-
公开(公告)号：CN116155767A
公开(公告)日：2023-05-23
申请号：CN202310094396.X
申请日：2023-02-09
Applicant: 网络通信与安全紫金山实验室
IPC: H04L43/08 , H04L43/0823 , H04L12/40 , H04L43/106 , H04L43/0852 , H04L41/0631
Abstract: 本发明公开了一种车载CAN总线的异常检测方法、装置、存储介质及电子设备。其中，该方法包括：采集目标车辆的车载CAN总线的报文数据，建立待检测报文数据队列；在上述待检测报文数据队列的入队端建立一个滑动时间窗口，其中，上述滑动时间窗口用于确定预设检测算法集对上述待检测报文数据队列进行检测处理时的待检测数据的数据量；采用上述预设检测算法集检测上述滑动时间窗口中的上述待检测报文数据，得到目标检测结果，其中，上述预设检测算法集包括多个异常检测算法；基于上述目标检测结果，判断上述车载CAN总线是否发生异常。本发明解决了现有的车载网络异常检测方法存在检测精度低、误报率高、无法识别多样性的异常情况的技术问题。
-
公开(公告)号：CN116150629A
公开(公告)日：2023-05-23
申请号：CN202211356339.6
申请日：2022-11-01
Applicant: 网络通信与安全紫金山实验室
IPC: G06F18/22 , G06V10/75 , G01S13/86 , G01S13/931 , G01S15/86 , G01S15/931 , G01S17/86 , G01S17/931
Abstract: 本发明公开了一种障碍物检测方法、系统、电子设备及计算机可读存储介质。其中，该方法包括：确定多类主用传感器，以及与多类主用传感器分别对应的目标数据；分别确定与目标数据对应的预定算法集，并分别从预定算法集中确定出与目标数据对应的第一算法，其中，预定算法集包括至少两个算法，至少两个算法按照优先级顺序排列，第一算法为对应的预定算法集中优先级排列第一的算法；采用第一算法对对应的目标数据进行处理，得到对应的第一障碍物信息；基于多类主用传感器分别对应的第一障碍物信息，确定目标车辆的目标障碍物。本发明解决了相关技术中检测目标障碍物时，存在检测出的障碍物可靠性较低的技术问题。
-
公开(公告)号：CN115541254A
公开(公告)日：2022-12-30
申请号：CN202211167659.7
申请日：2022-09-23
Applicant: 网络通信与安全紫金山实验室
IPC: G01M17/007 , G01D18/00 , G01S7/40 , G06V20/56
Abstract: 本发明公开了一种系统评价方法、装置、非易失性存储介质和计算机设备。其中，该方法包括：分别获取与车辆上多个车辆感知系统一一对应的多个对象集合，其中，多个车辆感知系统用于感知车辆周围的对象，多个对象集合中的每个对象集合表征对应的车辆感知系统对车辆周围的对象的感知结果；根据多个对象集合，融合生成参考集合；将多个对象集合分别与参考集合进行比对，确定与多个对象集合一一对应的多个匹配状态。本发明解决了现有技术中没有对多个车辆感知系统同时刻同场景进行评价的方法的技术问题。
-
公开(公告)号：CN115431963A
公开(公告)日：2022-12-06
申请号：CN202211174876.9
申请日：2022-09-26
Applicant: 网络通信与安全紫金山实验室
IPC: B60W30/09 , B60W30/095
Abstract: 本发明公开了一种车辆的控制方法、装置及非易失性存储介质。其中，该方法包括：确定车辆行驶过程中的多个周边区域；在多个周边区域中的前方区域存在对应障碍物，并且车辆无法躲避前方区域中第一区域对应的障碍物的情况下，获取车辆为躲避对应障碍物实现变道所需要的变道时长，以及车辆与对应障碍物发生碰撞所需要的碰撞时长；在变道时长小于碰撞时长的情况下，分别获取多个周边区域内对应障碍物的防护等级；基于防护等级，从多个周边区域中确定车辆的目标行驶区域；控制车辆行驶至目标行驶区域。本发明解决了由于相关技术中的辅助驾驶技术对于紧急转向的控制策略不完善，造成的驾驶安全性低、事故危害程度大的技术问题。
-
公开(公告)号：CN113947893A
公开(公告)日：2022-01-18
申请号：CN202111031970.4
申请日：2021-09-03
Applicant: 网络通信与安全紫金山实验室
IPC: G08G1/01
Abstract: 本发明为一种自动驾驶车辆行车场景还原方法及系统，方法包括以下步骤：获取自动驾驶车辆行车过程中的全维场景数据，并对获取的数据逐条添加时间戳；对获取的全维场景数据进行预处理，得到轻量级场景数据，实现自动驾驶车辆行车过程中内外场景信息在同一时间维度的描述；构建场景数据库，存储轻量级场景数据；构建自动驾驶车辆离线场景信息库，根据轻量级场景数据，重构自动驾驶车辆行车场景。本方法不仅能够简洁、高效、实时地记录自动驾驶车辆行车外部感知环境信息、位置信息，而且还记录车内感知决策及行驶状态信息，节约了场景记录的开销，并且实现了自动驾驶车辆行车过程中车内外场景全维信息的可记录、可追溯、可还原的功能。
