江苏大学专利

摘要：

摘要：

摘要：本发明公开了一种基于VGG+NetVLAD的地下停车场高精度视觉定位方法及系统，具体包括以下步骤：1、数据采集阶段：采集目标停车场内的安全出口标志数据信息；2、网络模型建立与训练阶段：建立并训练标志检测模型和全局特征提取模型；3、地图制作阶段：运用训练好的网络模型，进行地图的制作；4、定位实现阶段：利用平面单应性解算相机与标志间的位姿，实现实时定位。本发明利用了停车场内原有的安全出口标志制作视觉地图，方案简单，无需其他部署，仅需单目相机实现，降低了成本，且定位精度可达到亚米级别，既可应用于移动设备，又可应用于智能驾驶汽车。

摘要：本发明属于电动汽车电池管理技术领域，涉及基于结合改进的粒子群算法的扩展卡尔曼滤波SOC估算方法。该方法以对锂电池SOC值的精确估算为目标，提出一种结合改进粒子群算法的卡尔曼滤波算法，通过在EKF算法时间更新和状态更新的基础上加入改进的粒子群算法进行噪声协方差矩阵寻优，从而提高了估算精度。建立Thevenin等效电路模型在一定程度上弥补了内阻模型无法表征锂电池动态特性的缺点，并加入两个RC回路来表征电池内部的极化反应，具有更好的表征效果，在此模型的基础上运用扩展卡尔曼滤波算法实现锂离子电池SOC估算模型的建立和SOC值的数学迭代运算。

摘要：

摘要：

摘要：本发明提供了一种基于萤火虫群算法优化后的BP神经网络估算电池SOC的方法，属于电动汽车电池管理技术领域。本发明方法为：获取动力电池的荷电状态和外部特性数据，对外部特性数据进行归一化处理；利用萤火虫群算法优化BP神经网络，优化内容包括最优隐含层神经元个数、权值和阈值，将最优隐含层的权值和阈值作为待优化参数基于萤火虫群算法迭代求解，用最优位置点对应的权值和阈值更新BP神经网络；最后，通过优化后的BP神经网络估算电池的SOC。本发明能动态地对电池SOC进行预测，即在不同电池状态下都能实现对锂电池SOC的精确估计。

摘要：本发明公开了一种面向自动驾驶的高灵活性可变视角路侧感知装置及超视距感知方法，属于智能交通领域。路侧装置由安装在可移动伸缩支架上的电源模块、感知模块、旋转设备云台、信息处理模块、通信模块、照明模块、交通信号灯模块等部分组成，可依据道路条件及感知需求灵活摆放；基于交通语义及不同工况，自适应调整感知角度，结合基于视觉传感器的YOLOv4‑5D算法及基于激光雷达的PV‑RCNN架构算法对环境信息进行感知建模。通信模块根据不同工况将路侧装置的感知结果广播给周边智能车辆及云端，使周边智能汽车获得超视距、多视角、多类别的环境感知信息。本发明解决了当前智能汽车单车感知能力孱弱，存在感知盲区且设备费用高昂、数据运算实时性差等问题。

摘要：本发明提供了一种驾驶人情绪变化捕捉装置及方法，属于汽车安全驾驶技术领域。当肌电信号时域特征发生变化时，表情‑驾驶行为情绪识别子模块通过支持向量机的分类器判断驾驶人情绪变化状况；否则，表情情绪识别子模块通过基于驾驶人面部几何特征的面部表情判据模型，并设计融合时序注意递归网络与卷积神经网络的表情识别方法进行情绪识别。本发明可以显著提高驾驶人面部表情识别效率和准确度。

摘要：