-
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
申请人： 合肥工业大学智能制造技术研究院 , 合肥工业大学
摘要： 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：CN114169444A
公开(公告)日：2022-03-11
申请号：CN202111497535.0
申请日：2021-12-09
申请人： 合肥工业大学 , 合肥工业大学智能制造技术研究院
摘要： 本发明公开了一种车辆跟驰工况下考虑风险势场分布的驾驶风格分类方法，其步骤包括：1获取原始数据并进行数据预处理；2计算特征参数以获取训练数据；3使用SOM网络对训练数据进行聚类。本发明在现有驾驶风格分类的概念上，首次将风险势场分布的概念引入驾驶风格分类，即通过驾驶员与驾驶环境中各因素互动时的风险势场分布，判断驾驶员的驾驶风格，从而使得驾驶风格分类时不仅仅局限于自车的驾驶数据，而是将驾驶场景中的环境因素也考虑在内，从而提高了驾驶风格分类准确度。
-
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
申请人： 合肥工业大学智能制造技术研究院 , 合肥工业大学
IPC分类号： G01S17/66
摘要： 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：CN114169371A
公开(公告)日：2022-03-11
申请号：CN202111496940.0
申请日：2021-12-09
申请人： 合肥工业大学智能制造技术研究院 , 合肥工业大学
摘要： 本发明公开了一种车辆换道工况下考虑风险势场分布的驾驶风格分类方法，其步骤包括：1获取原始数据并进行数据预处理；2计算特征参数以获取训练数据；3使用改进的k‑means算法对训练数据进行聚类并分析聚类结果。本发明在现有驾驶风格分类的概念上，将风险势场分布的概念引入驾驶风格分类，即通过驾驶员与驾驶环境中各因素互动时的风险势场分布，判断驾驶员的驾驶风格，从而使得驾驶风格分类时不仅仅局限于自车的驾驶数据，而是将驾驶场景中的环境因素也考虑在内，从而提高了驾驶风格分类准确度。
-
公开(公告)号：CN115031753A
公开(公告)日：2022-09-09
申请号：CN202210650446.3
申请日：2022-06-09
申请人： 合肥工业大学 , 合肥工业大学智能制造技术研究院
摘要： 本发明公开了一种基于安全势场和DQN算法的行车工况局部路径规划方法，其步骤包括：1、获取车辆自身状态信息已经周围的环境信息；2、根据采集到的环境信息，构建环境安全势场模型；3、根据计算所得的势场强度分布图，利用栅格法构建环境栅格地图；4、初始化深度强化学习参数，并构建深度神经网络，训练深度神经网络并得到最优路径规划模型，进行路径规划。本发明通过使用安全势场理论构建栅格地图，并以深度强化学习来完成汽车多种场景下的局部路径规划，从而使汽车在行驶过程中安全性更高，更有效率地通行，为智能汽车的安全导航提供保障。
-
公开(公告)号：CN115031753B
公开(公告)日：2024-07-12
申请号：CN202210650446.3
申请日：2022-06-09
申请人： 合肥工业大学 , 合肥工业大学智能制造技术研究院
摘要： 本发明公开了一种基于安全势场和DQN算法的行车工况局部路径规划方法，其步骤包括：1、获取车辆自身状态信息已经周围的环境信息；2、根据采集到的环境信息，构建环境安全势场模型；3、根据计算所得的势场强度分布图，利用栅格法构建环境栅格地图；4、初始化深度强化学习参数，并构建深度神经网络，训练深度神经网络并得到最优路径规划模型，进行路径规划。本发明通过使用安全势场理论构建栅格地图，并以深度强化学习来完成汽车多种场景下的局部路径规划，从而使汽车在行驶过程中安全性更高，更有效率地通行，为智能汽车的安全导航提供保障。
-
公开(公告)号：CN114169444B
公开(公告)日：2024-03-05
申请号：CN202111497535.0
申请日：2021-12-09
申请人： 合肥工业大学 , 合肥工业大学智能制造技术研究院
IPC分类号： G06F18/23 , G06F18/214 , G06N3/088
摘要： 本发明公开了一种车辆跟驰工况下考虑风险势场分布的驾驶风格分类方法，其步骤包括：1获取原始数据并进行数据预处理；2计算特征参数以获取训练数据；3使用SOM网络对训练数据进行聚类。本发明在现有驾驶风格分类的概念上，首次将风险势场分布的概念引入驾驶风格分类，即通过驾驶员与驾驶环境中各因素互动时的风险势场分布，判断驾驶员的驾驶风格，从而使得驾驶风格分类时不仅仅局限于自车的驾驶数据，而是将驾驶场景中的环境因素也考虑在内，从而提高了驾驶风格分类准确度。
-
公开(公告)号：CN115657076A
公开(公告)日：2023-01-31
申请号：CN202210944976.9
申请日：2022-08-08
申请人： 合肥工业大学 , 合肥工业大学智能制造技术研究院
IPC分类号： G01S17/931 , G01S7/48 , G06T7/73 , G06T3/40
摘要： 本发明公开了一种基于固态激光雷达语义融合的定位方法，其步骤包括：1、对图像进行语义分割，识别点云中潜在的动态物体，并添加动态物体语义标签；2、充分考虑到固态激光雷达视场角小的特点，在建图过程中使用包含动态物体语义标签的语义点云进行实时定位，并同时不断建立一系列的局部子图；3、在完成建图操作后，将全部的局部子图进行组合拼接，并删除其中带有动态物体语义标签的部分，最终获得排除动态物体的全局泊车地图。本发明能排除停车场中潜在的移动物体，从而能完成地下停车场环境下的可靠定位。
-
公开(公告)号：CN114169371B
公开(公告)日：2024-05-14
申请号：CN202111496940.0
申请日：2021-12-09
申请人： 合肥工业大学智能制造技术研究院 , 合肥工业大学
IPC分类号： G06F18/23213 , G06F18/10 , G06F18/214
摘要： 本发明公开了一种车辆换道工况下考虑风险势场分布的驾驶风格分类方法，其步骤包括：1获取原始数据并进行数据预处理；2计算特征参数以获取训练数据；3使用改进的k‑means算法对训练数据进行聚类并分析聚类结果。本发明在现有驾驶风格分类的概念上，将风险势场分布的概念引入驾驶风格分类，即通过驾驶员与驾驶环境中各因素互动时的风险势场分布，判断驾驶员的驾驶风格，从而使得驾驶风格分类时不仅仅局限于自车的驾驶数据，而是将驾驶场景中的环境因素也考虑在内，从而提高了驾驶风格分类准确度。
-
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
申请人： 合肥工业大学智能制造技术研究院 , 合肥工业大学
IPC分类号： G01S17/66
摘要： 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。
-
-
-
-
-
-
-
-
-
搜索结果
81 条记录 (耗时 0.027 秒)
