-
公开(公告)号：CN117870651A
公开(公告)日：2024-04-12
申请号：CN202410273333.5
申请日：2024-03-11
Applicant: 北京理工大学前沿技术研究院 , 北京理工大学
Abstract: 本发明公开了基于RTK‑SLAM技术的地图高精度采集方法、存储器及存储介质，属于地图领域，用于解决当下地图导航时实际接收到的地图数据容易出现偏差，且地图中标识物体通常以简易图形进行标注的问题，方法具体如下：用户终端依据导航路线选定作为目标路线发送至存储模块和路线划分模块，存储模块依据目标路线将对应的预设地图数据发送至智能比对模块；路线划分模块对目标路线进行划分得到多组道路段；智能比对模块用于比对目标路线内不同道路段中标识物体的轮廓；信号干扰分析模块对道路段的信号干扰情况进行分析；采集调配模块对目标路线中不同道路段的地图采集措施进行设定，本发明基于多元因素实现对不同区域的地图进行高精度采集。
-
公开(公告)号：CN117208019B
公开(公告)日：2024-04-05
申请号：CN202311473564.2
申请日：2023-11-08
Applicant: 北京理工大学前沿技术研究院 , 北京理工大学
IPC: B60W60/00 , G06N3/092 , G06F18/213 , G06F18/25 , B60W30/095 , B60W50/00
Abstract: 本发明提供了一种基于值分布强化学习的感知遮挡下纵向决策方法及系统，属于车辆驾驶决策技术领域，获取目标区域的人员识别结果，获取其中的位置信息和速度信息；获取目标区域的环境信息；利用融合谨慎心驱动的值分布式强化学习模型，基于所述环境信息、位置信息和速度信息，预测人员的下一步动作和位置，并依据预测结果，生成纵向决策；融合谨慎心驱动的值分布式强化学习模型包括用于确定相关分位数下的奖励的效率分位数函数，利用谨慎心驱动更新所述函数与环境信息互动后的奖励。本发明基于分布式强化学习与谨慎心驱动方法相融合，有效提升了车辆的通行安全和效率以及算法的泛化能力。
-
公开(公告)号：CN117198082A
公开(公告)日：2023-12-08
申请号：CN202311460469.9
申请日：2023-11-06
Applicant: 北京理工大学前沿技术研究院 , 北京理工大学
IPC: G08G1/0967 , G08G1/16
Abstract: 本发明提供了一种基于双层优化的车辆匝道汇入决策方法及系统，属于交通控制系统技术领域。所述方法，包括：根据获取的运动状态数据，得到主线车道上的当前汇入间隙和下一汇入间隙，确定两个汇入间隙各自的前后车辆；根据两个汇入间隙各自前后车辆的运动状态数据，对所涉及车辆执行匀速预测，执行下层优化获得两个汇入间隙匝道车辆的最优纵向机动参数，所述纵向为主线车道方向；对两个汇入间隙各自的最优机动参数执行上层优化，得到最优汇入间隙，根据最优汇入间隙对应的匝道车辆纵向机动参数进行汇入控制；本发明解决了智能车辆在匝道汇入过程中纵向速度调整与汇入间隙选择之间的动态耦合的问题，保证了汇入的安全性。
-
公开(公告)号：CN119472696A
公开(公告)日：2025-02-18
申请号：CN202510034835.7
申请日：2025-01-09
Applicant: 北京理工大学前沿技术研究院
IPC: G05D1/43 , G05D1/633 , G05D1/644 , G05D105/10
Abstract: 本发明提供一种高速状态下的无人驾驶清扫车避障控制方法和系统，涉及车辆控制技术领域。本申请通过车辆动力学模型计算无人驾驶清扫车在未来设定时间段内的轨迹；将轨迹向两侧扩展形成带状的通行区域；将通行区域沿轴线方向分为减速区域和避障区域；感知周围行人、障碍物和车辆，对周围行人和车辆进行轨迹预测；当减速区域内存在障碍物或周围行人和车辆的预测轨迹时，则将清扫车进行减速至目标速度后匀速运行；若避障区域内存在障碍物时则对障碍物进行规避动作或停止移动，直至避障区域内不存在障碍物；若避障区域内存在周围行人和车辆的预测轨迹则对车辆进行减速至目标速度后匀速运行。本申请实现高速状态下的无人驾驶清扫车的平稳避障控制。
-
公开(公告)号：CN118790290A
公开(公告)日：2024-10-18
申请号：CN202410907860.7
申请日：2024-07-08
Applicant: 北京理工大学前沿技术研究院 , 北京理工大学 , 山东汇创信息技术有限公司 , 山东伟创信息技术有限公司
Abstract: 本公开提出一种基于分层强化学习的自动驾驶无信号交叉口决策生成方法，涉及车辆驾驶决策技术领域。方法包括：获取自车和对向来车所在的真实驾驶环境；所述驾驶环境包括环境观测值和动作空间；将真实驾驶环境输入路径决策模块，得到决策轨迹；将决策轨迹输入速度决策模块，得到决策速度；所述路径决策模块和速度决策模块基于模拟驾驶环境、自车轨迹、结束条件和奖励函数进行训练；自车根据决策轨迹和决策速度执行左转任务。将速度决策和路径决策分别训练，可使速度决策模型专注于学习如何根据当前环境和其他因素选择最佳左转加速度，而路径决策模型则专注于找到可完成穿越的合适半径，提高模型性能以及生成决策的准确性。
