-
公开(公告)号：CN118466504A
公开(公告)日：2024-08-09
申请号：CN202410627250.1
申请日：2024-05-21
Applicant: 上海交通大学 , 安徽海螺水泥股份有限公司
IPC: G05D1/43 , G05D1/633 , G05D1/644 , G05D109/10
Abstract: 一种考虑预测信息的异步分层强化学习智能车轨迹规划方法，通过构造并训练预瞄位置速度选择网络，根据各车当前状态、各环境车预测轨迹末端状态和完整预瞄位置与速度预测得到纵向预瞄位置与速度，通过构造并训练车辆控制量计算网络，根据各车当前状态和完整预瞄位置与速度预测得到当前空制量。本发明通过合理简化与利用预测信息提升规划实时性，将决策结果进行连续化表征，增加高层网络输出结果的信息丰富度，以提升算法针对复杂场景的鲁棒性，通过新的训练方法，以避免网络策略随机初始化导致的多层网络间出现负反馈，进一步提升算法的性能与稳定性。
-
公开(公告)号：CN115273491B
公开(公告)日：2023-07-21
申请号：CN202210867247.8
申请日：2022-07-22
Applicant: 上海交通大学
Abstract: 本发明提供一种智能车路协同系统的路测感知设备及其感知方法，涉及车路协同系统技术领域。该一种智能车路协同系统的路测感知设备及其感知方法，包括底座，所述底座上表面的中部固定连接有连接盒，所述连接盒内部的底面固定连接有蓄电池，所述连接盒上表面的中部固定连接有支撑柱，所述支撑柱上表面的中部固定连接有第一连接杆，所述第一连接杆上表面的中部固定连接有安装盒，所述安装盒内部的底面固定连接有伺服电机。本发明提供一种智能车路协同系统的路测感知设备及其感知方法，该车路协同系统的路测感知设备及其感知方法整体结构设计合理，使用方便，节能效果显著，同时能够提前向过往的司机提供道路的多种信息。
-
公开(公告)号：CN115358530A
公开(公告)日：2022-11-18
申请号：CN202210884617.9
申请日：2022-07-26
Applicant: 上海交通大学
Abstract: 本发明提供一种车路协同感知路侧测试数据质量评价方法，涉及车路协同技术领域。该车路协同感知路侧测试数据质量评价方法，包括自适应融合回归的轨迹质量评估模型，自适应融合回归模型由评估与修正2个网络组成，包括如下执行步骤：S1.对路侧车辆轨迹数据计算轨迹合理性、波动性的相关指标，输人评估网络中融合回归计算，得出质量评估结果。本发明提供一种车路协同感知路侧测试数据质量评价方法，能够有效表征轨迹数据质量，对于多车交互场景，尽管车辆交互合理性指标与轨迹质量之间相关性较弱且指标适用范围有限，但可考虑将其作为其余评估指标的补充，实现更好的车路协同感知路侧测试数据质量评估的效果。
-
公开(公告)号：CN119882431A
公开(公告)日：2025-04-25
申请号：CN202510008226.4
申请日：2025-01-03
Applicant: 上海交通大学
IPC: G05B13/04
Abstract: 一种基于数据驱动的自动驾驶决策优化系统及方法，该系统包括：数据生产模块、数据筛选模块、模型封装模块和参数调优模块，其中：数据生产模块以人驾数据为输入，经标注、预处理和格式转换后，提取关键特征并进行标准化、归一化和编码，生成符合算法输入要求的数据驱动过程中的原始数据；数据筛选模块根据决策器所划分的各个场景从训练数据中筛选出相应的数据并进行有效分类；模型封装模块对C++的决策代码进行封装并采用基于轨迹对的真值评估方法构建训练所需的轨迹对评估代价图；参数调优模块根据经过筛选后的不同场景下的数据、封装好的决策算法模型以及轨迹对评估代价图，利用黑盒优化的方法，得到相应场景下在当前决策算法下的决策参数。本发明结合基于规则和基于学习的方法，利用自动驾驶车辆在运行过程中产生的大量数据，从而提高决策系统的上限，更有利于决策器在实际场景中的表现且属于白盒性质的数据驱动的决策参数调节技术。
-
公开(公告)号：CN119759034A
公开(公告)日：2025-04-04
申请号：CN202510010554.8
申请日：2025-01-03
Applicant: 上海交通大学
Abstract: 本发明涉及路径规划技术领域，提供了一种规则和数据混合驱动的无人矿卡路径规划系统，包括：构建节点引导搜索规则，对于任意一个当前子节点采用固定步长和均匀离散采样后的转向角进行节点探索得到固定步长的下一个子节点的探索子节点集合，并通过深度强化学习生成引导节点加入到探索子节点集合中，对探索子节点集合中每一个探索子节点的代价进行评估，用于后续每轮迭代搜索过程中获取代价最低的探索子节点作为最终选择的下一个子节点，同时在当前子节点到终点的距离小于设定阈值时，生成当前子节点到终点的泊位曲线，从而得到最终全局曲线。上述技术方案，构建了规则‑数据混合驱动路径规划框架，实现了规则和学习方法的优势互补。
-
Patent Agency Ranking
公开(公告)号：CN119227521A
公开(公告)日：2024-12-31
