-
公开(公告)号：CN114708744A
公开(公告)日：2022-07-05
申请号：CN202210284981.1
申请日：2022-03-22
Applicant: 燕山大学
IPC: G08G1/0967 , G08G1/123 , G08G1/065 , G08G1/095
Abstract: 本发明涉及基于融合交通信息的车辆启动优化控制方法，包括下述步骤在车辆停车或怠速时，获取当前交通流、受控车辆状态矢量、交通信号灯状态、以及交通信号灯距离受控车辆的距离作为受控车辆的状态信息；在车辆停止时，通过车辆启动优化控制模型基于状态信息判断下一时刻受控车辆是否启动。所述车辆启动优化控制模型建立了车辆状态信息和是否启动之间的对应关系。当车辆停止后，本发明的技术方案能够根据车辆当前状态判断车辆是否启动，以在不额外增加时间成本的基础上，减少车辆启停，从而减少启动能耗。本发明根据方法实现了相应的装置。
-
公开(公告)号：CN114643904A
公开(公告)日：2022-06-21
申请号：CN202210181215.2
申请日：2022-02-25
Applicant: 燕山大学
Abstract: 本申请提供一种能量管理方法、装置、汽车及存储介质，该方法包括：获取当前运动片段中汽车的工况特征参数；汽车包括至少两个动力源；根据工况特征参数，预测至少一个未来运动片段中汽车的未来工况特征参数；根据未来工况特征参数，预测至少一个未来运动片段对应的长期动态工况；基于长期动态工况，计算动态功率需求；对动态需求功率，使用三阶Haar小波变换算法进行分解重构，得到高频功率分量和低频功率分量；将高频功率分量和低频功率分量，根据设定的功率分配规则分配给汽车的各个动力源。该方案：可以更加可靠、精准的预测工况，具有优越的节能特性，且在一定程度上减少了动力电池寿命的损耗。
-
公开(公告)号：CN114529577A
公开(公告)日：2022-05-24
申请号：CN202210023872.4
申请日：2022-01-10
Applicant: 燕山大学
Abstract: 本发明涉及一种路侧视角多目标跟踪方法，通过采用成对目标进行匹配，有效降低距离过近造成遮挡的两个目标产生的漏检，误检、跟踪目标身份转换问题；进一步地，通过采用轻量化网络和先进的激活函数，能够达到更快的计算速度，在网络参数大幅减小的同时，精度保持不变，并能够为后续的目标跟踪提供较为准确的初始化和观测值；进一步地，采用两对检测目标计算外观余弦矩阵，能够减少计算量，提高目标匹配速度；同时，对于没有匹配成功的目标对构成的对象，进一步通过单个目标进行匹配，从而提高匹配成功率，提高多目标跟踪精度。
-
公开(公告)号：CN113484875A
公开(公告)日：2021-10-08
申请号：CN202110868867.9
申请日：2021-07-30
Applicant: 燕山大学
IPC: G01S17/89 , G01S17/931
Abstract: 本发明涉及一种基于混合高斯排序的激光雷达点云目标分级识别方法，包括采集激光雷达点云数据并进行预处理、进行地面点云去除筛选出非地面点云、进行非地面点云密度聚类、按重要程度进行排序、按重要程度依次进行识别和输出识别出的目标等步骤。本发明可以大幅减少迭代次数，提高地面拟合算法的实时性，使地面拟合模块稳定性得以提升；可以按待识别目标的重要程度进行分层排序，保证每个目标的重要程度唯一，可以在计算资源有限时优先把计算资源分给识别更重要的目标；具有较高实时性、较强稳定性，对于部署在自动驾驶车辆等计算资源有限的设备上，应对复杂多变的真实环境具有较好的适用性。
-
公开(公告)号：CN113335291A
公开(公告)日：2021-09-03
申请号：CN202110848303.9
申请日：2021-07-27
Applicant: 燕山大学
Abstract: 本发明涉及一种基于人车风险状态的人机共驾控制权决策方法，属于汽车辅助驾驶技术领域和自动驾驶技术领域，特别是涉及到一种基于人车风险状态的人机共驾控制权决策方法；包括基于人、车风险监测信息的智能体环境特征提取、基于完全信息静态博弈理论的强化学习风险决策框架以及对不同切换时机进行标定的控制权决策方法。本发明提出的人机共驾控制权决策方法，能够为智能车辆处于高度风险状态时及时切换控制权至自动驾驶系统提供理论支持，在特殊情况下由自动驾驶系统接管车辆并降低行车风险。
-
Patent Agency Ranking
公开(公告)号：CN119942501A
公开(公告)日：2025-05-06
申请号：CN202510099290.8
申请日：2025-01-22
Applicant: 燕山大学
