-
公开(公告)号：CN114043986B
公开(公告)日：2024-04-26
申请号：CN202110971842.1
申请日：2021-08-20
Applicant: 东南大学
IPC: B60W40/064
Abstract: 本发明公开了一种车载传感器测量数据异常情况下的汽车状态估计方法，具体包括以下步骤：采集车辆纵向加速度、横向加速度、横摆角速度和前轮转角信号，与非线性车辆模型结合，利用强跟踪无迹卡尔曼滤波估计车辆轴向力信息，基于车辆轴向力信息利用交互多模型无迹卡尔曼估计轮胎路面附着系数；车辆轴向力信息包括车辆前轴的纵向力和侧向力以及车辆后轴的纵向力和侧向力。通过交互与混合、预测以及融合，给出了一种可以结合多个模型的优势实现在复杂驾驶工况下轮胎路面附着系数的精确估计，然后对后验状态#imgabs0#和它的协方差矩阵Pη更新，采用先验与后验相结合的估计方法，可以填补当前质量失配情况下汽车轴向力无法精确估计的技术空白。
-
公开(公告)号：CN116433762A
公开(公告)日：2023-07-14
申请号：CN202310238490.8
申请日：2023-03-14
Applicant: 东南大学
IPC: G06T7/73
Abstract: 本发明公开了一种激光雷达与相机标定状态检测方法、校正方法、装置及存储介质，其中激光雷达与相机标定状态检测方法包括：在标定位置获取不同位姿下同步的激光雷达点云和相机无畸变图像，作为参考数据；当需要判断传感器标定状态时，在标定位置采集一帧同步的激光雷达点云和相机无畸变图像，作为观测数据。估计参考数据到观测数据的变换矩阵，根据其旋转分量偏差，判断标定状态。当确认传感器位姿已发生改变时，估计参考图像到观测图像的变换矩阵，完成外参校正。所提出的激光雷达与相机标定状态自动检测与校正方法无需布置标定环境，能够自动检测当前传感器状态是否需要重新标定，适用于车辆运行现场标定，标定结果精确且鲁棒。
-
公开(公告)号：CN112837383B
公开(公告)日：2022-02-22
申请号：CN202110225959.5
申请日：2021-03-01
Applicant: 东南大学
Abstract: 本发明公开了一种相机与激光雷达重标定方法、装置及计算机可读存储介质，其中相机与激光雷达重标定方法包括：在标定状态下获取基准位置的基准图像和基准点云；在传感器发生漂移状态下，通过获取的基准图像和基准点云，结合在观测位置获取的观测图像和观测点云，采用基于传感器融合里程计的相机与激光雷达自动重标定方法进行重标定。本发明相机与激光雷达自动重标定方法，无需设置标定板，不受环境和数据特征限制，能够实现相机和激光雷达的精确重标定，对传感器漂移具有较高的鲁棒性。
-
公开(公告)号：CN113978476A
公开(公告)日：2022-01-28
申请号：CN202110964949.3
申请日：2021-08-20
Applicant: 东南大学
IPC: B60W40/10
Abstract: 本发明涉及一种考虑传感器数据丢失的线控汽车轮胎侧向力估计方法，首先利用电动汽车车载传感器获得带有部分测量数据丢失的前轮转角，纵向速度，质心侧偏角以及纵、横向加速度信号，利用线控系统中CAN总线获得轮胎的纵向驱动力信息，将这些信息与非线性车辆模型结合利用先验预估和后验更新的方法估计轮胎侧向力，实现轮胎侧向力的精确获取。本发明可以填补当前传感器数据丢失情况下轮胎力无法估计的技术空白，促进了汽车主动安全控制技术的发展。
-
公开(公告)号：CN113771865A
公开(公告)日：2021-12-10
申请号：CN202110964974.1
申请日：2021-08-20
Applicant: 东南大学
Abstract: 本发明涉及一种车载传感器测量数据异常情况下的汽车状态估计方法，首先利用车载传感器获得带有异常测量数据的横向加速度信号以及正常的前轮转角和纵向加速度，将这些信息与非线性车辆模型结合利用先验预估和后验更新的方法估计车辆的纵向速度，质心侧偏角，横摆角速度来实现汽车状态的精确获取。本发明可以填补当前车载传感器测量数据异常情况下汽车状态无法精确估计的技术空白，提升了汽车主动安全控制技术水平。本发明考虑到现有汽车状态估计中尚未考虑传感器数据异常，利用贝叶斯概率理论设计了考虑数据异常的先验与后验相结合的估计方法，可以填补当前传感器数据异常情况下汽车状态无法估计的技术空白。
-
Patent Agency Ranking
公开(公告)号：CN113650620A
公开(公告)日：2021-11-16
申请号：CN202111002707.2
