基于MobileNet-SSD的车辆测距系统及方法

    公开(公告)号:CN111723778B

    公开(公告)日:2022-07-19

    申请号:CN202010647265.6

    申请日:2020-07-07

    Applicant: 厦门大学

    Abstract: 基于MobileNet‑SSD的车辆测距系统及方法,涉及智能汽车。系统包括标定模块、图像采集模块、检测模块、判断模块、预估模块、跟踪模块、立体匹配模块和测距模块。方法:构建双目视觉系统,并对双目视觉进行标定;双目摄像头同步采集左、右目图像;进行目标车辆检测,判断是否检测出首帧车辆;进一步确定车辆区域的坐标;对左、右目图像车辆区域点进行SGBM立体匹配;计算区域点视差,求出目标物与当前车辆的区域平均距离。检测过程包括HSV车辆阴影检测和MobileNet‑SSD车辆检测算法,并结合车辆跟踪算法,提高目标车辆区域获取的速度和准确度,简化图像识别过程,而且提高了检测效果,实现实时高效的测距方法。

    一种无人驾驶汽车对周边车辆切入轨迹预测系统及方法

    公开(公告)号:CN114067178A

    公开(公告)日:2022-02-18

    申请号:CN202111368338.9

    申请日:2021-11-18

    Applicant: 厦门大学

    Abstract: 一种无人驾驶汽车对周边车辆切入轨迹预测系统及方法,涉及无人驾驶。系统包括数据集获取模块、模型训练模块和轨迹预测模块。方法:1)数据集获取:通过大规模真实驾驶场景采集驾驶数据,处理并构建训练神经网络所需的轨迹数据集;2)模型训练:构建切入轨迹预测模型,并利用所得轨迹数据集进行训练;3)实时车辆切入轨迹预测:通过自车实时采集行驶数据,经过数据处理,用训练好的切入轨迹预测模型进行在线预测,即可获得相邻车辆未来一段时间内的轨迹预测。采用基于数据驱动的深度学习方法,简单高效。通过构建基于DR‑Connect改进的Bi‑LSTM网络构架,实现对周围车辆切入轨迹的实时长时间准确预测,有效提高交通安全。

    基于深度强化学习的驾驶员纵向跟车行为模型构建方法

    公开(公告)号:CN112201069A

    公开(公告)日:2021-01-08

    申请号:CN202011026453.3

    申请日:2020-09-25

    Applicant: 厦门大学

    Abstract: 基于深度强化学习的驾驶员纵向跟车行为模型构建方法,属于汽车智能安全与自动驾驶领域。基于中国实际道路工况,采集符合中国道路特征的驾驶员驾驶车辆行驶过程中的车辆状态信息和周围环境信息,统计分析采集的数据,给出驾驶员跟车行驶过程的行为特性及其影响因素。确定表征驾驶员在某个时刻所采取动作的基准信息,建立描述驾驶员跟车行为状态迭代关系的数学模型。设计基于竞争Q网络构架的驾驶员纵向跟车行为模型的神经网络结构。设计基于竞争Q网络构架的神经网络的驾驶员纵向跟车行为学习流程。设计基于深度强化学习的驾驶员纵向跟车行为模型的训练方法。可准确地描述不同工况下驾驶员的跟车行为特性,实现对驾驶员跟车行为的复现能力。

Patent Agency Ranking