-
公开(公告)号：CN114537420A
公开(公告)日：2022-05-27
申请号：CN202210290698.X
申请日：2022-03-23
Applicant: 东南大学
IPC: B60W50/00
Abstract: 本发明公开了一种基于动态规划的城市快速公交节能驾驶控制方法，涉及智能交通技术领域，解决了现有车速规划无法兼顾城市快速公交车辆经济性与准时性的技术问题，其技术方案要点是可采用速度规划方法，并将实现安全适性约束作为变量约束，将经济性与准时性作为优化目标，建立最优控制模型。同时基于动态规划方法，将最优控制模型在空间域上进行离散，从终点到起点进行逆向求解，根据目标函数最小进行正向寻优得到最优速度轨迹和巡航时间。减少车辆队列行驶过程中的频繁启停所产生的额外能量损失，并实现准时到站。
-
公开(公告)号：CN113743479B
公开(公告)日：2022-05-24
申请号：CN202110954152.5
申请日：2021-08-19
Applicant: 东南大学
Abstract: 本发明公开了一种端‑边‑云车路协同融合感知架构及其构建方法，涉及智能交通技术领域，解决了当前车路协同架构下各智能体信息流之间弱关联、强冲突、高分散、低兼容的技术问题，其技术方案要点是将车端、路端和云端各感知单元、计算设备、通信装置看成自动驾驶感知系统的智能体，以各智能体的协同感知为重点，根据多Agent的分布式协调感知理论，构建具备分层次、跨时空、多任务技术特点的端‑边‑云车路协同融合感知架构。为自动驾驶的决策、规划与控制提供一个环境适应性强、环境识别和理解准确度高、应对场景变化具有强鲁棒性的多源感知系统。
-
公开(公告)号：CN112581756B
公开(公告)日：2021-12-24
申请号：CN202011276318.4
申请日：2020-11-16
Applicant: 东南大学
Abstract: 一种基于混合交通的行车风险评估方法，涉及无人驾驶行车风险评估领域。具体包括：输入包含机动车、非机动车以及道路交通环境三类模型的综合交通场景；将所述综合交通场景中的任意一个个体的单独行为结果表征为不同作用力的组合，综合成统一表达式，所述个体为机动车或非机动车；根据所述统一表达式将机动车和非机动车分别抽象成机动车行车风险评估模型和非机动车行车风险评估模型；基于所述的机动车行车风险评估模型、非机动车行车风险评估模型和其他干扰项之间交互的风险评估模型，进行所述综合交通场景风险评估。上述综合风险评估方法可以简单高效地评估不同类个体在混合交通场景中的碰撞风险。
-
公开(公告)号：CN109229200B
公开(公告)日：2021-03-02
申请号：CN201811048354.8
申请日：2018-09-10
Applicant: 东南大学
Abstract: 本发明涉及一种无人驾驶方程式赛车通用转向系统及控制方法，包括动力装置、与赛车前轮连接的用于监测转向角的转向角监测装置和与方向盘连接的用于监测方向盘转角的方向盘转角监测装置，其中，转向角监测装置通过第二转向传动杆与方向盘转角监测装置连接，动力装置与转向角监测装置联通，动力装置为整个转向系统提供动力；本发明可实现赛车自动转向的精准控制，而且无需加装齿轮分离装置以消除转向舵机的巨大转向阻力，便可实现有人驾驶无人驾驶状态切换，结构简单，降低了无人驾驶方程式赛车的设计加工成本，具有一定的通用性。
-
公开(公告)号：CN112233079A
公开(公告)日：2021-01-15
申请号：CN202011084849.3
申请日：2020-10-12
Applicant: 东南大学
Inventor： 耿可可
Abstract: 本发明公开了一种多传感器图像融合的方法及系统，涉及图像处理技术领域，解决了现有图像处理技术造成环境感知的稳健性和有效性不高的技术问题，其技术方案要点是利用可见光图像质量评估网络IQAN对RGB图像进行评估，通过特征权重的表达式将RGB图像和激光雷达图像的特征进行特征融合，再利用联合损失函数对网络模型进行训练，得到基于图像质量评估的深度学习网络，该深度学习网络对多传感器图像融合的感知问题有较好的适用性，且本发明网络结构清晰，计算复杂度低，能够在实车嵌入式控制器上实现，有较好的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN111967373A
公开(公告)日：2020-11-20
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。
-
公开(公告)号：CN111595354A
公开(公告)日：2020-08-28
申请号：CN202010463590.7
申请日：2020-05-27
Applicant: 东南大学
Abstract: 本发明提出了一种自适应动态观测域的EKF-SLAM算法，以解决标准EKF-SLAM算法在大而复杂的环境中，由于状态向量和误差协方差维数过多而计算效率低的问题。通过实时调整观测范围，确保任意时刻观测的特征点数量均在某一设定的区间内，并从状态向量和误差协方差中剔除超出约束范围的多余特征点。在此基础上，再对车辆位姿和特征点位置进行估计。本发明的算法比标准EKF-SLAM算法节省60%以上的计算时间；在保证较高估计精度的同时，大大提高计算效率。而且可以推测，当环境中的特征点数量和密度进一步增加时，本算法的优势将更加明显。
-
公开(公告)号：CN110390695A
公开(公告)日：2019-10-29
申请号：CN201910575101.4
申请日：2019-06-28
Applicant: 东南大学
IPC: G06T7/80
Abstract: 本发明涉及一种基于ROS的激光雷达、摄像头的融合标定系统及标定方法，包括雷达标定模块，其用于获取激光雷达的外部参数，即激光雷达的雷达坐标系到世界坐标系的变换关系；相机标定模块，用于获取摄像头的内部参数；融合标定模块，用于接收激光雷达的外部参数以及相机的内部参数，求解相机的外部参数，即求解出世界坐标系到相机坐标系的变换关系；雷达标定模块、相机标定模块以及融合标定模块之间基于ROS平台实现数据的传输；雷达标定模块包括激光雷达，还包括桩桶以及两块标定板，前述的相机标定模块包括摄像头以及一块标定板；本发明实现激光雷达和摄像头数据融合的空间同步方法，解决了现有单一传感器感知存在的感知维度不足、信息缺乏等缺陷。
-
公开(公告)号：CN110103975A
公开(公告)日：2019-08-09
申请号：CN201910391284.4
申请日：2019-05-12
Applicant: 东南大学
Abstract: 本发明提供了一种多模混合动力汽车的模式切换图设计方法，利用动态规划与机器学习方法从最优控制律中提取最优模式切换图，提出一种多模混合动力汽车的模式切换图设计方法。该模式切换图不仅能够提高车辆经济性，还能提高模式切换的平顺性，降低由模式切换引起的冲击与能量损耗。
-
-
-
-
-
-
-
-
-
Search Results
115
records
(took 0.022 seconds)
