-
公开(公告)号：CN119693906B
公开(公告)日：2025-05-27
申请号：CN202510192921.0
申请日：2025-02-21
Applicant: 吉林大学
IPC: G06V20/56 , G06V20/70 , G06V10/764 , G06V10/82 , G06N3/042 , G06N3/0895 , G06N3/09
Abstract: 本发明属于自动驾驶测试技术领域，具体的说是一种基于边缘数据学习增强的智能汽车场景理解方法。包括以下步骤：步骤一、自然驾驶数据采集；步骤二、场景结构表示与语义标签处理；步骤三、边缘场景提取与自动标注修正；步骤四、场景信息预测匹配与数据集构建；步骤五、大模型架构设计与结构微调。步骤六、场景理解应用与模型对比评价；本发明可用于复杂、边缘场景下的理解认知，提升智能汽车算法的可解释性。
-
公开(公告)号：CN119992258A
公开(公告)日：2025-05-13
申请号：CN202510453401.0
申请日：2025-04-11
Applicant: 吉林大学
IPC: G06V10/774 , A61B5/024 , A61B5/00 , G06V20/59 , G06V40/16 , G06V20/40 , G06V10/54 , G06V10/60 , G06V10/143 , G06V10/80 , G06V10/46
Abstract: 本发明涉及生理状态监测技术领域，具体提供一种非接触式心率监测的样本生成方法、心率监测方法及系统，对于原始样本，通过随机生成的亮度波形，动态调整现有人脸图像的整体亮度，模拟实际驾驶过程中驾驶员面部忽明忽暗的光照环境，并将生成的图像作为扩充数据集，用于训练检测驾驶人心率的监测模型；模型训练完成后，通过定位与分区模块对视频采集模块采集的帧静态图像进行ROI区域定位和分区，并通过信号质量分析与处理模块对静态图像进行信号检测和处理，并将获得的待测样本输入心率监测模型估计驾驶人心率值。本发明通过波动亮度有效扩充了训练数据集，极大提高了模型的抗环境光变化能力。
-
公开(公告)号：CN119180157B
公开(公告)日：2025-03-14
申请号：CN202411667369.8
申请日：2024-11-21
Applicant: 吉林大学
IPC: G06F30/20 , G01M17/007
Abstract: 本发明属于自动驾驶汽车技术领域，具体的说是一种自动驾驶汽车连续测试场景复杂度实时评估的方法。包括以下步骤：步骤一、建立场景复杂度评估框架；步骤二、对场景要素特征权重进行分析；步骤三、计算要素‑系统复杂度映射关系；步骤四、将步骤二、三中获取的场景各复杂度特征进行综合，获取连续测试场景实时复杂度评估结果。本发明可以根据车辆行驶过程实时评估周围环境复杂度，解决了现有测试场景复杂度评估方法中存在的非实时问题。
-
公开(公告)号：CN119502618A
公开(公告)日：2025-02-25
申请号：CN202411631528.9
申请日：2024-11-15
Applicant: 吉林大学
IPC: B60G17/015 , B60G17/016
Abstract: 本发明属于自动驾驶测试技术领域，具体的说是一种考虑执行器时滞和车速变化的主动悬架低算力预瞄控制方法。包括以下步骤：步骤一、建立考虑时滞的四分之一车辆主动悬架模型和主动悬架连续时间状态空间方程并进行离散化；步骤二、建立能够随车速变化的路面模型并且利用感知传感器获取预瞄范围内的空间域道路高程信息，进而通过时域转换将空间域道路高程信息转化为时间域道路高程信息；步骤三、基于主动悬架离散化状态空间方程和时间域道路高程信息设计了主动悬架预瞄控制方法。本发明能够在保证主动悬架控制性能的前提下有效降低控制方法的算力。
-
公开(公告)号：CN119377126A
公开(公告)日：2025-01-28
申请号：CN202411960073.5
申请日：2024-12-30
Applicant: 吉林大学
IPC: G06F11/3668 , G06N3/006
Abstract: 本发明属于自动驾驶测试技术领域，具体的说是一种基于离线任务分配的自动驾驶仿真多平台联动测试方法。包括：一、将多平台联动测试离线任务分配进行数学表达，明确关键要素定义，包括测试时长要素定义、测试负载要素定义；二、建立测试任务分配约束，包括测试精度约束、测试优先约束、测试负载约束；三、使用粒子群算法对任务分配结果进行求解，从而获取不同测试平台的具体任务。本发明通过测试任务分配实现多个仿真测试平台联动测试，该方法通过设定测试过程分配约束与求解，可以解决自动驾驶系统存在多个测试平台时的联动测试方法；由于任务分配过程中同时考虑了测试平台精度，并可利用多平台测试能力，可以在保证测试精度的同时提升测试效率。
-
Patent Agency Ranking
公开(公告)号：CN118790232B
公开(公告)日：2024-12-31
申请号：CN202411266134.8
申请日：2024-09-10