申请日：2021-08-30
Applicant: 东南大学
Abstract: 本发明涉及一种四轮电驱动汽车状态预测方法，首先利用车载传感器获得汽车的纵向速度、横摆角速度、轮胎侧向力、前轮转角信号和纵向驱动力信息，利用无迹卡尔曼滤波算法获得基于模型的车辆状态估计；将车辆运行中产生的大数据进行提取获得状态输入和输出数据集，运用神经网络训练获得软件定义的车，使得其能够根据车辆控制输入自动输出车辆状态，获得基于数据的车辆状态估计；将获得的基于模型和数据的车辆估计加权融合，获得最终汽车状态估计值。本发明基于算法的持续优化，不断改善预测精度，促进了汽车主动安全控制技术的发展。
-
公开(公告)号：CN110619752B
公开(公告)日：2021-09-07
申请号：CN201910504233.8
申请日：2019-06-12
Applicant: 东南大学
Abstract: 本发明涉及一种基于LTE‑V2X通信技术的车辆与信号灯协同控制方法及控制系统，车辆驶入控制区域后，车载终端利用CAN总线获取车载传感器获取的车速信息，并利用LTE‑V2X网络将上述信息及车辆优先级、类型、紧急情况信息发送到车道信号灯控制器；信号灯控制器计算各车位置信息，计算车道内燃油汽车、混合动力汽车和纯电动汽车数量，计算车辆队列长度及通行时间，加载各类型车辆优化速度；通过车辆与信号灯协同控制方法循环，实现各车道信号灯相位配时控制，利用LTE‑V2X网络广播统一优化车速、安全预警、优先通行等信息，通过车载交互设备呈现给驾驶员；当车辆驶出控制区域后，停止与该车车载终端的信息交互，本发明可以实现车辆在路口高效通行、绿色通行、安全通行。
-
公开(公告)号：CN111383481B
公开(公告)日：2021-07-27
申请号：CN202010145735.9
申请日：2020-03-03
Applicant: 东南大学
Abstract: 本发明涉及一种城市拥堵路口智能网联汽车绿色通行车速优化方法，当信号灯为红灯时，获取在控制区域内部或者靠近控制区域的汽车数量以及信号的相位配时信息，利用智能驾驶员跟车模型计算待行队列内汽车的加速度或者减速度，并基于汽车运动学模型计算待行队列的长度与速度变化轨迹，估计待行队列通行时间；接着利用势能函数建立避撞函数，采用模型预测控制算法求解设计包含多约束和多目标的车速优化问题，计算获得绿色通行车速，直至被控汽车驶过路口停车线；本发明充分考虑了实际情况和现有技术水平，有效地提高了交通安全性、汽车节能水平、交通通行效率。
-
公开(公告)号：CN113008240A
公开(公告)日：2021-06-22
申请号：CN202110226179.2
申请日：2021-03-01
Applicant: 东南大学
IPC: G01C21/20
Abstract: 本发明公开了一种基于稳定域的四轮独立驱动智能电动汽车路径规划方法，包含：建立非线性七自由度非线性车辆模型，七自由度包括纵向、侧向、横摆和4个车轮；基于上述建立的非线性七自由度车辆模型，得出四轮独立驱动电动汽车的稳定域；基于上述得出的稳定域，进行路径规划。本发明提出的四轮独立驱动电动汽车路径规划方法，不仅可以满足智能电动汽车日常驾驶需求，而且在紧急避撞、高速行驶等紧急工况下，同样具有工况适应性好、路径规划准确性高、容错能力强等特点，充分发挥四轮独立驱动电动汽车相比于传统汽车或集中式电动汽车的优势，将四轮驱动电动汽车智能驾驶层和底盘控制层充分紧密的结合，提高电动汽车行驶过程中的安全性和高效性。
-
公开(公告)号：CN111967373B
公开(公告)日：2021-03-30
申请号：CN202010818329.4
申请日：2020-08-14
Applicant: 东南大学
Abstract: 本发明公开一种基于摄像头和激光雷达的自适应强化融合实时实例分割方法，所述方法包括：利用卷积神经网络分别提取目标的摄像头图像和激光雷达投影图的图像特征，分别得到第一图像特征和第二图像特征；自适应地分配第一图像特征和第二图像特征的权重，根据分配的第一权重对第一图像特征加权得到第三图像特征，根据分配的第二权重对第二图像特征加权得到第四图像特征，对第三图像特征和第四图像特征进行强化融合；根据所述融合后的图像特征，利用实时实例分割网络输出目标的类别、置信度、边界框、掩模，获取目标的实例分割结果。本发明能够在复杂环境下实时、精确且鲁棒地实现目标实例分割，在智能网联车辆感知领域具有广泛的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.023 seconds)
