-
公开(公告)号：CN117227834B
公开(公告)日：2024-01-30
申请号：CN202311490977.1
申请日：2023-11-10
Applicant: 中国矿业大学
IPC: B62D6/00 , B62D103/00 , B62D113/00 , B62D119/00 , B62D137/00
Abstract: 本发明公开一种特种车辆人机协同转向控制方法，包括实时获取驾驶员心率、皮肤电导率、驾驶员力矩的多源生理数据和车辆姿态数据，根据采集到的多源数据辨识驾驶员心理负荷水平、评估特种车辆行车风险程度，并以此设计强化学习的奖励函数，通过强化学习的双延迟深度确定性策略梯度算法决策出特种车辆人机协同转向的驾驶权重，基于驾驶权重融合驾驶员与自动系统控制器的方向盘转角，得到人机协同模式下实际的特种车辆方向盘转角，实现对特种车辆的人机协同转向控制，本发明根据驾驶员心理负荷水平和行车风险程度动态改变特种车辆人机协同转向权重，改善特种车辆安全性、稳定性和驾驶员负担。
-
公开(公告)号：CN116977969B
公开(公告)日：2023-12-26
申请号：CN202311011160.1
申请日：2023-08-11
Applicant: 中国矿业大学
IPC: G06V20/56 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明属于目标检测领域，具体地说，为一种基于卷积神经网络的驾驶员两点预瞄识别方法，包括如下步骤：数据集构建、模型搭建、特征提取、模型训练和检测阶段；本发明为保证样本多样性，从多个自动驾驶数据集采集样本，重新定义标签；为融合两点预瞄和深度学习，构建一个深度卷积神经网络，分析了如何将检测框用于两点预瞄识别的问题，针对了恶劣天气下远点预瞄的难点，提出了融合坐标注意力机制的主干网络和损失函数，实现了两点预瞄的智能识别，克服传统两点预瞄观察范围受限、存在视觉盲点等缺点。
-
公开(公告)号：CN117227834A
公开(公告)日：2023-12-15
申请号：CN202311490977.1
申请日：2023-11-10
Applicant: 中国矿业大学
IPC: B62D6/00 , B62D103/00 , B62D113/00 , B62D119/00 , B62D137/00
Abstract: 本发明公开一种特种车辆人机协同转向控制方法，包括实时获取驾驶员心率、皮肤电导率、驾驶员力矩的多源生理数据和车辆姿态数据，根据采集到的多源数据辨识驾驶员心理负荷水平、评估特种车辆行车风险程度，并以此设计强化学习的奖励函数，通过强化学习的双延迟深度确定性策略梯度算法决策出特种车辆人机协同转向的驾驶权重，基于驾驶权重融合驾驶员与自动系统控制器的方向盘转角，得到人机协同模式下实际的特种车辆方向盘转角，实现对特种车辆的人机协同转向控制，本发明根据驾驶员心理负荷水平和行车风险程度动态改变特种车辆人机协同转向权重，改善特种车辆安全性、稳定性和驾驶员负担。
-
公开(公告)号：CN116977969A
公开(公告)日：2023-10-31
申请号：CN202311011160.1
申请日：2023-08-11
Applicant: 中国矿业大学
IPC: G06V20/56 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明属于目标检测领域，具体地说，为一种基于卷积神经网络的驾驶员两点预瞄识别方法，包括如下步骤：数据集构建、模型搭建、特征提取、模型训练和检测阶段；本发明为保证样本多样性，从多个自动驾驶数据集采集样本，重新定义标签；为融合两点预瞄和深度学习，构建一个深度卷积神经网络，分析了如何将检测框用于两点预瞄识别的问题，针对了恶劣天气下远点预瞄的难点，提出了融合坐标注意力机制的主干网络和损失函数，实现了两点预瞄的智能识别，克服传统两点预瞄观察范围受限、存在视觉盲点等缺点。
-
公开(公告)号：CN115115686B
公开(公告)日：2023-07-18
申请号：CN202211004903.8
申请日：2022-08-22
Applicant: 中国矿业大学
IPC: G06T7/50 , G06V10/26 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/088
Abstract: 本发明提供一种基于细粒度多特征融合的矿井图像无监督单目深度估计方法，包括以下步骤：步骤1：对原图多次采样，将不同尺度的图像输入到编码器网络；步骤2：将编码器的输出通过扩展卷积模块进行融合并输入到解码器网络；步骤3：将解码器网络输出的视差图进行多尺度融合；步骤4：重建视图；通过采用多尺度图像输入到网络，同时将解码器输出的视差图进行逐层的尺度融合，加强弱纹理区域的深度估计效果，并且增加中间扩展卷积模块，加大对全局信息的理解。
-
Patent Agency Ranking
公开(公告)号：CN115330874B
公开(公告)日：2023-05-16
