-
公开(公告)号：CN114043984B
公开(公告)日：2023-09-26
申请号：CN202111506017.0
申请日：2021-12-10
Applicant: 合肥工业大学智能制造技术研究院 , 合肥工业大学
Abstract: 本发明公开了一种基于车联网环境下的智能汽车换道控制系统和方法，该系统包括：车载OBU设备、模糊神经网络模块、安全距离算法模块、路径规划模块和执行模块；其中，车载OBU设备，用于获取车辆行驶数据，通过V2V通信完成数据交互；模糊神经网络模块将自车横向位移和纵向车速作为输入，换道时间作为输出，并传递给安全距离算法模块；安全距离算法模块根据换到时间和车辆行驶参数计算安全距离；路径规划模块比较当前两车距离和安全距离，规划合理的换道路径，并将相关参数提供给执行模块；执行模块用于调整转向角来完成安全换道。本发明能判断当前自车与最近车辆的距离是否满足安全距离要求，从而能实现智能汽车安全换道。
-
公开(公告)号：CN114137562B
公开(公告)日：2024-04-12
申请号：CN202111445276.7
申请日：2021-11-30
Applicant: 合肥工业大学智能制造技术研究院 , 合肥工业大学
IPC: G01S17/66
Abstract: 本发明公开了一种基于改进全局最邻近的多目标跟踪方法，包括：1在车顶安装激光雷达；2将激光雷达采集到的点云信息处理输出为检测框，将采集的第i帧数据结合第i帧最优估计输入到算法中；3通过设置关联门限获取多目标的关联代价矩阵并计算关联代价，得到第i帧的最优估计和观测之间准确的关联对；4将得到的关联对之间进行加权融合后的结果作为EKF滤波器的输入得到第i+1帧的最优估计，结合第i+1帧的观测，继续迭代。本发明提供的方法能够避免多目标跟踪过程中最优估计和观测之间出现的错误关联，实现对密集多目标的准确跟踪，有助于规划、决策的精准执行。
-
公开(公告)号：CN114200442A
公开(公告)日：2022-03-18
申请号：CN202111505998.7
申请日：2021-12-10
Applicant: 合肥工业大学 , 合肥工业大学智能制造技术研究院
Abstract: 本发明公开了一种于毫米波雷达与视觉的道路目标检测与关联方法，包括：1在车上安装毫米波雷达与相机；2构建改进的YOLOv3网络，包括主体网络和三个特征预测层，基于DIoU构建损失函数，训练网络，从而得到训练好的视觉检测模型；3对毫米波雷达的参数进行配置，并利用配置后的毫米波雷达采集CAN信号处理，为毫米波雷达输出目标预设长宽不同的预设框，并投影回像素坐标系下；4通过基于DIoU的代价计算方法计算雷达目标预设框与视觉目标框的代价值，并通过匈牙利算法设定合理阈值优化求解，得到全局最优匹配结果。本发明能提高毫米波雷达检测目标与视觉检测目标的关联精度，从而能获取更丰富的目标信息。
-
公开(公告)号：CN114137562A
公开(公告)日：2022-03-04
申请号：CN202111445276.7
申请日：2021-11-30
Applicant: 合肥工业大学智能制造技术研究院 , 合肥工业大学
IPC: G01S17/66
Abstract: 本发明公开了一种基于改进全局最邻近的多目标跟踪方法，包括：1在车顶安装激光雷达；2将激光雷达采集到的点云信息处理输出为检测框，将采集的第i帧数据结合第i帧最优估计输入到算法中；3通过设置关联门限获取多目标的关联代价矩阵并计算关联代价，得到第i帧的最优估计和观测之间准确的关联对；4将得到的关联对之间进行加权融合后的结果作为EKF滤波器的输入得到第i+1帧的最优估计，结合第i+1帧的观测，继续迭代。本发明提供的方法能够避免多目标跟踪过程中最优估计和观测之间出现的错误关联，实现对密集多目标的准确跟踪，有助于规划、决策的精准执行。
-
公开(公告)号：CN114043984A
公开(公告)日：2022-02-15
申请号：CN202111506017.0
申请日：2021-12-10
Applicant: 合肥工业大学智能制造技术研究院 , 合肥工业大学
Abstract: 本发明公开了一种基于车联网环境下的智能汽车换道控制系统和方法，该系统包括：车载OBU设备、模糊神经网络模块、安全距离算法模块、路径规划模块和执行模块；其中，车载OBU设备，用于获取车辆行驶数据，通过V2V通信完成数据交互；模糊神经网络模块将自车横向位移和纵向车速作为输入，换道时间作为输出，并传递给安全距离算法模块；安全距离算法模块根据换到时间和车辆行驶参数计算安全距离；路径规划模块比较当前两车距离和安全距离，规划合理的换道路径，并将相关参数提供给执行模块；执行模块用于调整转向角来完成安全换道。本发明能判断当前自车与最近车辆的距离是否满足安全距离要求，从而能实现智能汽车安全换道。
-
Patent Agency Ranking
公开(公告)号：CN114200442B
公开(公告)日：2024-04-05
申请号：CN202111505998.7
申请日：2021-12-10
Applicant: 合肥工业大学 , 合肥工业大学智能制造技术研究院
