CN113178074B 应用于车辆的交通流机器学习建模系统及其方法 （蔚来汽车科技(安徽)有限公司）_第1页
CN113178074B 应用于车辆的交通流机器学习建模系统及其方法 （蔚来汽车科技(安徽)有限公司）_第2页
CN113178074B 应用于车辆的交通流机器学习建模系统及其方法 （蔚来汽车科技(安徽)有限公司）_第3页
CN113178074B 应用于车辆的交通流机器学习建模系统及其方法 （蔚来汽车科技(安徽)有限公司）_第4页
CN113178074B 应用于车辆的交通流机器学习建模系统及其方法 （蔚来汽车科技(安徽)有限公司）_第5页
已阅读5页，还剩16页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

US9707961B1,2017.07.18US2011006913A1,2011.01.13应用于车辆的交通流机器学习建模系统及本发明涉及应用于车辆的交通流机器学习对雷达测量数据以及摄像头测量数据进行目标2交通流计算模块，用于根据所述目标融合模块的输出对每个簇使用最小二乘法求出四次回归方程，其中，四次回归在所述交通流计算模块中，将所述目标融合模块输出的车辆之间的距离作为所述交通流特征信息包括以下的一项或多项：3交通流计算步骤，根据所述目标融合步骤的输出对每个簇使用最小二乘法求出四次回归方程，其中，四次回归在所述交通流计算步骤中，将所述目标融合步骤输出的车辆之间的距离作为所述交通流特征信息包括以下的一项或多项：该计算机程序被处理器执行时实现权利要求6～10任意一项所述的应用于车辆的交通4的话，就更能够提高自动驾驶技术的精确性，例如能够尽早识别出交通流信息中的异常情56程序被处理器执行时实现所述的应用于车辆的交通流机[0049]如上所述，根据本发明的交通流机器学习建模系统以及交通流机器学习建模方给出准确的车道线模型的场景下能够给出准确[0050]进一步，根据本发明的交通流机器学习建模系统以及交[0051]图1是表示本发明一实施方式的应用于车辆的交通流机器学习建模系统的构造示[0053]图3是表示本发明一实施方式的应用于车辆的交通流机器学习建模方法的流程示不旨在确认本发明的关键或决定性的要素或限定所虽然本发明的特征是结合若干实施/实施例的仅其中之一来公开的，但是如针对任何给定7[0058]图1是表示本发明一实施方式的应用于车辆的交通流机器学习建模系统的构造示[0060]目标融合模块100，接收来自车辆雷达的雷达测量数据以及来自车辆摄像头的摄[0066]车道线模型模块200主要的功能是将摄像头看到的车道图像转换成车道线参数，[0067]交通流计算模块400根据目标融合模块100、目标选择模块200以及车道线模型模8像头或雷达检测到的前方车辆，根据车辆之间的距离，用DBSCAN算法可以分为3个聚类结[0076]DBSCAN算法的输入是车辆与车辆之间的距离（车辆之间的距离由目标融合模块9于交通流特征信息对于车辆的慢速或者加速行为[0084]以上对于本发明一实施方式的应用于车辆的交通流机器学习建模系统进行了说[0085]图3是表示本发明一实施方式的应用于车辆的交通流机器学习建模方法的流程示[0103]如上所述，根据本发明的交通流机器学习建模系统以及交通流机器学习建模方[0107]以上例子

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论