-
Patent Agency Ranking
公开(公告)号：CN118843101A
公开(公告)日：2024-10-25
申请号：CN202411087145.X
申请日：2024-08-08
IPC: H04W12/02 , H04W12/033 , H04W4/40 , H04W4/44
Abstract: 本发明公开了一种基于改进的K‑匿名和混合缓存技术的车辆连续位置服务隐私保护方法，包括三个实体和三个步骤，三个实体分别为位置服务提供商(LSP)、路边单元(RSU)、车辆，三个步骤包括初始化、匿名集生成、混合缓存。该方法在车联网环境下，通过使用匿名技术生成特定的匿名集，在不可信路侧单元(RSU)存在的情况下，减少敏感信息暴露的风险，此外，为了保护用户位置隐私，提出了一种结合时间‑位置隐私保护指数的匿名算法，以保障轨迹隐私，该方案还采用了混合缓存技术，减少车辆与不可信位置服务提供商(LSP)之间的交互次数，从而降低隐私泄露的风险。
-
公开(公告)号：CN118246515A
公开(公告)日：2024-06-25
申请号：CN202410445363.X
申请日：2024-04-12
Applicant: 上海大学
Abstract: 本发明公开一种无人系统稳定决策方法、产品、介质及设备，涉及强化学习领域，方法包括：初始化环境、经验池、各网络参数；将无人系统与环境交互产生的数据存储于经验池；计算集成策略价值网络损失并更新其参数；将该网络作为教师网络，计算学生网络综合损失并更新其参数；根据计算的累计误差评分对集成策略价值网络进行替换；根据更新后的集成策略价值网络，计算策略网络损失并更新其参数；若更新迭代次数未达到预设阈值，则返回步骤“将无人系统与环境交互产生的数据存储于经验池”；反之，则保存策略网络的参数，得到用于决策的策略网络。本发明能降低无人系统策略从虚拟到现实世界迁移过程中，数据分布变化引起的决策模型稳定性下降的问题。
-
公开(公告)号：CN118133988A
公开(公告)日：2024-06-04
申请号：CN202410438045.0
申请日：2024-04-11
Applicant: 上海大学
Abstract: 本发明公开一种基于样本状态对比表征的智能体自主行为决策方法，涉及无人系统自主决策技术领域，方法包括：通过当前迭代过程的训练样本确定当前迭代过程的高维正样本、高维负样本及高维锚点样本；将当前迭代过程的高维正样本及高维负样本输入至当前迭代过程优化后的键值编码器，确定当前迭代过程的低维正样本及低维负样本；采用当前迭代过程的低维正样本及低维负样本对当前迭代过程优化后的查询编码器进行优化，确定下一迭代过程优化后的查询编码器；根据将下一迭代过程的高维锚点样本输入至下一迭代过程优化后的查询编码器确定的第一低维锚点样本确定智能体的自主行为决策。提高了自主行为决策输入样本的效率，优化了自主行为决策的策略。
-
公开(公告)号：CN118133887A
公开(公告)日：2024-06-04
申请号：CN202410323745.5
申请日：2024-03-20
Applicant: 上海大学
IPC: G06N3/0442 , G06N3/0464 , G06N3/042 , G06N3/092 , G06V10/82
Abstract: 本发明公开一种基于动态协作的多无人系统场景感知决策方法及系统，涉及多智能体强化学习领域，包括：获取各无人系统当前时刻的传感器信息和上一时刻的执行动作；将所有无人系统当前时刻的传感器信息和上一时刻的执行动作输入多无人系统场景感知决策模型，得到各无人系统当前时刻的执行动作；多无人系统场景感知决策模型包括训练好的第一网络模块、第二网络模块和第三网络模块；训练好的第一网络模块用于确定各无人系统当前时刻的时序轨迹预先编码向量；训练好的第二网络模块用于确定当前时刻的无人系统动态协作关系邻接矩阵；训练好的第三网络模块用于确定各无人系统当前时刻的执行动作。本发明提高各无人系统执行动作的有效性，促进团队协作。
-
公开(公告)号：CN118051791A
公开(公告)日：2024-05-17
申请号：CN202410244909.5
申请日：2024-03-04
Applicant: 上海大学
IPC: G06F18/23 , G06F18/213 , G06F18/214 , G06N3/092
Abstract: 本发明公开一种基于表征聚类和行为扰动的无人车避障搜索策略优化方法、装置及产品，涉及强化学习领域。首先选取训练样本，构建网络模型并初始化；选取不同数据增强方法对同一样本进行数据增强后输入至对比学习网络，根据输出的表征向量计算对比学习网络损失；将表征向量输入至行为模型和扰动模型中计算行为模型损失和扰动模型损失；根据对比学习网络、行为模型和扰动模型计算策略网络损失和价值网络损失；基于对比学习网络损失、行为模型损失和扰动模型损失、策略网络损失和价值网络损失，采用随机低度下降更新网络模型；根据更新后的网络模型对无人车的动作作出决策，以躲避障碍物，完成目标搜索。本发明能够显著提升无人车的避障搜索性能。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.045 seconds)
