一种面向决策的智能汽车轨迹预测方法及预测模型

    公开(公告)号:CN118494531A

    公开(公告)日:2024-08-16

    申请号:CN202410589207.0

    申请日:2024-05-13

    Applicant: 江苏大学

    Abstract: 本发明公开了一种面向决策的智能汽车轨迹预测方法及预测模型,包括以下两个核心内容:基于时间序列的轨迹预测与基于条件的轨迹预测。通过引入时间序列构建服务于多周期轨迹预测任务的预测模型,实现各预测周期内的时序一致性,包括历史周期的信息复用与未来周期的预测模态延续;通过引入条件预测模型实现轨迹预测的场景一致性,即实现场景级别多模态轨迹预测。本发明针对现有主流轨迹预测模型将预测算法构建为独立任务,存在单一、封闭、不能与下游决策规划任务统一的问题,构建了一个引入时间序列与条件预测的轨迹预测模型,实现了轨迹预测任务与下游决策规划等任务在算法流程上的统一性。

    一种道路场景下基于计算机视觉的端到端语义鸟瞰图生成方法、模型及设备

    公开(公告)号:CN116863241A

    公开(公告)日:2023-10-10

    申请号:CN202310915325.1

    申请日:2023-07-25

    Applicant: 江苏大学

    Abstract: 本发明公开了一种道路场景下基于计算机视觉的端到端语义鸟瞰图生成方法、模型及设备,采用基于大核卷积的编码方式,提高模型的长距离建模能力。同时,为有效提升视角转换的准确度,本发明提出了一种结合维度转换以及空间转换的视角转换模块,并采用双注意力机制结合转换前的视角进行优化,有效提升模型预测的准确度,改善预测细节。采用维度与空间结合的鸟瞰图特征转换模块,将前置图像的特征图通过维度转换以及空间转换两个模块将其投影到俯视图空间,保留了特征在空间以及维度上的完整性。采用一种交叉注意力机制,通过结合前置特征图优化转换得到的俯视特征图,加强俯视特征图对于重点区域的特征表达,提高整体模型的准确性。

    融合复杂网络理论和深度神经网络的高速公路商用车轨迹规划方法及车用电子设备

    公开(公告)号:CN115950445A

    公开(公告)日:2023-04-11

    申请号:CN202310026978.4

    申请日:2023-01-09

    Applicant: 江苏大学

    Abstract: 本发明公开了融合复杂网络理论和深度神经网络的高速公路商用车轨迹规划方法及车用电子设备,通过模型评估重要车辆节点并提取风险树,用于扩展自车轨迹规划的行动空间,并将各类车辆节点建模为场的形式,用于评估规划轨迹的碰撞风险。同时直接在高速公路场景中的XYT坐标系下进行轨迹规划,将预测的他车轨迹和其他障碍物的边框(Bounding Box)映射到根据坐标系生成的栅格地图中,利用深度神经网络(DNN)做卷积操作,得出安全可行的无碰撞轨迹,从而降低商用车和乘用车不同尺寸对轨迹规划的影响,同时解决道路建模困难和计算量过大的问题。实现在整个智能驾驶系统框架内无需进行坐标系的转换,即可规划一条可以同时兼顾安全、效率和灵活性的高质量轨迹。

    一种基于二型模糊控制的智能半挂车轨迹跟踪控制方法、系统及设备

    公开(公告)号:CN119960307A

    公开(公告)日:2025-05-09

    申请号:CN202510109860.7

    申请日:2025-01-23

    Applicant: 江苏大学

    Abstract: 本发明公开了一种基于二型模糊控制的智能半挂车轨迹跟踪控制方法、系统及设备,通过拉格朗日方法建立了半挂车的动力学模型,此动力学模型精准模拟了车辆状态,并搭建轨迹跟踪模型;设计了一个二型模糊控制器,在处理牵引车跟踪误差之外,将挂车跟踪误差受到的不确定性干扰涵盖。这种双层次的不确定性处理提升了模糊控制系统在复杂环境下的适应性和鲁棒性。使用粒子群优化算法对二型模糊控制器的参数进行优化,有效提升了控制器精度,显著降低了控制器参数设计难度。在智能商用半挂车的实际行驶过程中显著提升了轨迹跟踪精度,保证了智能商用半挂车在大载荷、高车速下的安全性。