申请号：CN202411261156.5
申请日：2024-09-10
Applicant: 上海交通大学
IPC: G06F30/27 , G06F30/15 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明涉及自动驾驶测试领域领域，提供了一种基于对抗奖励训练的自动驾驶危险场景生成方法及系统，初始化多车道道路的驾驶仿真环境；基于车辆数据中的场景状态参数，随机生成惩罚动作，将场景状态参数、惩罚动作及对应的动作参数组成状态动作对，在无历史动作相似性惩罚的条件下，计算状态动作价值；通过惩罚函数对惩罚动作进行历史动作相似性惩罚，计算历史动作相似性惩罚更新后的状态动作价值；根据强化学习模型中的状态动作价值与期望状态动作价值的差值更新强化学习模型指导生成自动驾驶危险场景。本发明显著提高了自动驾驶系统测试的效率和质量，同时减少场景质量损失，并在较短的训练周期内，提升了场景的多样性和实用性。
-
公开(公告)号：CN118609077A
公开(公告)日：2024-09-06
申请号：CN202410761520.8
申请日：2024-06-13
Applicant: 上海交通大学
IPC: G06V20/56 , G06V20/64 , G06V10/764 , G06V10/762 , G06T7/66 , G06F16/29
Abstract: 本发明涉及自动驾驶感知技术领域，公开了一种基于时空连续性的矿山可通行区域识别方法和系统，包括：输入三维激光雷达点云，采用同心圆模型并通过对整体点云按照极性进行区域划分，通过自适应平面拟合判定每个划分好的所述区域是否为可通行区域，并对可通行点和非可通行点进行归类，输出为初始可通行点云集合和初始不可通行点云集合；通过连通性地面的区域滤波和点滤波两部分滤除所述初始可通行点云集合中不符合连通性要求的点云，输出为优化后的可通行点云集合和不可通行点云集合；输入当前帧点云相对于第一帧点云的位姿变换，通过时序地面滤除所述初始可通行点云集合中不稳定的点云，输出为二次优化后的可通行点云集合和不可通行点云集合。
-
公开(公告)号：CN115394100A
公开(公告)日：2022-11-25
申请号：CN202210867248.2
申请日：2022-07-22
Applicant: 上海交通大学
Abstract: 本发明提供一种面向车路协同的智慧路侧系统，涉及智能交通控制技术领域。该面向车路协同的智慧路侧系统，包括多接入边缘计算单元、多传感器融合感知单元、高精定位基站、信号灯和预警信息处理单元，所述多传感器融合感知单元包括视觉感知传感器、毫米波雷达传感器和激光雷达传感器。该系统通过采用基于多接入边缘计算单元、车路协同通信单元、实时动态差分高精定位基站、多传感器融合感知单元等融合技术的系统架构，通过在既有路灯与标志牌杆件上部署车路通信设备、多传感器融合感知设备、边缘计算单元、高精定位基站等，为车辆提供交叉口车速引导、安全预警、高精地图服务，可有效提升车辆通行效率和行车安全。
-
公开(公告)号：CN115292913A
公开(公告)日：2022-11-04
申请号：CN202210871266.8
申请日：2022-07-22
Applicant: 上海交通大学
Abstract: 本发明提供一种面向车路协同的路测感知仿真系统，涉及路测感知仿真技术领域。该面向车路协同的路测感知仿真系统，包括仿真平台模块、仿真框架模块、中间件模块、结点模块，所述仿真平台模块包括图形引擎单元和物理引擎单元，且物理引擎单元与图形引擎单元进行连接，且图形引擎单元和物理引擎单元均与仿真框架模块进行连接，所述仿真框架模块包括模拟环境单元、动态场景单元、路侧传感器单元、定位仿真单元、通信仿真单元和动力学仿真单元等。该系统通过在在路侧部署传感器，将采集到的路面信息经V2X通信给到车辆，使车辆拥有超视距的感知能力，通过构建该路侧感知仿真系统可以很好地解决RSU配置及样本数据生成的问题。
-
公开(公告)号：CN119828479A
公开(公告)日：2025-04-15
申请号：CN202510010567.5
申请日：2025-01-03
Applicant: 上海交通大学
IPC: G05B13/04
Abstract: 本发明涉及路径规划技术领域，提供了一种基于深度强化学习的路径探索参数优化系统，包括：可变参数路径规划模块，用于基于深度强化学习网络进行节点探索，对子节点集合中的子节点进行碰撞检测以及计算所有的子节点的代价值，最后通过Reeds‑Shepp曲线生成装载泊入路径；环境状态空间建模模块，用于对当前节点的周围障碍物进行区域划分，以及进行环境状态空间建模；深度学习参数优化模块，用于构建深度学习网络计算出最优步长和最优转向角，并构建奖励函数对深度学习网络进行优化，同时执行深度学习网络的训练流程。实现通过深度强化学习网络优化路径规划方法中的探索参数以及通过分析环境中的障碍物信息，建立考虑障碍物分布的状态空间。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.028 seconds)
