|
搜索
搜 索
高等教育领域数字化综合服务平台
无人机行业应用类设备
广泛应用在航拍、测绘、植保、检测、搜救等多种领域的设备，部分有我司自行开发，也可以为特殊用户定制开发领域装备；
西安天翼智控科技有限公司
2022-07-09
基于机器视觉的无人机自动检测方法及无人机管制方法
一种基于机器视觉的无人机自动检测方法及无人机管制方法,利用图像采集装置自动巡天；自适应光照变化并躲避强光的直射，获取待检测区域的图像序列，利用序列图像之间的目标运动特性和单幅图像中的目标与背景的差异，自动检测无人机等低空飞行器，并通过对其卫星定位信道和遥控信道进行无线电干扰以实现无人机管制的目的
华中科技大学
2021-04-10
基于机器视觉的无人机自动检测方法及无人机管制方法
本发明公开了一种基于机器视觉的无人机自动检测方法及无人机管制方法,利用图像采集装置自动巡天；自适应光照的变化并躲避强光的直射，获取待检测区域的图像序列，利用序列图像之间的目标运动特性和单幅图像中的目标与背景的差异，自动检测无人机等低空飞行器，并通过对其卫星定位信道和遥控信道进行无线电干扰以实现无人机管制的目的；本方法可对全天域进行监控，并在巡天过程中自动调整光学成像传感器的指向以避免被强光直射，可以实时自动学习环
华中科技大学
2021-04-14
在复杂环境下空中无人机和地面无人车自主导航系统
成果简介项目负责人在美国多年工作期间主持和参加了路面无人车的导航系统设计，（美国国防部陆军研究实验室的项目编号： DAAD 19-01-2-0012）， 负责开发了采用激光测距器的反映式导航系统， 无人车可以实时地应对环境中的变化， 修正预先规划的轨迹。 该成果在美国国防部项目进度汇报中获得了很高的评价， 相关的研究成果发表在国际顶级的机器人期刊上。 另外还开发了模拟人脑处理信息的四层模型， 并将之运用于图像识别， 开发了通用的识别系统。 解决目前大多识别器只对独立训练的目标有识别力的
安徽工业大学
2021-04-14
L2-L4智能驾驶解决方案
搭建多模态以及全视角环境感知平台，研发复杂环境下多模型车辆状态多源信息融合估计技术，研发高精度同步定位与建图技术，研制高鲁棒性自适应车辆路径规划和轨迹跟踪控制系统，研发基于车路协同V2X的车辆安全辅助驾驶系统与自然人机交互界面，研发智能卡车编队控制技术，形成融合感知、定位、决策、控制、车路协同的L2-L4智能驾驶解决方案。
东南大学
2021-04-11
L2-L4智能驾驶控制系统
成果介绍ADAS/AD系统核心是决策算法，团队在这方面掌握全套的核心控制算法，并通过实车封闭赛道测试。在实车控制方面，选用农机测试是针对农田复杂环境判断决策后的实车控制效果，实际效果有很大优势，应用到铺装路面的乘用车属于向下兼容。技术创新点及参数搭建了红外成像、彩色可见光成像、多线激光雷达成像等技术组成的车载超模态光学传感；研发高精度同步定位与建图技术，研制高鲁棒性自适应车辆路径规划和轨迹跟踪控制系统；针对车路协同的基于4G网络的专用LTE-V直联通讯技术；市场前景1、实现车道线实时检测和可行驶区域的识别；2. 多目标交通场景的准确识别和定位；3. 实现全局即时定位与地图构建（SLAM）；4. 超模态低辨识度目标识别，构建超模态低辨识度目标同步拍摄系统；5. 组合导航技术；6. 红外感知技术。
东南大学
2021-04-13
列车驾驶员疲劳监测预警系统
本系统首先通过摄像头设备采集视频图像，然后对图像进行实时处理快速定位驾驶员脸部，进而准确地进行驾驶员眼部定位、跟踪，通过记录驾驶员眼睛开闭状态曲线判定驾驶员疲劳状况，最后对一定时间内眼睛缓慢闭合所占时间比例满足疲劳上限的驾驶员进行预警。 技术创新点为采用主动人眼定位、跟踪方式进行列车驾驶员疲劳检测，在不干扰驾驶员正常工作的情况下对疲劳驾驶员发出预警。 同类技术多采用让驾驶员定时按动按钮等操作性设置来检验驾驶员是否疲劳，在一定程度上会干扰驾驶员的正常工作。能为列车驾驶安全提供一项保障。应用范围： 所有列车及公共交通工具。
北京交通大学
2021-04-13
面向轻轨辅助驾驶的高精度实时定位系统
北京工业大学
2021-04-14
扒爪履带式底盘及车辆
本实用新型公开了一种扒爪履带式底盘及车辆，底盘的履带总成的前端铰接有扒爪越障器总成，之间连接有折叠油缸。在越野行驶中，在一般地面采用履带驱动行驶；在攀越陡峭阶梯障碍时，扒爪越障器向前伸展，与此同时在履带总成的驱动下，共同实现助力越障的功能，或车辆向后倒退，将前进方向的障碍向后扒平，为车辆顺利通行创造条件。可适用用于各种履带式车辆，如农用履带拖拉机、履带式挖掘机、履带式军车、履带式采伐机、履带式推土机、履带式铲车等。
北京林业大学
2021-02-01
一种车辆分类方法及系统
成果描述：本专利建立一种基于线性判别分析和独立成分分析的车辆分类方法，首先利用线性判别分析提取特征进行第一次大小车型的分类，再利用独立成分分析的第二种结构与线性判别分析的结合，进行特征提取，实行第二步将车辆分为不同的详细车型。市场前景分析：车辆分类技术有着非常重要的现实意义，车辆分类技术在自动收费系统、车辆图像检索如市场统计、流量分析及公安交通监控侦稽系统等领域中有着广泛的应用。本发明着重根据车辆视频图像的特点，即其具有较大噪声，且光照强度变化较大，同类型的车辆形状颜色等外在相似程度也较低的特点，将独立成分分析第二种结构的改进方法（FICA2）作为细分类的特征提取方法，构建特征空间进行细分类。经研究表明，本发明的方法处理速度可达到15帧每秒，满足实时处理需求，准确率达到96%以上。与同类成果相比的优势分析：本专利将独立成分分析的第二种结构与线性判别分析的结合方法，即FICA2应用到车辆图像的特征提取中来，FICA2通过寻求稀疏的编码表示，来构建一个分离度更高的子空间。 本专利提出二次分类方法，首先利用线性判别分析进行特征提取，将车辆按车型大小分为大型车与小型车两大类，然后利用FICA2进行第二次分类来达到将车型分为具体类别的目的。经实验验证，与现有的基于图像的分类方法比较，获得了更好的分类准确率。
电子科技大学
2021-04-10