-
公开(公告)号：CN119478916A
公开(公告)日：2025-02-18
申请号：CN202411321814.5
申请日：2024-09-23
Applicant: 江苏大学
IPC: G06V20/64 , G06V10/80 , G06V10/764 , G06V10/77 , G06V10/20 , G06V10/30 , G06V10/40 , G06T5/90 , G06T5/73
Abstract: 本发明公开了同质多模态特征融合和交互的三维物体检测系统及方法，包括相机调节板，所述相机调节板上设置有图像采集模块，图像采集模块控制连接有图像处理模块，图像处理模块控制连接有图像输出模块，图像处理模块和图像输出模块设置在相机调节板上，图像输出模块控制连接有图像接收模块，图像接收模块设置在接收调节板上；本发明，通过融合来自激光雷达和相机的数据，并利用它们的互补优势，提高三维物体检测的准确性和鲁棒性；通过增强图像体素特征和点云特征，使其更易于被检测算法识别和利用；通过特征学习模块对不同分类的特征进行学习，用于后续相似特征的快速处理，能够在使用一段时间后加快三维物体的检测效率。
-
公开(公告)号：CN118778033A
公开(公告)日：2024-10-15
申请号：CN202410789741.6
申请日：2024-08-13
Applicant: 江苏大学
IPC: G01S13/88 , G01S13/66 , G01S17/88 , G01S17/89 , G01C21/16 , G01S7/40 , G01S7/497 , G01S7/481 , G01S19/42 , G01S7/02 , G01S19/43 , G07C5/08 , H04N5/76 , H04L12/40 , H04W4/38 , H04Q9/00
Abstract: 本发明公开了一种用于构建自动驾驶数字孪生模型的数据采集方法、装置、设备及介质，包括传感器系统和智能处理系统，主激光雷达、毫米波雷达、相机和补盲激光雷达均通过CAN分析仪控制连接在工控机上，本发明，由安装架将主激光雷达、相机、RTK惯导、补盲激光雷达固定在车体上，搭配毫米波雷达构成数据采集的传感器终端，配合CAN分析仪对接工控机构成数据采集的硬件结构，可适配安装在不同的车体上，适应性强；搭配智能处理系统整合硬件结构构成数据采集的整体介质，为自动驾驶构建数字孪生模型提供了数据支撑，可以优化驾驶模型的性能和行为；在进行数据采集之前通过对传感器终端进行标定，保障了数据的采集精度。
-
公开(公告)号：CN118514712A
公开(公告)日：2024-08-20
申请号：CN202410589206.6
申请日：2024-05-13
Applicant: 江苏大学
Abstract: 本发明公开了基于多层次交互关系图的场景级联合轨迹预测方法、系统及存储介质，包括：S1构建多智能体时空关系图。S2基于时空关系图分割空间交互子集，推理目标智能体未来交互关系，划分多层级交互关系图。S3以单个交互子集为单位实现组间信息交互，指导轨迹预测模型中元素状态编码与信息融合。S4目标智能体嵌入特征值解码预测轨迹。在解码时低层级智能体将会融合高层级智能体特征的基础上进行轨迹解码。S5为生成场景级多模态预测结果，将S2生成的每组交互关系图服务于单一场景级模态。本发明解决了场景一致性问题同时输出合理的多模态预测结果，利用智能体历史状态量与驾驶场景环境元素推理多智能体间交互关系，实现轨迹预测结果的场景一致性。
-
公开(公告)号：CN115422837A
公开(公告)日：2022-12-02
申请号：CN202211063588.6
申请日：2022-08-31
Applicant: 江苏大学
Abstract: 本发明公开了一种基于深度高斯过程的智能汽车动力学预测模型、训练数据获取方法、以及训练方法，利用多层前馈神经网络接收当前时刻与历史时刻的车辆控制与状态信息，输出实时路面附着系数、前轮侧偏刚度、后轮侧偏刚度。所获取的路面附着系数、前轮侧偏刚度、后轮侧偏刚度与当前时刻的车辆控制与状态信息输入到物理模型中获取下一时刻的车辆状态信息，由物理模型输出的车辆状态信息作为深度高斯模型的均值；长短时记忆神经网络接收当前时刻与历史时刻的车辆控制与状态信息从而建立深度高斯模型所需的协方差矩阵。相比于单纯数据驱动，本发明融合物理模型的先验知识，提高模型的鲁棒性，避免纯数据驱动在训练数据覆盖不到区域发生未知的错误。
-
公开(公告)号：CN115257788A
公开(公告)日：2022-11-01
申请号：CN202211021084.8
申请日：2022-08-24
Applicant: 江苏大学
Abstract: 本发明公开了一种基于驾驶状态识别的智能车辆底盘协调控制系统及方法，主要通过隐马尔可夫模型对驾驶状态进行分类，再通过可拓理论对驾驶状态进行进一步的细分，并基于当前的驾驶状态确定主动前轮转向控制系统和直接横摆力矩控制系统的权重系数，对两个底盘子系统的输出进行加权分配，实现两个底盘子系统的协调控制。确保两个底盘子系统都能最大限度发挥相应的优势，同时又能尽量避免两个底盘子系统的劣势。根据本文的仿真结果可知，本发明提出的协调控制系统对于车辆的横摆角速度以及车速的控制效果较好。可以在保证车辆安全行驶的同时减少车速的波动，保证车内乘员的舒适性。
