-
公开(公告)号：CN117034130A
公开(公告)日：2023-11-10
申请号：CN202311085413.X
申请日：2023-08-28
Applicant: 湖南大学
IPC: G06F18/2411 , G06F18/214
Abstract: 本申请提供一种基于深度强化学习的车联网联邦学习激励方法，通过设置训练决策，并针对所述训练决策构建激励网联车辆参与训练任务的收益模型，所述训练决策包括两个方向：第一，网联车辆选择本地进行模型训练；第二，网联车辆选择将数据传输至边缘服务器进行模型训练；在网联车辆端部署深度强化学习模型，根据深度强化学习模型学习最优决策以最大化其实际收益。本申请可以提高联邦学习的鲁棒性与可扩展性，可有效驱动网联车辆训练高精度的联邦学习模型，并且具备较高的训练效率。本申请还提供一种基于深度强化学习的车联网联邦学习激励系统。
-
公开(公告)号：CN116794638A
公开(公告)日：2023-09-22
申请号：CN202310496700.3
申请日：2023-05-05
Applicant: 湖南大学
Abstract: 本发明公开了一种基于运动的激光雷达与车辆坐标系空间同步装置及方法，其包括：第一标定单元，其用于根据激光里程计获得的激光雷达运动位姿信息，构建平面运动约束，以标定激光雷达与车辆的横滚角与俯仰角；第二标定单元，其用于通过第一标定单元标定好的横滚角和俯仰角，修正车辆轨迹，建立直线行驶判别模型，再通过构建直线运动约束，以标定激光雷达与车辆的偏航角。本发明能够解决针对激光雷达与车辆坐标系空间同步所面临传感器观测单一的问题。
-
公开(公告)号：CN113656420B
公开(公告)日：2023-09-12
申请号：CN202110897193.5
申请日：2021-08-05
Applicant: 湖南大学
Abstract: 本发明实施例公开了一种地图更新的方法和装置，该方法包括：车辆在每一采样时刻通过激光雷达进行道路边界识别；所述车辆对通过所述激光雷达识别的边界点进行重排序，得到沿行驶方向有序的新边界点数据；所述车辆根据所述新边界点数据和预先存储的旧边界数据，判断新旧边界之间的距离是否大于阈值，若大于阈值，则使用所述新边界点数据替换旧边界数据。根据本发明实施例提供的方案，通过作业中车辆实时上报边界识别数据，更新地图边界数据，减少了地图更新的成本，提高了地图更新的高效性、准确性和实时性。
-
公开(公告)号：CN116682094A
公开(公告)日：2023-09-01
申请号：CN202310670523.6
申请日：2023-06-07
Applicant: 湖南大学
Abstract: 本发明公开了一种基于环视图像的单阶段停车位检测模型、系统和方法，包括：骨干网络，其用于对输入的图像进行特征提取，输出特征图；瓶颈网络，其用于对骨干网络输出的特征图所包含的特征向量通过卷积、池化、激活、SE注意力机制，将特征向量中的局部特征和全局特征进行融合，拼接为一个多通道特征层；锚点设置模块，其用于将多通道特征层的图片被划分为多个网格；检测头网络，其用于为每个锚点预测一个停车位结果；解码模块，其将检测头网络预测出的停车位结果进行解码。本发明能够消除现有的三阶段停车位检测方案中的信息冗余，同时将人工设计的入口点匹配以及停车位朝向阶段与入口点检测相融合，将停车位检测优化为单阶段的方案。
-
公开(公告)号：CN116453323A
公开(公告)日：2023-07-18
申请号：CN202310379511.8
申请日：2023-04-11
Applicant: 湖南大学
IPC: G08G1/00 , G08G1/01 , G06Q10/0631 , G06Q50/30
Abstract: 本申请公开了一种基于多车型和空车再平衡的出租车调度方法，包括：步骤S1，获取乘客乘车请求信息以及车辆实时状态，并每隔一段时间对状态为空车的车辆进行分配；步骤S2，根据乘车请求信息以及车辆实时状态定义决策网络；步骤S3，定义决策网络中的车辆最大化收益函数；步骤S4，进一步定义决策网络中的约束条件；步骤S5，基于车辆最大化收益函数和约束条件对车辆进行调度。本发明通过对多种车型的分配以及空车再平衡调度，在提高用车效率的同时能满足乘客的需求，提升了乘客的出行体验并降低了出租车的行驶成本。
-