-
Patent Agency Ranking
公开(公告)号：CN117456503B
公开(公告)日：2024-07-09
申请号：CN202311367919.X
申请日：2023-10-23
Applicant: 北京理工大学前沿技术研究院 , 北京理工大学
IPC: G06V20/58 , G06V10/82 , G06N3/0464 , G06V10/86
Abstract: 本发明涉及目标检测技术领域，本发明公开了一种三维目标检测方法、系统、存储介质及设备，包括：对所述图像进行检测，得到二维检测框，同时对所述点云数据进行检测，得到若干三维检测框；将三维检测框投影到图像平面上，得到点云检测框，计算所述点云检测框和所述二维检测框的交并比后，更新点云检测框的置信度，对三维检测框进行过滤，得到第一三维检测结果；选取所述交并比未达到阈值的二维检测框对应的点云数据，通过多层卷积和反卷积，得到第二三维检测结果；将第一三维检测结果和第二三维检测结果进行融合，得到最终检测结果。以极小的时间损耗显著提升了点云3D检测的精度，且减少了后融合3D检测算法的漏检问题。
-
公开(公告)号：CN117870651B
公开(公告)日：2024-05-07
申请号：CN202410273333.5
申请日：2024-03-11
Applicant: 北京理工大学前沿技术研究院 , 北京理工大学
Abstract: 本发明公开了基于RTK‑SLAM技术的地图高精度采集方法、存储器及存储介质，属于地图领域，用于解决当下地图导航时实际接收到的地图数据容易出现偏差，且地图中标识物体通常以简易图形进行标注的问题，方法具体如下：用户终端依据导航路线选定作为目标路线发送至存储模块和路线划分模块，存储模块依据目标路线将对应的预设地图数据发送至智能比对模块；路线划分模块对目标路线进行划分得到多组道路段；智能比对模块用于比对目标路线内不同道路段中标识物体的轮廓；信号干扰分析模块对道路段的信号干扰情况进行分析；采集调配模块对目标路线中不同道路段的地图采集措施进行设定，本发明基于多元因素实现对不同区域的地图进行高精度采集。
-
公开(公告)号：CN117848332A
公开(公告)日：2024-04-09
申请号：CN202410260367.0
申请日：2024-03-07
Applicant: 北京理工大学前沿技术研究院 , 北京理工大学
Abstract: 本发明涉及噪声消除领域，具体为一种车载多源融合高精度定位系统的IMU噪声消除方法，其包括以下步骤：S1、收集IMU的原始数据并进行预处理；S2、建立噪声模型来描述IMU传感器的噪声特征；S3、实时对IMU数据进行噪声补偿；S4、将经过噪声消除处理的IMU数据与GPS以及激光雷达的数据进行融合；S5、将S4中获得的IMU传感器数据与地面真值进行比较，动态校验IMU数据的准确性，对权重计算公式进行迭代。本发明通过设计多源数据融合中的权重计算公式并进行后续参数迭代修正，能为数据融合提供准确地权重数值，从而提高IMU噪声消除的效果。
-
公开(公告)号：CN115830567A
公开(公告)日：2023-03-21
申请号：CN202310120144.X
申请日：2023-02-16
Applicant: 北京理工大学前沿技术研究院 , 山东伟创信息技术有限公司
Abstract: 本发明涉及图像识别处理技术领域，尤其是涉及一种弱光条件下道路目标融合感知方法及系统。所述方法包括获取弱光下的道路目标原始图像；对原始图像进行图像预处理，得到预处理图像；对预处理图像进行边缘化处理，得到边缘特征图像；将边缘特征图像输入Zero‑DCE网络，进行光照增强；针对Zero‑DCE网络输出的增强图像，利用改进YoloV4网络得到最终的道路目标检测结果。本发明基于现有的Yolov4算法和Zero‑DCE弱光照增强算法，保证本发明提出的检测算法同时具备良好的检测性能与较快的检测速度，同时能够解决夜间场景下因弱光照带来的检测难题。
-
公开(公告)号：CN117666559A
公开(公告)日：2024-03-08
申请号：CN202311468384.5
申请日：2023-11-07
Applicant: 北京理工大学前沿技术研究院 , 北京理工大学
IPC: G05D1/43
Abstract: 本发明公开一种自主车辆横纵向决策路径规划方法、系统、设备及介质，涉及车辆驾驶决策技术领域，包括：在全局路径导航下，基于道路中心线采样偏移量，得到每个步长的位置点；以自主车辆和环境车辆的位置和速度为状态观测量，以在每个步长下所选的位置点为动作量构建横向决策模型，以油门踏板开度和刹车踏板开度为动作量构建纵向决策模型，设计奖励函数，对横向决策模型和纵向决策模型进行训练；根据训练后的横向决策模型选择每个步长的最优位置点，并对每个步长的最优位置点经多项式拟合后得到局部路径轨迹；基于局部路径轨迹，根据训练后的纵向决策模型得到速度控制量，提升在感知遮挡下的决策规划效果。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.028 seconds)
