-
公开(公告)号:CN116749925A
公开(公告)日:2023-09-15
申请号:CN202310731925.2
申请日:2023-06-20
Abstract: 本发明提供一种面向人机混驾的仿人工驾驶证据动态累积制动方法及系统,属于智能驾驶技术领域,分析识别出行车驾驶条件及混行交通场景特征影响因子,结合指数函数回归模型的参数拟合生成证据函数,再结合证据的权重以及所有间接制动证据的总和,进行控制幅度调节,基于先前制动调整的视觉逼近和基于驾驶经验的视觉逼近预测,结合高斯零均值白噪声和初始视觉逼近信号,得到总累积预测偏差,结合视线偏离扫视和车头时距,得到制动器连续调整后的制动信号。本发明考虑了制动需求证据的动态累积过程以及高级视觉感知预测的反馈作用,将人工驾驶固有特征作为约束条件,在具备优良预测能力的基础上模拟人类制动控制,实现了准确及时的完整动态制动控制。
-
公开(公告)号:CN116749925B
公开(公告)日:2024-05-07
申请号:CN202310731925.2
申请日:2023-06-20
Abstract: 本发明提供一种面向人机混驾的仿人工驾驶证据动态累积制动方法及系统,属于智能驾驶技术领域,分析识别出行车驾驶条件及混行交通场景特征影响因子,结合指数函数回归模型的参数拟合生成证据函数,再结合证据的权重以及所有间接制动证据的总和,进行控制幅度调节,基于先前制动调整的视觉逼近和基于驾驶经验的视觉逼近预测,结合高斯零均值白噪声和初始视觉逼近信号,得到总累积预测偏差,结合视线偏离扫视和车头时距,得到制动器连续调整后的制动信号。本发明考虑了制动需求证据的动态累积过程以及高级视觉感知预测的反馈作用,将人工驾驶固有特征作为约束条件,在具备优良预测能力的基础上模拟人类制动控制,实现了准确及时的完整动态制动控制。
-
公开(公告)号:CN113780292A
公开(公告)日:2021-12-10
申请号:CN202111011851.2
申请日:2021-08-31
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于证据推理的语义分割网络模型不确定性量化方法。该方法包括:构建FCN网络模型,利用训练数据集对FCN网络模型进行训练,得到用于图像数据的语义分割的训练后的FCN网络模型;将D‑S证据理论移植于所述训练后的FCN网络模型,得到重构后的FCN网络模型;将待分割的图像数据输入到重构后的FCN网络模型,FCN网络模型输出待分割图像的分类结果,利用D‑S证据理论指标计算出每个像素点的分类结果不确定值。本发明可以在短时间内有效完成对语义分割不确定度的量化计算,极大提高计算效率,节约时间、资源成本。
-
公开(公告)号:CN119625677A
公开(公告)日:2025-03-14
申请号:CN202411583039.0
申请日:2024-11-07
IPC: G06V20/58 , G06V10/44 , G06V10/82 , G06T17/00 , G06T3/4038 , G06N3/0464 , B60W40/04
Abstract: 本发明提供了一种基于鸟瞰感知的自动驾驶3D运行场景生成方法。该方法包括:通过多种传感器采集自动驾驶汽车的多源数据集,该多源数据集包括视觉信息和距离信息;根据所述视觉信息和距离信息生成自动驾驶汽车的三维鸟瞰图模型;利用所有时刻的三维鸟瞰图模型构成自动驾驶汽车的基于鸟瞰感知的3D运行场景。本发明方法考虑复杂环境中的空间关系,通过研究鸟瞰视角的使用使得自动驾驶系统能够识别周围的道路情况、人员流动及潜在障碍物,确保自动驾驶车辆在行驶过程中具备较强的适应能力和安全性。
-
公开(公告)号:CN119516512A
公开(公告)日:2025-02-25
申请号:CN202411589577.0
申请日:2024-11-08
IPC: G06V20/58 , G06V10/12 , G06V10/30 , G06V10/762 , G06V10/764 , G06V10/84 , G06T5/70 , G06T7/277
Abstract: 本发明提供了一种基于信息熵‑贝叶斯估计的自动驾驶决策系统,包括环境感知模块、混合量化模块和决策优化模块。环境感知模块用于收集并处理传感器数据,完成目标检测与分类;混合量化模块基于信息熵和贝叶斯不确定性估计对识别结果进行可靠性量化,生成不同目标和场景的不确定性评估结果,并传输至决策与控制模块;决策与控制模块根据每个目标的不确定性度量,动态调整自动驾驶系统的策略。本发明的基于信息熵‑贝叶斯估计的自动驾驶决策系统用于量化自动驾驶场景中的目标识别可靠性;通过计算信息熵来评估目标识别模型的输出置信度分布,同时利用贝叶斯不确定性估计(如蒙特卡罗Dropout)方法来估计识别模型的不确定性。
-
公开(公告)号:CN116822222A