-
Patent Agency Ranking
公开(公告)号：CN114820708A
公开(公告)日：2022-07-29
申请号：CN202210460015.0
申请日：2022-04-28
Applicant: 江苏大学
Abstract: 本发明公开了一种基于单目视觉运动估计的周边多目标轨迹预测方法、模型训练方法及装置，自车运动估计和预测部分建立了完整车辆视觉里程计，实现对自车运动的独立建模。其次，所提出的目标轨迹初始化方法基于所建立的视觉里程计和深度图信息，将不同时刻的目标边界框坐标归一化到当前时刻。自车运动估计和预测模型完成了对目标运动与自车运动的解耦。最后，在未来轨迹预测部分使用归一化的轨迹坐标，在自车当前相机视角下完成对目标未来轨迹的预测。模型各阶段训练时所需数据包括车载相机拍摄的视频序列以及该序列内各目标的位置信息和身份信息。
-
公开(公告)号：CN118781221A
公开(公告)日：2024-10-15
申请号：CN202410935881.X
申请日：2024-07-12
Applicant: 江苏大学
IPC: G06T11/20 , G06T17/05 , G06V10/44 , G06V20/56 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于高阶建模的端到端矢量化高清地图模型、设备及存储介质，包括：将高阶建模思想用于地图构建任务，在高维空间中对每个实例进行划分，通过计算高阶统计量捕获地图元素的相关性；引入鸟瞰图增强模块，强化语义和几何信息；使用实例查询作为解码器的输入，增强查询能力，避免实例内信息不一致。本发明设计的高阶建模模块可以有效促进实例之间进行特征交互，增强对复杂环境的建模能力。引入的鸟瞰图增强模块，可以利用高阶统计信息强化鸟瞰图特征。整个模型在复杂的驾驶环境中也能保持良好的建图效果。
-
公开(公告)号：CN114995426A
公开(公告)日：2022-09-02
申请号：CN202210627864.0
申请日：2022-06-06
Applicant: 江苏大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于神经网络动力学模型的无人驾驶车辆轨迹跟踪控制方法、系统及车载控制设备，在基于神经网络的动力学模型中，使用全连接前馈神经网络设计了神经网络模型，模型有两层隐藏层，每层有64个神经元，使用ReLU激活函数，模型的输入为当前时刻的车辆状态与控制指令，输出为下一时刻的车辆状态，该神经网络通过最小化预测的输出状态和观测的输出状态之间的均方误差来学习动态方程。基于神经网络动力学模型设计的ILQR控制器内包含迭代线性二次型调节器的控制算法，通过最小化成本函数求得最优控制指令，实现对参考轨迹的跟踪。本发明相比于端到端的控制，所提出的方案可解释性更强，在保证轨迹跟踪精度的同时，兼顾了横向和纵向稳定性。
-
公开(公告)号：CN118379878B
公开(公告)日：2024-12-31
申请号：CN202410491756.4
申请日：2024-04-23
Applicant: 江苏大学
IPC: G08G1/01 , G08G1/0967 , G08G1/0968 , G06N3/092 , G06N3/098
Abstract: 本发明公开了基于联邦强化学习的多智能体车路云一体化协同决控架构系统及方法。采用内嵌车辆动力学特性的多智能体联邦强化学习决控框架，解决了智能交通系统和智能汽车深度融合问题，实现了车辆与交通深度决控协同的自动驾驶；在路端生成语义矩阵，作为车端强化学习输入，构建路端指导的车端全局、局部轨迹规划；基于路端构建的行车安全场设计车端强化学习的融合奖励函数，实现车端安全性舒适性综合考量；基于路端联邦学习，通过V2I通信上传车端神经网络参数，解决了隐私意识导致的车路信息不对称难题；针对不同环境样本分布，通过神经网络筛选选择针对当前环境的局部最优策略，合成受益于不同环境的共享模型，实现样本效率和模型鲁棒性的平衡。
-
公开(公告)号：CN118823731A
公开(公告)日：2024-10-22
申请号：CN202410801976.2
申请日：2024-06-20
Applicant: 江苏大学
IPC: G06V20/58 , G06N3/0455 , G06V10/80
Abstract: 本发明公开了一种基于改进的Transformer模型和目标点引导的车辆轨迹预测方法、模型及电子设备，首先以本地时空参考系处理所有场景元素，使每个场景元素生成唯一不变的表示。其次，在基于因子化注意力的场景上下文编码模块中，提出沿目标车辆查询交叉注意力的特征融合方法，通过注入多种键值对引导增强目标车辆的信息获取，实现场景上下文全局特征融合。接着，采用一个基于目标点为条件的多模态运动预测模块，从场景上下文中生成密集目标候选点及其概率，设计目标点预测器来选择高度潜在的车道段上的候选目标，并引入多模态目标解码器进一步捕获高质量目标状态。最后，利用轨迹生成模块获得紧凑多样的预测，实现高可靠性和可解释性的多模态轨迹输出。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.025 seconds)