申请号：CN202211070202.4
申请日：2022-09-02
Applicant: 中国矿业大学
IPC: G06T7/73 , G06N3/0464 , G06N3/08 , G06T5/00 , G06V10/26 , G06V10/74 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种基于超像素处理遮挡的单目深度估计方法，属于计算机视觉领域，步骤一，图像预处理：对输入的双目图片进行图像去噪以及生成遮挡物体掩膜；步骤二，采用相机位姿估计进行位姿估计对图像进行重建：首先进行特征提取，相机位姿估计使用PoseCNN，之后将输入图像分为三个任务，分别为语义分割、三维旋转回归、三维平移估计；步骤三，采用深度估计网络进行深度估计对图像进行重建；步骤四，计算光度重建损失。使用光度重建损失来识别遮挡，可以有效去除影响网络训练的遮挡物体；图像输入网络之前，使用聚类分割，然后使用SSIM指标重新匹配双目图像对，网络预测的图像比较单一，提高了网络估计的准确率。
-
公开(公告)号：CN114228826B
公开(公告)日：2022-07-22
申请号：CN202111655161.0
申请日：2021-12-31
Applicant: 中国矿业大学 , 宁波工业互联网研究院有限公司
IPC: B62D5/04 , B62D6/00 , B62D113/00
Abstract: 本发明实施例提供了一种智能汽车驾驶员紧急接管行为识别方法及装置，所述方法包括：获取在紧急接管避障时车辆的状态信息和障碍物的状态信息；将车辆的状态信息和障碍物的状态信息输入到预先建立的预瞄模型中，得到第一方向盘转向角；获取在紧急接管避障时触发方向盘转动的第二方向盘转向角；根据第一方向盘转向角、第二方向盘转向角和预先建立的神经肌肉模型，确定在紧急接管避障时施加在车辆方向盘上的扭矩信息，实现对紧急接管转向避障工况下驾驶员侧向行为的识别，自动驾驶接管系统通过对驾驶员行为的识别，能够提高自动驾驶接管系统的人机协同转向控制性能。
-
公开(公告)号：CN114357871A
公开(公告)日：2022-04-15
申请号：CN202111586794.0
申请日：2021-12-23
Applicant: 中国矿业大学 , 宁波工业互联网研究院有限公司
Abstract: 特种救援车辆转向模式智能决策方法，涉及车辆转向技术领域，特别是属于一种特种救援车辆转向模式智能决策方法。其特征在于，包括以下步骤：a.构建基于卷积神经网络的转向模式决策模型；b.特种救援车辆的工况信息输入基于卷积神经网络的转向模式决策模型后，经基于卷积神经网络的转向模式决策模型输出特种救援车辆的最优转向模式。本发明克服了传统人为决策转向模式的局限性，能够自适应并决策不同的狭小复杂救援场景下特种救援车辆的最优转向模式，具有提高特种救援车辆在狭小复杂地域中的智能化水平和机动能力的积极效果。
-
公开(公告)号：CN114228828A
公开(公告)日：2022-03-25
申请号：CN202111620803.3
申请日：2021-12-28
Applicant: 中国矿业大学 , 宁波工业互联网研究院有限公司
IPC: B62D6/00 , B62D137/00
Abstract: 本发明实施例提供了一种车辆转向模式的切换方法及装置，包括：接收转向模式切换指令，根据目标转向模式，确定车辆瞬时转向中心的切换轨迹；在转向模式切换过程中稳定性冲击率小于第一预设值和切换时间小于第二预设值的情况下，根据车辆瞬时转向中心切换轨迹，确定车辆瞬时转向中心切换轨迹的优化模型；根据车辆瞬时转向中心切换轨迹的优化模型，对车辆瞬时转向中心切换轨迹进行优化，得到车辆瞬时转向中心的最优切换轨迹；基于车辆车轮转角与车辆瞬时转向中心位置的关系，根据车辆瞬时转向中心的最优切换轨迹，确定车辆车轮转角的最优切换轨迹，车辆可以根据车轮转角的最优切换轨迹实现对转向模式的动态切换。
-
公开(公告)号：CN112669393A
公开(公告)日：2021-04-16
申请号：CN202011632288.6
申请日：2020-12-31
Applicant: 中国矿业大学
Abstract: 本发明公开了一种激光雷达与相机联合标定方法，所使用的激光雷达扫描方式为非重复扫描，即激光雷达每次扫描轨迹都不相同，静止采集数秒，视野内点云覆盖率趋近100%。本发明根据此种激光雷达非重复扫描特点，将自制大型棋盘格标定板依次放置于激光雷达与相机重合视野中不同位置，相机采集一帧图像的同时激光雷达采集较长时间三维点云数据，将得到的三维点云数据根据点云强度转化为二维归一化灰度图，再对归一化灰度图及相机图像进行角点检测，得到对应的二维灰度图与相机图像角点对，然后根据二维灰度图中的角点回溯找到精确的三维点云角点坐标，最终根据对应的三维点云角点与相机图像角点坐标得到联合标定结果，与传统方法相比，具有更高的精度。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.024 seconds)
