置。包括在无人清扫车的内部形成的收纳腔体，还包括轻质隔板本体、超声波雷达、导向立柱、预应力弹簧，导向立柱固定连接收纳腔体，轻质隔板本体滑动连接导向立柱，预应力弹簧在导向立柱设置，预应力弹簧用于控制轻质隔板本体具有复位的趋势，超声波雷达在收纳腔体内设置。本申请能够解决轻质隔板跟随垃圾升高后卡在滑槽的问题。
一种无人清扫垃圾收纳装置

[发明专利]基于Transformer的多传感器融合目标检测方法-CN202211459301.1在审
发明人： 张炳力;杨程磊;姜俊昭;潘泽昊;王欣雨;王怿昕;王焱辉 -专利权人：合肥工业大学
申请日： 2022-11-17 - 公布日： 2023-02-24 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于Transformer的多传感器融合目标检测方法，包括首先获取摄像头、激光雷达、毫米波雷达三传感器的原始数据，将获得的数据作为三种不同的模态输入到基于Transformer的多传感器融合网络中，其次用激光雷达源模态的特征反复强化摄像头目标模态，输出潜在适应后的新模态，然后再利用毫米波雷达源模态的特征反复强化所述的新模态特征，输出最终的融合结果，得到补充修正后的道路目标检测框。本发明能够避免车辆在行驶过程中，由于单一传感器的错检或者误检所带来的危害，从而保证为决策规划部分提供更为准确、丰富的道路目标信息。
基于 transformer 传感器融合目标检测方法

[实用新型]一种应用于无人清扫车的防护装置-CN202222242695.7有效
发明人：黄鹤;张炳力;孟奇;曾琦;黄泽辰;张志林 -专利权人：合肥工业大学智能制造技术研究院
申请日： 2022-08-24 - 公布日： 2023-02-24 - 主分类号： E01H1/00 文献下载
摘要：本申请公开了一种应用于无人清扫车的防护装置。包括防撞条本体，防撞条本体连接有弹性杆的一端，弹性杆的另一端连接有安装板，安装板包括安全结构，安装板连接有伸缩气缸的一端，伸缩气缸的另一端连接无人清扫车的壳体，在无人清扫车的壳体的侧面形成有用于容纳防撞条本体的容纳槽。本申请能够解决防撞条本体导致了无人清扫车车体的横向体积变大的问题。
一种应用于无人清扫防护装置

[发明专利]一种基于深度学习的车位及障碍物检测方法及其应用-CN202211248240.4在审
发明人： 张炳力;王焱辉;潘泽昊;王怿昕;杨程磊;王欣雨;张成标 -专利权人：合肥工业大学
申请日： 2022-10-12 - 公布日： 2022-12-30 - 主分类号： G06V20/58 文献下载
摘要：本发明公开了一种基于深度学习的车位及障碍物检测方法及其应用，该方法包括：1.在车辆相应位置安装鱼眼摄像头；2.对鱼眼摄像头进行环视拼接并进行标注，制作数据集；3.搭建神经网络结构，采用共用一个主干网络，经过特征提取网络后生成两个检测头的网络结构，分别对停车位和障碍物进行不同方式的回归；4.训练神经网络，得到最优损失下的权重，进行停车位识别。本发明避免了在采用检测框回归的方式同时检测停车位与障碍物的过程中无法拟合停车位的问题，从而保证了在准确拟合停车位的同时也能对障碍物进行有效检测识别。
一种基于深度学习车位障碍物检测方法及其应用

1
2
3
4
5
6
7
8
下一页»
尾页
共 111 条