    一种基于LoFTR和Yolo算法的车路多传感器融合协同定位方法

    公开(公告)号:CN118565493B

    公开(公告)日:2025-03-14

    申请号:CN202410624966.6

    申请日:2024-05-20

    Applicant: 江苏大学

    Abstract: 本发明提供了一种基于LoFTR和Yolo算法的车路多传感器融合协同定位方法,具体是首先使用以扩展卡尔曼滤波为核心,对视觉导航信息和惯性导航信息进行松耦合的数据融合方案来解决车辆端导航数据融合的问题,并使得定位系统可以适应转弯角度过大的场景,然后提出一种车辆端和路侧端的坐标系定义方案,使得路侧端负责消除车辆端累积误差,并在路侧端提出一种车辆检测方法,用以实现对车辆的实时跟踪和定位数据记录。本方案为GPS信号受到遮蔽的定位场景提供了一种新的解决方案,成本相对较低,且定位精度能够满足要求,不仅可以运用于室外的道路场景,也同样可以运用在室内的地下停车场或者其他移动设备场景。

    一种样本不平衡数据处理诊断系统及方法

    公开(公告)号:CN119474849A

    公开(公告)日:2025-02-18

    申请号:CN202411321817.9

    申请日:2024-09-23

    Applicant: 江苏大学

    Abstract: 本发明公开了一种样本不平衡数据处理诊断系统及方法,包括数据导入模块、样本分类模块、样本数求均模块、样本平衡模块和数据分析模块,数据导入模块上连接有样本分类模块,样本分类模块上连接有样本数求均模块,样本数求均模块,样本数求均模块上连接有样本平衡模块,样本平衡模块上连接有数据分析模块;本发明,通过样本分类模块的使用,实现了数据的自动分类,防止逐组导入时出现错误;同时,通过样本数求均模块和样本平衡模块之间的配合,实现了更好的数据平衡化,避免了建立模型时出现偏移;同时,通过数据分析模块和数据预测模块之间的配合,可以在分析数据的基础上生成数据模型,提高了系统的应用范围。

    一种在公路隧道环境下的车辆定位方法

    公开(公告)号:CN118816909A

    公开(公告)日:2024-10-22

    申请号:CN202410828173.6

    申请日:2024-06-25

    Applicant: 江苏大学

    Abstract: 本发明提出了一种基于车载传感器数据和辅助地图相结合的车辆定位方法,以实现车辆在公路隧道环境下的定位。该方法通过快速直接的激光雷达惯性里程计将原始点云直接注册到局部地图上并更新局部地图,利用隧道环境中的细微特征来提高定位的准确性,从而实现在隧道环境中交通标志不可用路段时车辆的定位。而对于存在交通标志的路段,需将点云数据制作成交通标志地图,并设置好标志图大小的阈值。一旦检测到的标志图超过所设阈值时,即可使用事先制作好的交通标志地图来实现车辆定位。最终,将惯性里程计的定位结果与基于辅助地图获得的定位数据相融合,以提升车辆在整个公路隧道环境中的定位精度和稳定性。

    一种基于LoFTR和Yolo算法的车路多传感器融合协同定位方法

    公开(公告)号:CN118565493A

    公开(公告)日:2024-08-30

    申请号:CN202410624966.6

    申请日:2024-05-20

    Applicant: 江苏大学

    Abstract: 本发明提供了一种基于LoFTR和Yolo算法的车路多传感器融合协同定位方法,具体是首先使用以扩展卡尔曼滤波为核心,对视觉导航信息和惯性导航信息进行松耦合的数据融合方案来解决车辆端导航数据融合的问题,并使得定位系统可以适应转弯角度过大的场景,然后提出一种车辆端和路侧端的坐标系定义方案,使得路侧端负责消除车辆端累积误差,并在路侧端提出一种车辆检测方法,用以实现对车辆的实时跟踪和定位数据记录。本方案为GPS信号受到遮蔽的定位场景提供了一种新的解决方案,成本相对较低,且定位精度能够满足要求,不仅可以运用于室外的道路场景,也同样可以运用在室内的地下停车场或者其他移动设备场景。

    基于多层复杂网络的智能网联车辆交互博弈决策方法及车用设备

    公开(公告)号:CN117272779A

    公开(公告)日:2023-12-22

    申请号:CN202310863836.3

    申请日:2023-07-14

    Applicant: 江苏大学

    Abstract: 本发明公开了基于多层复杂网络的智能网联车辆交互博弈决策方法及车用设备。引入多层复杂网络理论对智能网联环境下的混行交通流进行建模,利用复杂网络的演化博弈对智能网联汽车和智能云端系统的决策进行指导,通过多层复杂网络对智能云端系统和各车辆视为网络节点,交互关系为边建立动态多层复杂网络模型。利用复杂网络的演化博弈建立动力学模型,确立车辆节点以及云端系统的节点各自的决策集合以及相应的收益函数。确定多层复杂网络层与层之间的演化博弈模型,对人工网联汽车驾驶员与智能网联云端系统之间的交互博弈进行设计,最终得出智能网联环境下各车辆决策的最佳效用,使系统趋于最优。

Patent Agency Ranking