-
公开(公告)号：CN115063463A
公开(公告)日：2022-09-16
申请号：CN202210698689.4
申请日：2022-06-20
Applicant: 东南大学
Abstract: 本发明公开了一种基于无监督学习的鱼眼相机场景深度估计方法，该方法首先建立生成对抗网络架构，对输入的鱼眼图像进行畸变校正处理；然后建立场景深度估计网络架构，对图像进行深度特征和位姿特征的提取；接着使用场景深度图信息和相机位姿信息重构图像，设计损失函数训练模型，优化网络参数；最终使用训练好的网络进行深度估计，得到图像的场景深度图。该方法使用鱼眼相机，具有观测范围广的特点；所采用的无监督学习方法，具有训练方便、感知结果准确的特点，能够满足场景深度估计的需求。
-
公开(公告)号：CN114971225A
公开(公告)日：2022-08-30
申请号：CN202210500958.1
申请日：2022-05-10
Applicant: 东南大学
Abstract: 本发明公开了一种基于分布式智能综合决策的无人驾驶公交平顺性测评方法，该方法在被测无人驾驶公交车上选择六处安装位置，包括驾驶员座位、同侧最前排座位、同侧中部座位、同侧最后排座位、对侧最前排座位以及对侧最后排座位，每个安装位置有三处测量点，分别安装加速度计，实现测评所需基础数据的分布式采集，并采用Daubechies小波分析方法对垂向加速度原始数据进行滤波处理，以减小噪声的影响；接着采用频谱分析方法计算加权加速度均方根值；最后以各安装位置的加权加速度均方根平均值作为BP神经网络输入，得到综合决策的测评结果。本发明全面考虑无人驾驶公交车上的多个位置，通过对各位置平顺性评价指标的综合决策实现定量测评，测评结果准确可靠。
-
公开(公告)号：CN114912061A
公开(公告)日：2022-08-16
申请号：CN202210545307.4
申请日：2022-05-19
Applicant: 东南大学
Abstract: 本发明公开了一种面向商用车车道保持辅助系统的精准测评方法，该方法首先对道路轨迹数据采用Kochanek‑Bartels样条进行三次插值，拟合得到可调控较强的目标车道线形；其次，针对大型商用车给出相应测评方法：参数估计部分，根据大型商用车由牵引车与拖挂车组成的铰接特点，采用卡尔曼滤波分别进行牵引车和拖挂车参数的联合估计，以获得车辆精准的运动学参数；测评解算部分，对车道线距离、铰接角、横摆稳定性、车道保持精度等指标进行定量测评。本发明详细描述了商用车车道保持辅助功能中各项测评指标的测评细节，测评结果准确可靠。
-
公开(公告)号：CN114863708A
公开(公告)日：2022-08-05
申请号：CN202210501894.7
申请日：2022-05-09
Applicant: 东南大学
Abstract: 本发明公开了一种面向营运车辆的道路合流区路侧实时精准诱导方法。现有的路侧诱导方法在诱导的实时性、诱导精准性方面无法适用于营运车辆。本发明的方法包含以下几个步骤：步骤一：训练环境中的输入数据预处理；步骤二：设计状态空间、动作空间、奖励函数；步骤三：基于深度确定性策略梯度算法，设计深度策略网络和动作网络并进行训练；步骤四：评估营运车辆诱导效果。本发明能够将转向、制动、加速等方面精准量化的安全性最优的驾驶建议发送给营运车辆，诱导营运车辆安全且高效地通过道路合流区。
-
公开(公告)号：CN114527487A
公开(公告)日：2022-05-24
申请号：CN202210177446.6
申请日：2022-02-24
Applicant: 东南大学
Abstract: 本发明公开了一种点云稀疏场景下主动特征辅助的自适应融合定位方法，通过多传感器融合的方案解决激光SLAM因点云稀疏而导致定位精度的降低甚至无法定位的问题。通过在路侧布设主动特征来增加激光雷达的观测量，并引入UWB距离观测信息来识别激光雷达扫描到的主动特征编号；同时通过模糊逻辑分类算法来对激光雷达与UWB的观测精度进行分类，从而自适应调节激光雷达与UWB的噪声方差阵；最后通过扩展卡尔曼滤波算法实现车辆的融合定位。具有成本低、精度高、实时性好的优点。
-
Patent Agency Ranking
公开(公告)号：CN112904382B
