公开(公告)号：CN112733325B

公开(公告)日：2024-01-12

申请号：CN202011517914.7

申请日：2020-12-21

Applicant: 东南大学

Inventor： 李旭 ,  常彬 ,  徐启敏 ,  胡玮明

IPC: G06F30/20 ,  G06F30/15 ,  G06F17/16 ,  B60T17/22

Abstract: 本发明公开了一种用于半挂汽车列车AEBS的全面准确的测评方法；首先，使用双天线差分GPS接收机、陀螺仪作为采集数据的传感器；然后建立基于无迹卡尔曼滤波算法的半挂汽车列车当前”统计改进模型，并利用几何学关系解算半挂汽车列车的运动学状态信息；其次，建立基于递归最小二乘估计算法的目标车辆运动学模型并获取目标车辆的运动学状态信息；最后，利用获取的目标车辆和自车状态信息，计算一般性AEBS测评指标，即碰撞时间和强化碰撞时间，并提出了具有针对性的半挂汽车列车AEBS测评的指标，包括横摆稳定裕度、制动平顺性、折叠幅度。本发明解决了现在没有专门针对半挂汽车列特性的AEBS测评方法的问题，实现了对半挂汽车列车AEBS的全面准确的测评。

公开(公告)号：CN117274516A

公开(公告)日：2023-12-22

申请号：CN202311181064.1

申请日：2023-09-13

Applicant: 东南大学

Inventor： 李旭 ,  朱建潇 ,  徐启敏

IPC: G06T17/05 ,  G06T3/40 ,  G06T7/80 ,  G06F30/13 ,  G06F17/11 ,  G06V10/764 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/08 ,  G06F111/04

Abstract: 本发明公开了一种路端监控摄像头交通目标三维检测方法，该方法的核心在于，针对现有三维目标检测方法在深度预测时精确不佳的问题，设计了一种基于激光雷达点云的静态交通场景三维模型构建方法，在此基础上，设计了一种高分辨率动态交通目标关键点检测网络，实现了对交通目标精确的关键点位置提取，另一方面，针对不同安装条件下现有算法泛化性不足的问题，设计了一种基于二维关键点与三维点云模型的交通目标三维属性解算方法，该方法可以从精确二维关键点位置和三维点云模型中恢复出目标的三维空间位置，从而提高了现有系统的泛化能力。

公开(公告)号：CN112487954B

公开(公告)日：2023-12-05

申请号：CN202011357565.7

申请日：2020-11-26

Applicant: 东南大学

Inventor： 李旭 ,  胡锦超 ,  徐启敏 ,  胡玮明

IPC: G06V40/20 ,  G06V40/10 ,  G06V10/26 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/049

Abstract: 本发明涉及一种面向平面交叉口的行人过街行为预测方法，包括以下步骤：步骤一：设计即时奖励函数；步骤二：建立全卷积神经网络‑长短期记忆网络(FCN‑LSTM)模型预测动作奖励函数；步骤三：基于强化学习训练全卷积神经网络‑长短期记忆网络(FCN‑LSTM)模型；步骤四：预测行人过街行为及危险预警。该技术方案无需建立复杂的行人运动模型、无需准备海量的带标签数据集，实现自主学习平面交叉口处行人过街行为特征并预测其行走、驻足、快跑等行为，特别是对诱发人车碰撞、擦蹭等危险时行人过街行为的实时预测，对过街行人和来往车辆进行危险预警，有利于减少平面交叉口等重点路段交通事故发生率，保障交通环境中行人的安全。

公开(公告)号：CN116704443A

公开(公告)日：2023-09-05

申请号：CN202310734118.6

申请日：2023-06-20

Applicant: 东南大学

Inventor： 李旭 ,  邹凤敏 ,  徐启敏

IPC: G06V20/52 ,  G06V40/10 ,  G06V10/26 ,  G06V10/147 ,  G06V10/44 ,  G06V10/82 ,  G06V10/80 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/09 ,  G08G1/01

Abstract: 本发明公开了基于融合注意力解耦特征的路侧遮挡人体姿态估计方法，首先，设计了深度卷积残差特征提取网络提取输入图像的高维特征。然后，设计了通道注意力特征增强模块对人体的关键点特征建模，改善遮挡造成的人体的关键点估计错误。接着，设计了语义分割空间注意力特征增强模块对人体的形态特征建模，使用外部监督手段改善遮挡造成的人体形态估计错误。最后，设计了两个并行的分支构成解耦结构，并设计了融合注意力解耦结构姿态估计网络。本发明有效解决了复杂交通路侧遮挡视角下的三维人体姿态估计错误问题，大大提升了遮挡人体姿态估计的准确性和鲁棒性。

公开(公告)号：CN115980765A

公开(公告)日：2023-04-18

申请号：CN202211285811.1

申请日：2022-10-20

Applicant: 东南大学

Inventor： 徐启敏 ,  尉雪珂 ,  李旭

IPC: G01S17/06 ,  G01S17/89 ,  G01S17/931

Abstract: 本发明公开了一种基于环境感知辅助粒子滤波的车辆定位方法。首先，获取激光点云数据并进行预处理；然后，构建周围环境的栅格化地图，以显示车辆周围是否有非地面目标；接着，构建定位车辆系统状态模型和观测模型；最后，利用栅格化地图辅助粒子权重更新，降低非地面区域上粒子的权重，以改进粒子滤波算法，进行车辆位置的迭代更新。本发明提出的方法，通过利用激光雷达获取真实环境信息，在传统粒子滤波算法中引入点云栅格化二维地图优化粒子权重公式，辅助粒子权重更新，改善粒子退化问题，提高车辆定位精度。