Patent Agency Ranking
公开(公告)号：CN113759804B
公开(公告)日：2023-06-16
申请号：CN202111121022.X
申请日：2021-09-24
Applicant: 湖南大学
IPC: G05B19/042
Abstract: 本发明实施例公开了一种用于车辆远程控制的方法及系统，该方法包括：采集远程驾驶舱中模拟驾驶套件的操控信号，包括油门踏板开度及变化率、制动踏板开度及变化率；根据油门踏板和制动踏板的开度大小决策车速控制模式；接收并解析车载终端反馈的车辆状态数据，包括车辆的实际车速和挡位；根据车速控制模式，结合车辆状态数据，计算期望车速；生成期望控制指令，并下发至所述车载终端，用于控制所述车辆的运行。本发明实施例中，基于踏板开度及变化率以及车辆状态数据确定期望车速，将车辆的状态数据应用于期望指令的计算中，可有效降低期望指令相对于车辆状态的变化量，使得车辆状态变化更为平稳。
-
-
公开(公告)号：CN116188529A
公开(公告)日：2023-05-30
申请号：CN202310073074.7
申请日：2023-02-03
Applicant: 湖南大学
Abstract: 本发明公开了一种基于T‑S模糊的水下动态目标状态预测方法及装置，其包括：先采集水下动态目标在t‑1时刻的用于T‑S模糊推理的输入变量，再使用式(6)表示的融合后的水下动态目标运动模型在t‑1时刻进行扩展卡尔曼滤波，预测水下动态目标在t时刻的运动状态，再取t＝t+1，直到跟踪结束：式中，Xt、Xt‑1分别表示水下动态目标在t、t‑1时刻的状态向量，u表示输入变量的过程噪声向量，Yt表示运动模型在t时刻的输出向量，Amix、Bmix分别为状态转移矩阵和输入矩阵，C表示预先设置的输出向量Yt与状态向量Xt的关系矩阵。本发明对水下动态目标状态预测更准确，能够满足水下动态目标跟踪系统的要求。
-
公开(公告)号：CN114994684B
公开(公告)日：2023-05-12
申请号：CN202210623207.9
申请日：2022-06-01
Applicant: 湖南大学无锡智能控制研究院
IPC: G01S13/931 , G01S17/931 , G01S13/86 , G01S7/495 , G01S7/48 , G01S7/41 , G01S7/36 , G06V10/762 , G06V10/80 , G06V20/58
Abstract: 本发明公开了一种多雷达数据融合的扬尘场景下障碍物检测方法与系统，其包括：步骤S1，获取多雷达数据；步骤S2，将多雷达数据中的激光雷达点云转换为矩阵化后的点云深度图；步骤S3，计算点云深度图上点云坡度特征，并根据连通域搜索获得非地面特征点云聚类，将单个连通域内特征点云数量超过阈值的点云聚类作为障碍物点云聚类，计算非地面特征点云聚类离地高度、连通度和表面离散度；步骤S4，将多雷达数据中的毫米波雷达障碍物检测数据的坐标转换到激光雷达坐标系下，并根据激光雷达目标与毫米波雷达目标之间的距离和/或交并比，计算单个激光雷达的关联特征值；步骤S5，计算点云聚类为灰尘点云聚类的概率，并获得非扬尘障碍物的点云聚类位置。
-
公开(公告)号：CN114821152B
公开(公告)日：2023-05-02
申请号：CN202210290769.6
申请日：2022-03-23
Applicant: 湖南大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/096
Abstract: 本发明公开了一种基于前景‑类别感知对齐的域自适应目标检测方法及系统，该方法包括：使用通过下面步骤获得的域自适应目标检测模型在目标域数据集对应的场景进行目标检测；步骤1，设置图像级域分类器和实例级域分类器，构建基准模型；步骤2，设置前景感知模块和类别感知模块，构建基于前景‑类别感知对齐的域自适应目标检测模型；步骤3，训练并获得域自适应目标检测模型。本发明能够跨域目标检测流程的关注点从整体特征对齐，到前景特征对齐，再到类别特征对齐的转变，在跨天气、跨摄像头、跨复杂场景检测下都取得了在目标域上的性能提升。
-
-
-
-
-
-
-
-
-
Search Results
378
records
(took 0.025 seconds)
