-
Patent Agency Ranking
公开(公告)号：CN106023344B
公开(公告)日：2019-04-05
申请号：CN201610391483.1
申请日：2016-06-06
Applicant: 清华大学
Abstract: 本发明提供一种基于驾驶模式转换概率的驾驶风格估计方法，包括：步骤1、采集驾驶员的实际驾驶数据；其中所述实际驾驶历史数至少包括：方向盘转角、车速、纵向加速度、横向加速度；步骤2、根据实际驾驶数据，将驾驶行为分为N种驾驶行为模式；步骤3、确定驾驶行为模式转移概率，其中所述驾驶行为模式转移概率为N种驾驶行为模式中的任意两种驾驶行为模式之间的转换几率；步骤4、利用所述驾驶行为模式转移概率作为训练样本训练分类器，以通过所述分类器进行驾驶风格估计。
-
公开(公告)号：CN105911554A
公开(公告)日：2016-08-31
申请号：CN201610390525.X
申请日：2016-06-06
Applicant: 清华大学
IPC: G01S15/93
CPC classification number: G01S15/931 , G01S15/93
Abstract: 本发明提供一种基于超声波传感器阵列的目标识别方法，包括：步骤1、根于预设的目标物的形状，利用的超声波传感器阵列获取不同形状目标物的测试数据，其中所述测量数据为超声波传感器阵列中传感器与目标物的距离数据；步骤2、对所述测试数据进行预处理，以对超声波传感器阵列中传感器丢失距离数据的情况进行处理；步骤3、对不同形状的目标物的测试数据进行分类以获得不同形状目标物的测试数据的分类特征；将所述分类特征作为输入样本输入到分类器中以对分类器进行训练，获得分类模型。
-
公开(公告)号：CN106093951B
公开(公告)日：2018-11-13
申请号：CN201610390557.X
申请日：2016-06-06
Applicant: 清华大学
Abstract: 本发明提供一种基于超声波传感器阵列的物体跟踪方法，包括：步骤1、建立l阶的系统状态变量拟合目标物的系统状态；步骤2、根据目标物运动特点建立运动状态方程，根据传感器测距方法建立观测方程；步骤3、利用跟踪滤波算法对目标物进行跟踪，对于运动或观测方程存在非线性化部分的系统，可利用能够处理非线性系统的滤波器如扩展卡尔曼滤波器、无迹卡尔曼滤波器、粒子滤波器等进行目标物跟踪。
-
公开(公告)号：CN106093951A
公开(公告)日：2016-11-09
申请号：CN201610390557.X
申请日：2016-06-06
Applicant: 清华大学
CPC classification number: G01S15/66 , G01S7/521 , G01S15/931
Abstract: 本发明提供一种基于超声波传感器阵列的物体跟踪方法，包括：步骤1、建立l阶的系统状态变量拟合目标物的系统状态；步骤2、根据目标物运动特点建立运动状态方程，根据传感器测距方法建立观测方程；步骤3、利用跟踪滤波算法对目标物进行跟踪，对于运动或观测方程存在非线性化部分的系统，可利用能够处理非线性系统的滤波器如扩展卡尔曼滤波器、无迹卡尔曼滤波器、粒子滤波器等进行目标物跟踪。
-
公开(公告)号：CN106023344A
公开(公告)日：2016-10-12
申请号：CN201610391483.1
申请日：2016-06-06
Applicant: 清华大学
CPC classification number: G07C5/0808 , G06K9/6282 , G07C5/0841
Abstract: 本发明提供一种基于驾驶模式转换概率的驾驶风格估计方法，包括：步骤1、采集驾驶员的实际驾驶数据；其中所述实际驾驶历史数至少包括：方向盘转角、车速、纵向加速度、横向加速度；步骤2、根据实际驾驶数据，将驾驶行为分为N种驾驶行为模式；步骤3、确定驾驶行为模式转移概率，其中所述驾驶行为模式转移概率为N种驾驶行为模式中的任意两种驾驶行为模式之间的转换几率；步骤4、利用所述驾驶行为模式转移概率作为训练样本训练分类器，以通过所述分类器进行驾驶风格估计。
-
-
-
-
Search Results
5
records
(took 0.013 seconds)