公开(公告)日:2023-09-29
申请号:CN202310800167.5
申请日:2023-06-30
Abstract: 本发明提供了一种功能状态与用户行为动态同步联动全局闭环功能自动验证方法。该方法包括:基于用户需求和产品功能生成功能能力FC,根据生成的FC定义功能状态模型FSM的元素,确定FSM的元素之间的关系,生成FSM;基于FSM和仿真平台之间的动态同步互连来模拟用户与系统之间的交互行为。本发明提供了一个融合专家经验知识、动态同步验证和反向优化设计的集成框架,为后续系统和组件层级的设计奠定基础,并可扩展到系统和组件层级的功能安全验证,以实现整个产品生命周期的安全保障。
-
公开(公告)号:CN113780292B
公开(公告)日:2022-05-06
申请号:CN202111011851.2
申请日:2021-08-31
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于证据推理的语义分割网络模型不确定性量化方法。该方法包括:构建FCN网络模型,利用训练数据集对FCN网络模型进行训练,得到用于图像数据的语义分割的训练后的FCN网络模型;将D‑S证据理论移植于所述训练后的FCN网络模型,得到重构后的FCN网络模型;将待分割的图像数据输入到重构后的FCN网络模型,FCN网络模型输出待分割图像的分类结果,利用D‑S证据理论指标计算出每个像素点的分类结果不确定值。本发明可以在短时间内有效完成对语义分割不确定度的量化计算,极大提高计算效率,节约时间、资源成本。
-
公开(公告)号:CN119389205A
公开(公告)日:2025-02-07
申请号:CN202411589507.5
申请日:2024-11-08
Abstract: 本发明提供了一种基于RSS的自动驾驶路权优化换道方法。该方法包括:建立责任敏感安全模型RSS模型,该RSS模型包括利用自动驾驶车辆AV的周围环境信息和车辆状态信息设置的纵向最小安全距离,周围车辆到AV的纵向距离小于最小安全距离的行驶距离安全约束条件;构建决策制定模型,利用设定的全局奖励函数和车辆换道性能评估指标对决策制定模型进行训练,得到训练好的决策制定模型;通过训练好的决策制定模型利用行驶距离安全约束条件设计路权优先策略,根据周围环境信息和路权换道决策评估反馈信息利用路权优先策略进行AV的路权优先换道决策。本发明方法能够动态评估和优化车辆的效率,确保换道安全,平衡安全与效率,并适应不同车辆的路权优化需求。
-
公开(公告)号:CN118521878A
公开(公告)日:2024-08-20
申请号:CN202410609715.0
申请日:2024-05-16
IPC: G06V20/00 , G06V20/58 , G06V20/20 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/047 , G06N3/084 , G06N3/094 , G06N3/092
Abstract: 本发明提供一种背景车自主对抗自动驾驶功能安全验证方法,属于自动驾驶技术领域,构建虚拟道路环境,设计背景车辆;所述背景车辆通过深度强化学习算法学习适应道路情况和对抗策略的驾驶行为;通过虚拟仿真环境中的交互数据对背景车辆进行训练,利用GPU加速训练过程,加入对抗性环境进行模型训练,并建立验证机制验证训练结果;其中,基于真实交通数据以及通过对抗生成网络生成的对抗场景作为训练数据。本发明可为交通管理和规划、智能交通系统的开发和优化等提供实用性建议,可作为交通仿真和测试平台建设的基础,并为自适应系统设计、智能控制系统设计等提供理论基础。
-
公开(公告)号:CN116777062A
公开(公告)日:2023-09-19
申请号:CN202310738374.2
申请日:2023-06-20
IPC: G06Q10/04 , B60W60/00 , G06Q10/0635 , G06F18/213 , G06F18/24 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种面向极端难例的自适应融合学习自动驾驶安全决策方法。该方法包括:通过传感器采集极端难例的场景数据,对极端难例的场景数据进行预处理,对预处理后的场景数据进行特征提取和选择:基于深度自编码卷积神经网络构建极端难例场景模型,利用分类标注的极端难例特征数据对极端难例场景模型进行训练和优化,得到训练好的极端难例场景模型;利用训练好的极端难例场景模型进行极端难例危险场景的安全决策。本发明方法通过实时感知和极端难例场景数据收集、数据预处理和特征分类提取、模型训练和优化、决策生成和实时监控与反馈等步骤,实现了对极端难例的安全智能响应。能够分析和预测各种极端难例的可能性和风险,生成并优化安全决策。
-
-
-
-
-
-
-
-
-