-
公开(公告)号：CN115092165A
公开(公告)日：2022-09-23
申请号：CN202210730724.6
申请日：2022-06-24
Applicant: 吉林大学
IPC: B60W40/09
Abstract: 本发明公开了一种基于聚类模型的不同循环工况下驾驶员风格辨识方法，包括以下步骤：S1、建立驾驶风格数据库：选取车型和路线，采集驾驶数据，并对数据进行预处理；S2、典型驾驶场景划分：对数据进行归一化，设定驾驶场景类型和边界条件，确定最佳粗聚类数目，并二次聚类获取典型驾驶场景；S3、对不同循环工况下驾驶员风格进行辨识：根据典型驾驶场景包含的数据信息建立不同循环工况的驾驶风格辨识数据特征，并基于主成分分析思想实现对数据特征的剔除和保留，引入自组织映射神经网络建立驾驶员风格辨识模型，输入筛选后的数据特征得到不同驾驶员在各类循环工况下的驾驶行为倾向，实现在不同循环工况下驾驶员风格的辨识。
-
公开(公告)号：CN110569971B
公开(公告)日：2022-02-08
申请号：CN201910845921.0
申请日：2019-09-09
Applicant: 吉林大学
Abstract: 本发明属于计算机视觉中的图像处理领域，具体的说是一种基于LeakyRelu激活函数的Faster RCNN卷积神经网络单目标识别方法。本发明提出了一种改进的relu激活函数即LeakyRelu激活函数，该函数更好地保留了图像数据信息，更有利于对图像特征的提取。将该函数应用在卷积神经网络中对图像中的目标物进行检测与提取的领域，使检测准确率得到了提高。该方法提高了现有的神经网络图像处理算法检测的准确率，解决了目前采用relu作为激活函数的卷积神经网络在图像识别与检测上所带来的问题。
-
公开(公告)号：CN114565055A
公开(公告)日：2022-05-31
申请号：CN202210254986.X
申请日：2022-03-15
Applicant: 吉林大学
Abstract: 本发明公开了一种合作博弈交互图模型训练方法、系统及车辆轨迹预测系统，其中，训练方法包括：获取样本数据集并进行预处理；将多个车辆的历史数据和道路拓扑信息一起进行对比学习，得到各个车辆轨迹的抽象表达；将道路拓扑信息和各个车辆轨迹的抽象表达单独编码为子图；基于初始合作博弈交互图模型将所有子图建立关系，得到车辆预测轨迹的抽象表达；将车辆预测轨迹的抽象表达和道路拓扑信息进行解码，得到所有参与车辆的预测轨迹；将预测轨迹与真实数据比较，得到误差；基于误差，对初始合作博弈交互图模型参数进行调整，直至误差低于预设阈值。本发明结合对比学习和合作博弈方式建模，能够提高模型的泛化性、可解释和预测准确率。
-
公开(公告)号：CN115092165B
公开(公告)日：2024-11-19
申请号：CN202210730724.6
申请日：2022-06-24
Applicant: 吉林大学
IPC: B60W40/09
Abstract: 本发明公开了一种基于聚类模型的不同循环工况下驾驶员风格辨识方法，包括以下步骤：S1、建立驾驶风格数据库：选取车型和路线，采集驾驶数据，并对数据进行预处理；S2、典型驾驶场景划分：对数据进行归一化，设定驾驶场景类型和边界条件，确定最佳粗聚类数目，并二次聚类获取典型驾驶场景；S3、对不同循环工况下驾驶员风格进行辨识：根据典型驾驶场景包含的数据信息建立不同循环工况的驾驶风格辨识数据特征，并基于主成分分析思想实现对数据特征的剔除和保留，引入自组织映射神经网络建立驾驶员风格辨识模型，输入筛选后的数据特征得到不同驾驶员在各类循环工况下的驾驶行为倾向，实现在不同循环工况下驾驶员风格的辨识。
-
公开(公告)号：CN110569971A
公开(公告)日：2019-12-13
申请号：CN201910845921.0
申请日：2019-09-09
Applicant: 吉林大学
Abstract: 本发明属于计算机视觉中的图像处理领域，具体的说是一种基于LeakyRelu激活函数的Faster RCNN卷积神经网络单目标识别方法。本发明提出了一种改进的relu激活函数即LeakyRelu激活函数，该函数更好地保留了图像数据信息，更有利于对图像特征的提取。将该函数应用在卷积神经网络中对图像中的目标物进行检测与提取的领域，使检测准确率得到了提高。该方法提高了现有的神经网络图像处理算法检测的准确率，解决了目前采用relu作为激活函数的卷积神经网络在图像识别与检测上所带来的问题。
-
公开(公告)号：CN112800906B
公开(公告)日：2022-08-30
申请号：CN202110068030.6
