-
公开(公告)号：CN114932920B
公开(公告)日：2024-10-22
申请号：CN202210576702.9
申请日：2022-05-25
申请人： 南京理工大学
IPC分类号： B60W60/00 , G06V20/58 , G06V40/10 , G06V40/16 , G06V40/20 , G06V10/26 , G06V10/34 , G06V10/764 , G06V10/84 , G06T7/246
摘要： 本发明公开了一种基于自适应社会交互力的行人意图识别方法，涉及自动驾驶领域，在机器学习基础上融合道路交通领域所擅长的行人行为特征挖掘与机理解析，通过挖掘场景差异、个体差异、社会交互等新因素，将行人行为模型扩展至自动驾驶新领域；基于群体过街、混合车流等社会交互复杂的场景，主动提取社会交互特征，对行人高级心理和社会属性进行深入理解，自适应表征社会交互力；运用改进的隐马尔可夫模型实现行人意图长期预测，提升行人意图识别建模的精准度，为自动驾驶车辆避障决策提供足够的时间和距离空间。
-
公开(公告)号：CN115907462A
公开(公告)日：2023-04-04
申请号：CN202211380376.0
申请日：2022-11-04
申请人： 南京理工大学
IPC分类号： G06Q10/0635 , G06Q50/26 , G06V20/54 , G06V20/17 , G06V20/40 , G06V10/62 , G06V10/82 , G06F16/2458 , G06F18/23 , G06F18/26 , G08G1/01
摘要： 本发明公开了一种基于无人机视频的交叉口安全状态感知与诊断治理系统及方法，系统包括视频输入模块、指标提取模块、安全评价模块、冲突判别模块、隐患诊断模块、措施治理模块和结果输出模块。本发明针对冲突类型提出了一种改进的避免冲突的减速度DRAC的计算方法，该计算方法适用于数据库中各类交通冲突事件类型；该系统可以自主检测交叉口安全水平，并对问题交叉口自动生成治理措施，实现交叉口精准施策与精细化治理，有效的减少交叉口事故发生，提升交叉口安全水平。
-
公开(公告)号：CN116503789A
公开(公告)日：2023-07-28
申请号：CN202310747361.1
申请日：2023-06-25
申请人： 南京理工大学
IPC分类号： G06V20/40 , G06V20/52 , G06V10/764 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N20/00 , G01S13/88
摘要： 本发明公开了一种融合轨迹和尺度的公交下车客流检测方法、系统及设备，属于智能交通技术领域。本发明的方法包括：车辆到站，处理终端接收到开门信号后，接收鱼眼镜头获取的乘客下车视频帧，检测提取该站下车乘客头部轨迹数据和头部像素尺度变化数据；处理终端实时获取与下车乘客数相关的二进制数字信号；处理终端接收到关门信号后，将检测到的下车乘客头部轨迹数据、像素尺度变化数据，以及与下车乘客数相关的二进制数字信号输入训练好的机器学习分类模型，输出预测的该站点下车乘客数并发送到公交云平台。本发明检测出的公交下车客流结果具有高可靠性和准确性。
-
公开(公告)号：CN114932920A
公开(公告)日：2022-08-23
申请号：CN202210576702.9
申请日：2022-05-25
申请人： 南京理工大学
IPC分类号： B60W60/00 , G06V20/58 , G06V40/10 , G06V40/16 , G06V40/20 , G06V10/26 , G06V10/34 , G06V10/764 , G06V10/84 , G06K9/62 , G06T7/246
摘要： 本发明公开了一种基于自适应社会交互力的行人意图识别方法，涉及自动驾驶领域，在机器学习基础上融合道路交通领域所擅长的行人行为特征挖掘与机理解析，通过挖掘场景差异、个体差异、社会交互等新因素，将行人行为模型扩展至自动驾驶新领域；基于群体过街、混合车流等社会交互复杂的场景，主动提取社会交互特征，对行人高级心理和社会属性进行深入理解，自适应表征社会交互力；运用改进的隐马尔可夫模型实现行人意图长期预测，提升行人意图识别建模的精准度，为自动驾驶车辆避障决策提供足够的时间和距离空间。
-
公开(公告)号：CN116503789B
公开(公告)日：2023-09-05
申请号：CN202310747361.1
申请日：2023-06-25
申请人： 南京理工大学
IPC分类号： G06V20/40 , G06V20/52 , G06V10/764 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N20/00 , G01S13/88
摘要： 本发明公开了一种融合轨迹和尺度的公交下车客流检测方法、系统及设备，属于智能交通技术领域。本发明的方法包括：车辆到站，处理终端接收到开门信号后，接收鱼眼镜头获取的乘客下车视频帧，检测提取该站下车乘客头部轨迹数据和头部像素尺度变化数据；处理终端实时获取与下车乘客数相关的二进制数字信号；处理终端接收到关门信号后，将检测到的下车乘客头部轨迹数据、像素尺度变化数据，以及与下车乘客数相关的二进制数字信号输入训练好的机器学习分类模型，输出预测的该站点下车乘客数并发送到公交云平台。本发明检测出的公交下车客流结果具有高可靠性和准确性。
-
公开(公告)号：CN114898042A
公开(公告)日：2022-08-12
申请号：CN202210549567.9
申请日：2022-05-20
申请人： 南京理工大学
摘要： 本发明提供了一种基于时空紧迫性的人车碰撞危险态势预测方法，属于自动驾驶人车碰撞风险预测领域。基于车载视角数据预测行人多模态轨迹；运用包围盒动态检测算法进行行人轨迹与自车规划路径的相交测试，判别潜在碰撞轨迹；计算潜在碰撞轨迹与无潜在碰撞轨迹下的冲突参数，建立模型量化时空紧迫度，输出行人综合危险度，并根据综合危险度与人车安全距离划分安全行车区域。本发明充分考虑行人所有可能轨迹，改进了现有人车碰撞风险预测考虑因素不全面、评价机制较主观性等局限性，对自动驾驶及复杂交通环境更具适应性。
-
公开(公告)号：CN114299607A
公开(公告)日：2022-04-08
申请号：CN202111517555.X
申请日：2021-12-13
申请人： 南京理工大学
摘要： 本发明公开了一种基于自动驾驶汽车的人车碰撞危险度分析方法，首先根据行人过街历史数据集中的过街特征，通过高斯聚类将过街行为分为不同的习惯类型，利用联合概率分布函数，帮助自动驾驶车辆根据行人当前运动状态获取其未来可能状态集合，并通过GCN图卷积神经网络考虑人车动态时空关系，得到行人未来可能的轨迹集合，最后考虑轨迹碰撞概率与最小会遇距离，利用物元可拓理论进行特征降维，建立危险度函数，实现人车碰撞危险度实时判断。本方法聚焦行人运动状态存在突变的特征，更具体地考虑了人车时空关系对轨迹的影响，通过多指标的融合提升了人车碰撞判断结果的准确性与可信度，进一步提高自动驾驶的智能度、提升乘坐舒适性与安全性。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.029 秒)