Abstract: 本发明公开了一种于毫米波雷达与视觉的道路目标检测与关联方法，包括：1在车上安装毫米波雷达与相机；2构建改进的YOLOv3网络，包括主体网络和三个特征预测层，基于DIoU构建损失函数，训练网络，从而得到训练好的视觉检测模型；3对毫米波雷达的参数进行配置，并利用配置后的毫米波雷达采集CAN信号处理，为毫米波雷达输出目标预设长宽不同的预设框，并投影回像素坐标系下；4通过基于DIoU的代价计算方法计算雷达目标预设框与视觉目标框的代价值，并通过匈牙利算法设定合理阈值优化求解，得到全局最优匹配结果。本发明能提高毫米波雷达检测目标与视觉检测目标的关联精度，从而能获取更丰富的目标信息。
-
公开(公告)号：CN114463303B
公开(公告)日：2024-08-02
申请号：CN202210110972.0
申请日：2022-01-29
Applicant: 合肥工业大学
IPC: G06T7/00 , G06T7/11 , G06T7/33 , G06T7/73 , G06T7/80 , G06T5/60 , G06T5/80 , G06V10/75 , G06V10/762 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于双目相机和激光雷达融合的道路目标检测方法，利用左右两台相机与一台激光雷达采集前方道路目标信息；通过双目立体匹配算法获取双目视差；利用基于单目视觉的神经网络，获取图像目标类别与二维位置信息；结合双目视差与单目视觉检测信息，获取前方目标视觉三维检测结果；通过点云分割与聚类处理，获取前方目标雷达三维检测结果；对两种三维包围框的匹配代价进行匈牙利算法优化求解，基于匹配结果进行分类，并采用不同融合策略，最后输出补充修正后的道路目标信息。本发明的检测框架实现了传感器的优势互补，使用目标级匹配融合策略，输出更加准确可靠的道路目标信息。
-
公开(公告)号：CN118323152A
公开(公告)日：2024-07-12
申请号：CN202410535157.8
申请日：2024-04-30
Applicant: 合肥工业大学
IPC: B60W40/10
Abstract: 本发明公开了一种基于车轮谐振增益的瞬时纵向轮胎力最大化控制方法，包括：1获取车辆行驶状态、轮速原始信号、车辆速度信号、作动力矩信号、轮胎压力信号、轮胎温度信号；2对轮速原始信号进行滤波处理并实施快速傅里叶变换，识别轮胎扭转振动固有频率，估算胎体纵向刚度值与纵向阻尼值；3计算车轮扭转振动固有频率处对应的目标谐振增益值；4计算当前实时谐振增益值并与目标谐振增益值比较，通过调节平均作动力矩实现瞬时轮纵向胎力最大化控制。本发明无须实时估计滑移率和最优滑移率，适用于低速情况下；此外，本发明控制算法结构简单，具有容易实现，鲁棒性能好的优点。
-
公开(公告)号：CN118114379A
公开(公告)日：2024-05-31
申请号：CN202410307148.3
申请日：2024-03-18
Applicant: 合肥工业大学
IPC: G06F30/15 , G06F30/27 , G06F18/214 , G06N3/096 , G06F119/14
Abstract: 本发明公开了一种基于试验数据重构的道路六分力参数辨识方法，以测试拖车对轮胎进行道路六分力试验，采集道路六分力原始数据；原始数据经数据清洗获得清洗数据，清洗数据经五点加权滤波获得滤波数据；滤波数据经分段Bezier曲线拟合获得拟合数据，将拟合数据划分为特征集和模型标签，并导入具有先验六分力数据预训练的原始模型进行微调验证获得优化模型；将生成序列输入优化模型并输出优化模型计算结果，得到重构试验数据；利用重构试验数据通过并行寻最优初值的L‑BFGS‑B算法对轮胎六分力模型进行参数辨识，获得模型参数。本发明解决了道路六分力数据波动大，难以直接用于轮胎模型参数辨识的难题，同时提供便捷的辨识算法，提高了轮胎参数辨识效率。
-
公开(公告)号：CN117037104A
公开(公告)日：2023-11-10
申请号：CN202311182068.1
申请日：2023-09-13
Applicant: 合肥工业大学
IPC: G06V20/56 , G06V10/764 , G06V10/42 , G06V10/774 , G06V10/82 , G06N3/048
Abstract: 本发明公开了一种基于线锚的多分类车道线检测方法，以自定义数据集为模型训练真值数据，以特征金字塔网络为神经网络骨架对真值数据进行特征提取；利用通道注意力模块和空间注意力模块进行特征加权，利用预先定义的线锚对加权特征进行局部车道线采样；利用单头自注意力模块对线锚采样的局部车道线特征进行全局聚合，利用三个全连接层对全局聚合结果进行车道线置信度判定、车道线类别分类和车道线坐标回归，对回归结果进行非极大值抑制获得车道线坐标预测初值，归一化车道线置信度判定结果和车道线类别分类结果，利用焦点损失函数和平滑L1损失函数优化车道线坐标预测初值和归一化结果实现检测，其端到端车道线多分类检测满足了车道线检测速度要求。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.022 seconds)