公开(公告)号：CN109977500B

公开(公告)日：2022-11-18

申请号：CN201910179583.1

申请日：2019-03-11

Applicant: 东南大学

Inventor： 李旭 ,  韦坤 ,  徐启敏

IPC: G06F30/15 ,  G06F30/20

Abstract: 本发明提出了一种基于DS证据理论的半挂罐车多源信息融合侧翻预警方法，该方法首先明确三个侧翻表征参数和实时获取方式，然后分别计算三个侧翻表征参数对应的预估侧翻发生的概率，接着采用DS证据理论融合处理这些概率获得预估侧翻发生的最优概率，最后根据预估侧翻发生的最优概率大小分级别进行预警。本发明提出的侧翻预警方法无需考虑复杂的动力学方程和车身参数，只需通过冗余处理多个低成本传感器信息，计算出半挂罐车当前侧翻发生的概率，将侧翻危险精确量化，能够准确、及时预警，使驾驶员尽早采取预防措施，减少侧翻事故的发生。

公开(公告)号：CN115346514A

公开(公告)日：2022-11-15

申请号：CN202210947191.7

申请日：2022-08-08

Applicant: 东南大学

Inventor： 陈泽华 ,  葛迅 ,  袁奡 ,  徐启敏

IPC: G10L15/01 ,  G10L15/02 ,  G10L15/04 ,  G10L15/06 ,  G10L15/16 ,  G10L21/0232 ,  G10L25/24 ,  G10L25/45

Abstract: 本发明公开了一种面向智能驾驶测评的音频预警智能识别方法，该方法对采集到的音频预警语音进行分析，确定音频预警的发出时间，从而对音频预警的时效性进行公正评测。首先，通过软阈值小波降噪，将语音中的噪声信息滤除；接着，使用基于双门限法的端点检测，标注出待测语音中的有效语音段；然后，对有效语音段的每帧语音提取MFCC特征；最后，用MFCC特征对LSTM网络进行训练，训练完成后可以检测出音频预警信号所在的语音段，该语音段的起始位置就是音频预警的发出时间。

公开(公告)号：CN112132746B

公开(公告)日：2022-11-11

申请号：CN202010982493.9

申请日：2020-09-17

Applicant: 东南大学

Inventor： 李旭 ,  朱建潇 ,  赵琬婷 ,  徐启敏

IPC: G06T3/40 ,  G06T5/50

Abstract: 本发明公开了一种面向智能路侧设备的小尺度行人目标快速超分辨率化方法，该方法包括：采集并构建小尺度行人高低分辨率数据训练集；基于生成对抗思想，搭建针对低分辨率小尺度行人图像的轻量化生成网络，该网络首先利用可分离卷积进行图像初步特征的提取，然后结合残差模块对高频信息进行拟合，最后借助像素重组模块对低分辨率行人图像进行高分辨率化重建；搭建判别网络，对生成网络的参数进行判别训练，得到最佳生成网络；利用最佳生成网络对低分辨率小尺度行人图片进行超分辨化，得到高分辨率的行人目标。本发明所设计轻量级的超分辨率化生成网络具备训练时间短、推理延时低的显著优势，填补了智能路侧领域小尺度行人实时超分辨率化技术空白。

公开(公告)号：CN115257819A

公开(公告)日：2022-11-01

申请号：CN202211070514.5

申请日：2022-09-02

Applicant: 东南大学

Inventor： 李旭 ,  胡玮明 ,  胡悦 ,  胡锦超 ,  陆红伟 ,  徐启敏

IPC: B60W60/00 ,  B60W50/00 ,  G06F17/15

Abstract: 本发明公开了城市低速环境下的大型营运车辆安全驾驶决策方法，首先，采集城市交通环境下人类驾驶员的安全驾驶行为，构建形成安全驾驶行为数据集。其次，构建基于多头注意力的营运车辆安全驾驶决策模型。该模型包含深度双Q网络和生成对抗模仿学习两个子网络。其中，深度双Q网络通过无监督学习的方式，学习危险场景、冲突场景等边缘场景下的安全驾驶策略；生成对抗模仿学习子网络模仿人类驾驶员在不同驾驶条件和行驶工况下的安全驾驶行为。最后，训练安全驾驶决策模型，得到不同驾驶条件和行驶工况下的驾驶策略。本发明提出的方法，能够模拟人类驾驶员的安全驾驶行为，且考虑了视觉盲区、突遇障碍物等因素对行车安全的影响。

公开(公告)号：CN115257789A

公开(公告)日：2022-11-01

申请号：CN202211070522.X

申请日：2022-09-02

Applicant: 东南大学

Inventor： 李旭 ,  胡玮明 ,  胡锦超 ,  胡悦 ,  孔栋 ,  徐启敏

IPC: B60W50/00 ,  B60W30/08 ,  G06F30/27 ,  G06N3/08

Abstract: 本发明公开了一种城市低速环境下的营运车辆侧向防撞驾驶决策方法。首先，利用硬件在环驾驶模拟仿真平台构建城市交通场景，模拟并采集不同驾驶条件和行驶工况下的安全驾驶行为。其次，通过模仿学习的方式，利用数据集聚合算法模拟人类驾驶员的安全驾驶行为。最后，通过无监督学习的方式，利用近端策略优化算法进一步学习侧向防撞策略，实现对营运车辆侧向防撞驾驶行为的高级决策输出。本发明提出的方法，能够模拟人类驾驶员的安全驾驶行为，且考虑了视觉盲区、交通参与者类型等因素对行车安全的影响，为大型营运车辆提供更加合理、有效的防撞驾驶策略，实现了城市低速环境下的营运车辆侧向防撞驾驶决策。