申请日：2021-01-19
Applicant: 吉林大学
IPC: G06V20/56 , G06V10/82 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本发明属于计算机视觉和自动驾驶汽车环境感知技术领域，具体的说是一种基于改进YOLOv3的自动驾驶汽车跨域目标检测方法。本发明基于改进的单阶段YOLOv3检测算法框架，采用生成对抗网络模型获得训练集数据，针对训练集和测试集分别来自不同分布的数据域的问题进行跨域目标检测。同时通过对YOLOv3算法进行改进提高了单阶段目标检测的精度，生成对抗网络的应用减少了对不同数据域之间多类别目标物的重新标注，一定程度上解决了自动驾驶汽车跨域目标检测面临的难点问题。
-
公开(公告)号：CN112800906A
公开(公告)日：2021-05-14
申请号：CN202110068030.6
申请日：2021-01-19
Applicant: 吉林大学
Abstract: 本发明属于计算机视觉和自动驾驶汽车环境感知技术领域，具体的说是一种基于改进YOLOv3的自动驾驶汽车跨域目标检测方法。本发明基于改进的单阶段YOLOv3检测算法框架，采用生成对抗网络模型获得训练集数据，针对训练集和测试集分别来自不同分布的数据域的问题进行跨域目标检测。同时通过对YOLOv3算法进行改进提高了单阶段目标检测的精度，生成对抗网络的应用减少了对不同数据域之间多类别目标物的重新标注，一定程度上解决了自动驾驶汽车跨域目标检测面临的难点问题。
-
公开(公告)号：CN110667693A
公开(公告)日：2020-01-10
申请号：CN201910930946.0
申请日：2019-09-29
Applicant: 吉林大学
IPC: B62D5/00 , B62D5/04 , B62D3/02 , B62D6/00 , B62D119/00 , B62D113/00 , B62D137/00
Abstract: 本发明属于汽车转向系统中的线控转向系统技术领域，具体地说是一种自动驾驶汽车线控转向系统的设计。该转向系统组成上包括主控制器、转向操纵机构、转向执行机构、横拉杆、转向轮、电磁离合器和车轮转角传感器等；本发明是一种结构简单的自动驾驶汽车线控转向系统，改进了目前已有的线控转向系统结构使其更好地应用在自动驾驶汽车上，保证自动驾驶汽车能实现前轮线控转向，并且在转向电机出现故障时，该系统可以转化为传统机械式转向系统，使汽车的转向具有良好的可控性和安全性，解决了线控转向系统目前存在的问题。
-
公开(公告)号：CN110569792A
公开(公告)日：2019-12-13
申请号：CN201910845919.3
申请日：2019-09-09
Applicant: 吉林大学
Abstract: 本发明属于计算机视觉中利用神经网络对图像中物体进行检测的领域，具体的说是一种基于卷积神经网络的自动驾驶汽车前方物体检测方法。本发明利用深度学习中的卷积神经网络(Faster RCNN)对摄像头拍摄出的图像进行目标物体提取、分类等工作，较好地提高了对自动驾驶车辆前方目标物的识别准确率。同时，本发明中改进了Faster RCNN模型的结构，将传统的卷积层、池化层堆叠的结构改成了CBLP块结构，并加入dropout层有效地避免了过拟合现象。卷积神经网络是仿造生物的视知觉机制构建的，图像处理属于半监督学习范围，其隐含层内的卷积核参数共享和层间连接的稀疏性使得卷积神经网络能够以较小的计算量对像素进行学习且有稳定的效果。
-
公开(公告)号：CN210941940U
公开(公告)日：2020-07-07
申请号：CN201921638295.X
申请日：2019-09-29
Applicant: 吉林大学
IPC: B62D5/00 , B62D5/04 , B62D3/02 , B62D6/00 , B62D119/00 , B62D113/00 , B62D137/00
Abstract: 本实用新型属于汽车转向系统中的线控转向系统技术领域，具体地说是一种自动驾驶汽车线控转向系统的设计。该转向系统组成上包括主控制器、转向操纵机构、转向执行机构、横拉杆、转向轮、电磁离合器和车轮转角传感器等；本实用新型是一种结构简单的自动驾驶汽车线控转向系统，改进了目前已有的线控转向系统结构使其更好地应用在自动驾驶汽车上，保证自动驾驶汽车能实现前轮线控转向，并且在转向电机出现故障时，该系统可以转化为传统机械式转向系统，使汽车的转向具有良好的可控性和安全性，解决了线控转向系统目前存在的问题。(ESM)同样的发明创造已同日申请发明专利