IPC: G06V20/58 , G06V20/40 , G06V40/20 , G06V10/40 , G06V10/62 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本申请涉及自动驾驶环境感知领域，公开了一种基于车载视角视觉信息的道路使用者行为识别方法及系统。所述方法对车载视角的目标数据集中的视频数据进行类别、行为和位置的标注，弥补了车载视角道路使用者行为数据稀缺的问题。构建包括混合双路径主干网络、颈部网络和多任务头的道路使用者行为识别模型，其中混合双路径主干网络包括慢速路径和快速路径，可以分别捕捉视频数据中的静态背景信息和动态动作变化，可以提升模型对复杂动作的识别能力；颈部网络利用多维度的注意力机制两个路径提取到时空特征融合。最后利用多任务头对融合特征进行检测和分类，获得道路使用者的类别信息、行为信息和位置信息，从而实现对车载视角道路使用者行为的识别。
-
公开(公告)号：CN119251265A
公开(公告)日：2025-01-03
申请号：CN202411369924.9
申请日：2024-09-29
Applicant: 燕山大学
Abstract: 本申请涉及自动驾驶环境感知技术领域，具体而言，涉及一种基于生命周期分级管理的三维多目标跟踪方法及装置，该方法包括：三维目标检测结果预处理、三维目标跟踪轨迹未来状态预测、相同时刻检测框和轨迹框匹配关联、轨迹新生死亡管理；其中，三维目标跟踪轨迹未来状态预测采用基于交互式多模型的扩展卡尔曼滤波；轨迹新生死亡管理采用生命周期分级管理策略。该方法涵盖匀速直线、加减速直线、匀速转弯、加减速转弯机动行为，遵循近距离目标消失更可能遮挡、远距离目标消失更可能离开检测范围的第一性原理，更加准确有效地预测未来状态与管理生命周期，有利于减少身份切换、假阳性和假阴性轨迹，具有优异的跟踪性能。
-
公开(公告)号：CN114529889B
公开(公告)日：2024-11-15
申请号：CN202210109527.2
申请日：2022-01-28
Applicant: 燕山大学
IPC: G06V20/59 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/0442 , G06N3/08 , B60W40/08 , B60W50/14 , B60W50/16 , B60W60/00
Abstract: 本发明涉及一种分心驾驶行为识别方法，所述方法包括下述步骤：获取人机共驾接管状态下驾驶人的分心驾驶时序图像数据；利用训练好的第一模型或训练好的第二模型首先获取时序图像数据的空间特征，在空间特征的基础上获取时空特征；将所述时空特征与空间特征进行融合加强，进而获得用于分心驾驶行为类别识别分心驾驶行为特征。所述方法能够实现准确识别驾驶人的分心驾驶行为、降低误接管风险，从而提升行车安全性。
-
公开(公告)号：CN118928463A
公开(公告)日：2024-11-12
申请号：CN202410990980.8
申请日：2024-07-23
Applicant: 燕山大学
Abstract: 本申请涉及自动驾驶行为决策技术领域，公开了一种基于预测轨迹的安全强化学习智能车汇入决策方法及系统。构建强化学习汇入决策模型，利用预测模型获取每个动作对应的预测轨迹，基于代价函数计算预测轨迹中每一步状态的代价，利用折现总代价计算方法计算预测轨迹的折现总代价。然后根据每个动作的折现总代价确定安全动作集。若智能体的原始决策动作在安全动作集中，或者安全动作集为空，则输出原始决策动作；若不在安全动作集中，则输出安全动作集中价值最大的动作。本申请中，将预测轨迹融入安全强化学习，通过将不安全动作替换为安全动作，有效地减少了训练过程中的碰撞次数，从而缩短了训练周期，降低了训练成本，提高了汇入决策的安全性。
-
公开(公告)号：CN118887638A
公开(公告)日：2024-11-01
申请号：CN202410987072.3
申请日：2024-07-23
Applicant: 燕山大学
IPC: G06V20/56 , G06V20/59 , G06V10/25 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明提供一种基于多任务学习的驾驶场景轻量化类人目标检测方法，包括：通过自动驾驶汽车的视觉传感器进行实时环境感知和图像采集；通过多任务数据处理模块对采集到的图像进行预处理，得到预处理后的图像；基于预处理后的图像，通过多任务网络模型模块构建多任务网络模型；通过多任务模型训练模块，利用反向传播和梯度下降方法不断优化多任务网络模型的模型参数，直至损失函数收敛；通过多任务模型测试模块更新损失函数的权重，筛选最优解；将训练好的多任务网络模型部署到智能驾驶系统中，以实现实时处理类人目标检测和注意力预测相关任务。本发明减轻了无人驾驶系统的计算负担，提升了智能驾驶系统的安全性和效率。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.042 seconds)