公开(公告)日：2022-05-13
申请号：CN202110099311.8
申请日：2021-01-25
Applicant: 东南大学
Abstract: 本发明公开了一种城市峡谷环境下激光里程计辅助的快速优化选星方法。本方法首先利用激光里程计准确推算智能车的先验绝对位置，其次，依托准确的智能车位置信息精确计算卫星的高度角和方位角，接着，计算自适应截止高度角，并利用模糊规则进行快速优化选星，最后，依据选择卫星的数量对智能车实施多模式定位策略。本发明公开的快速优化选星方法，克服了现有方法卫星高度角和方位角计算不精准、适应性不强、选星效率低、定位误差大等难题，保障了城市峡谷环境下智能车的高精定位。
-
公开(公告)号：CN114407931A
公开(公告)日：2022-04-29
申请号：CN202210158758.2
申请日：2022-02-21
Applicant: 东南大学
Abstract: 本发明公开了一种高度类人的自动驾驶营运车辆安全驾驶决策方法。首先，进行典型交通场景下驾驶行为的多源信息同步采集，构建表征优秀驾驶员驾驶行为的专家轨迹数据集。其次，综合考虑前向碰撞、后向碰撞、侧向碰撞、车辆侧倾稳定性和驾驶平顺性等因素对行车安全的影响，利用生成对抗模仿学习算法模拟优秀驾驶员的驾驶行为，分别采用近段策略优化算法和深度神经网络构建生成器和判别器，进而建立具有高度类人水平的安全驾驶决策模型。最后，对安全驾驶决策模型进行训练，得到不同行驶工况下的安全驾驶策略。本发明能够模拟人类优秀驾驶员的驾驶意图，为自动驾驶营运车辆提供更加合理、安全的驾驶策略，可以有效保障自动驾驶营运车辆的行车安全。
-
公开(公告)号：CN112668473B
公开(公告)日：2022-04-08
申请号：CN202011583142.7
申请日：2020-12-28
Applicant: 东南大学
Abstract: 本发明公开了一种基于多特征深度融合神经网络的车辆状态准确感知方法，该方法首先建立并行深度卷积‑递归神经网络架构，包括使用并行卷积神经网络分别提取输入张量中的旋转和平移几何特征，使用递归神经网络学习所提取特征之间的运动状态时间相关特性；接着采用基于权重平衡的均方误差迭代法优化网络参数；最终使用训练好的网络估计车辆的三维速度和三维角速度信息。该方法仅使用单目相机，具有成本低的特点；所设计的网络泛化性能好，车辆状态参数感知准确。
-
公开(公告)号：CN113753034A
公开(公告)日：2021-12-07
申请号：CN202111225837.2
申请日：2021-10-21
Applicant: 东南大学
Abstract: 本发明公开了一种考虑路面附着条件的大型营运车辆防碰撞决策方法。首先，建立三自由度的营运车辆运动模型。其次，建立基于交互多模型的路面附着条件估计模型，对路面附着系数进行准确识别。最后，将防碰撞决策问题描述为马尔科夫决策过程，建立基于强化学习的防碰撞驾驶决策模型，得到准确、可靠、自适应路面条件的防碰撞决策策略。本发明提出的方法，综合考虑路面附着条件、前向和后向障碍物对车辆碰撞的影响，为驾驶员提供节气门开度、方向盘转角控制量等精确量化的防碰撞策略，克服了现有的大型营运车辆防碰撞驾驶策略缺乏准确性和路面条件适应性的不足。
-
公开(公告)号：CN113753026A
公开(公告)日：2021-12-07
申请号：CN202111225841.9
申请日：2021-10-21
Applicant: 东南大学
Abstract: 本发明公开了一种考虑路面附着条件的大型营运车辆防侧翻决策方法。本发明采用双延迟深度确定性策略梯度算法建立防侧翻驾驶决策模型，具体包括以下4个子步骤：子步骤1：定义防侧翻决策模型的参数；子步骤2：建立防侧翻驾驶决策网络；子步骤3：训练防侧翻驾驶决策网络；子步骤4：利用防侧翻驾驶决策模型输出驾驶决策。本发明提出的方法，能够适应干燥、湿滑、结冰等不同的路面条件，为驾驶员提供节气门开度、方向盘转角控制量等精确量化的防侧翻驾驶策略，克服了现有的大型营运车辆防侧翻驾驶方法缺乏路面条件适应性和准确性的不足。
-
-
-
-
-
-
-
-
-
Search Results
186
records
(took 0.028 seconds)