Applicant: 国汽(北京)智能网联汽车研究院有限公司 , 中国第一汽车股份有限公司 , 吉林大学
IPC: B60W30/02 , B60W30/045 , B60W30/18 , B60W50/00
Abstract: 本发明实施例提供了一种车辆控制方法、装置、设备、存储介质及产品，所述方法包括：根据车辆的行驶数据，确定所述车辆的当前驾驶工况所属的变权等级，所述变权等级为所述车辆在所述当前驾驶工况下所需达到的驾驶状态；利用所述变权等级、所述车辆的车辆状态和驾驶场景，定义所述车辆的多个待优化目标以及与所述多个待优化目标一一对应的多个第一权重因子，其中，所述第一权重因子为动态变化的；利用预获取的运动控制预测模型确定与所述多个待优化目标一一对应的多个控制量；根据所述多个控制量和所述多个第一权重因子，对所述车辆进行控制。通过上述步骤，能够保持车辆在多变驾驶工况下的性能稳定。
-
公开(公告)号：CN119065348A
公开(公告)日：2024-12-03
申请号：CN202411147628.4
申请日：2024-08-21
Applicant: 吉林大学
IPC: G05B23/02
Abstract: 本发明是一种面向底盘电控系统虚拟标定过程的客观评价体系构建方法。包括：一、构建指标库；二、构建驾驶人主观打分表，并使用层次分析法确定不同打分项的相对权重；三、建立驾驶人生理信号采集系统，并采集生理信号；四、进行场地标定试验，记录场地标定过程中指标库中指标变化及驾驶人生理信号；五、确定驾驶人主观评价过程每个指标的相对权重；六、根据驾驶人客观生理指标计算每个指标的相对权重；七、完成指标权重筛选及综合权重计算。本发明将驾驶人客观生理信号作为指导，通过时域分析、神经网络及层次分析法分析驾驶人状态特征与车辆运动间的耦合关系，完成车辆运动关键指标筛选及权重分析，形成面向底盘电控系统虚拟标定的客观评价体系。
-
公开(公告)号：CN119024813A
公开(公告)日：2024-11-26
申请号：CN202411136544.0
申请日：2024-08-19
Applicant: 吉林大学
IPC: G05B23/02
Abstract: 本发明涉及一种面向ESC虚拟标定技术的参数敏感性分析方法，首先设计ESC主客观评价体系，根据特定工况下的车身纵向、侧倾、横摆、转向、轮胎、ESC介入、NVH等信息进行ESC系统性能评价；其次设计一种基于傅里叶振幅的敏感性分析方法，将所有可调参数进行分析，在达到运行步数限制后得到不同参数对ESC系统性能评价的一阶影响指数和总效应指数，根据标定需求和参数间横向对比可以得到最终敏感性分析结果。本发明提出的方法与现有虚拟标定技术中的灵敏度分析方法相比考虑了参数之间的相互影响，可筛去对汽车综合性能影响微小的可调参数，使得分析参数数量减少，计算量大大降低。敏感性分析的运用对汽车虚拟标定技术的升级优化有重要推动作用。
-
公开(公告)号：CN119007169A
公开(公告)日：2024-11-22
申请号：CN202411490429.3
申请日：2024-10-24
Applicant: 吉林大学
IPC: G06V20/59 , G06V20/40 , G06V40/18 , G06V10/762 , G06V20/70 , G06V10/82 , G06N3/0464 , A61B5/18 , A61B5/00 , A61B3/113
Abstract: 本申请公开了一种基于眼动追踪技术的脑卒中患者驾驶能力分析系统，涉及脑卒中患者驾驶能力分析技术领域，其能够通过眼球追踪设备采集眼球状态追踪视频，并在后端引入基于人工智能和机器视觉分析的数据处理和图像分析算法来对该眼球状态追踪视频进行分析，以此来学习和刻画出脑卒中患者的眼球行为模式时序传播聚合表示特征，用以反映出脑卒中患者的眼球注视点位置、注视时间、瞳孔大小变化等语义信息，从而对该患者是否适宜驾驶进行评估和检测。这样，通过结合眼动追踪技术与先进的人工智能和深度学习算法能够实现对脑卒中患者驾驶能力的智能化分析和客观性评测，以判断驾驶员是否适宜驾驶，为医疗专业人员提供科学依据。
-
公开(公告)号：CN115691134B
公开(公告)日：2024-10-01
申请号：CN202211342209.7
申请日：2022-10-31
Applicant: 吉林大学
IPC: G08G1/01
Abstract: 本发明涉及一种基于对抗生成网络的智能汽车测试场景库构建方法，包括车辆轨迹数据采集、车辆轨迹特征提取、数据预处理、建立轨迹特征数学模型和对抗生成网络训练等步骤，本发明利用对抗生成网络进行智能汽车测试场景生成，在隐空间进行变量的生成学习弱化了生成网络训练难度，削减网络较长的时序记忆能力以便生成更加真实的车辆轨迹测试场景库。本发明方法为解决实际动态交通流中车辆运动轨迹场景数量较少无法满足智能汽车测试需求的难题提出创新的解决方案。本发明适用复杂多变的十字路口、交叉路口等道路交通环境，同样适用于快速路、高速公路等其他路段轨迹生成。
-
-
-
-
-
-
-
-
-
Search Results
563
records
(took 0.032 seconds)
