-
公开(公告)号：CN116331246B
公开(公告)日：2025-05-02
申请号：CN202310343554.0
申请日：2023-03-31
Applicant: 长安大学
IPC: B60W50/14 , B60W30/095 , B60W50/00 , B60W40/08
Abstract: 本发明公开了一种基于驾驶人实时反应时间的车辆前向碰撞预警方法，属于车辆碰撞预警领域，通过将驾驶人反应时间这一具有鲜明驾驶人个性化的因素作为独立变量进行实时计算并纳入预警系统的预测中，从而降低车辆实际驾驶风险，提高驾驶人对驾驶信息的可接受度。通过将驾驶信息与驾驶人实时反应时间相结合，研发个性化车辆前向碰撞预警方法及系统，可以大大提升驾驶人对预警信息的可接受程度、提高实际驾驶安全性、缓解增加道路交通压力。
-
公开(公告)号：CN119649316A
公开(公告)日：2025-03-18
申请号：CN202411616286.6
申请日：2024-11-13
Applicant: 长安大学
IPC: G06V20/54 , G06V10/25 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种YOLOv7‑tiny轻量级车辆目标检测方法及系统，涉及计算机视觉和深度学习技术领域，方法包括：构建路侧车辆数据集；对路侧车辆数据集进行图像滤波、图像增强和数据集划分；构建改进的初始车辆目标检测模型；初始车辆目标检测模型是基于YOLOv7‑tiny网络进行设计的；应用剪枝策略对初始车辆目标检测模型进行轻量化处理，得到轻量级车辆检测模型；将划分好的数据集输入至轻量级车辆检测模型中进行训练、测试和验证，得到最终车辆目标检测模型；将待检测图像输入至最终车辆目标检测模型中，得到检测结果。本发明通过对YOLOv7‑tiny的多方面改进，显著提升了车辆目标检测的性能和效率，并且通过轻量化的模型设计，降低了计算的复杂度，适合部署在资源受限的环境中。
-
公开(公告)号：CN114970321B
公开(公告)日：2025-03-07
申请号：CN202210461605.5
申请日：2022-04-28
Applicant: 长安大学
IPC: G06F30/27 , G06F30/18 , G06T17/00 , G06Q10/04 , G06Q50/40 , G06N3/0442 , G06N3/0464 , G06N3/09 , G06F111/04
Abstract: 本发明公开了一种基于动态轨迹流的场景流数字孪生方法及系统，首先提出一种检测跟踪一体化多模态融合感知增强网络，在大幅度提高网络处理速度的同时，实现目标语义轨迹的精准提取与辨识；并提出一种结合道路布局与交通力耦合关系的目标轨迹预测方法，建模场景中语义的时序演变规律，实现交通运行环境中的目标轨迹预测；基于轨迹提取和语义辨识以及预测的运动轨迹，对中观层面交通态势的时序演变规律建模，获取基于真实目标动态轨迹流的场景流数字孪生。本发明能够有效实现目标语义轨迹的精准提取与辨识，同时可视化场景流数字孪生，为精准化交通管控服务提供决策支持。
-
公开(公告)号：CN118397854A
公开(公告)日：2024-07-26
申请号：CN202410522965.0
申请日：2024-04-28
Applicant: 长安大学 , 中移(上海)信息通信科技有限公司
Abstract: 本发明属于智能交通技术领域，涉及一种无信号交叉口场景下智能网联汽车协同控制方法及装置，该方法包括使用GA‑MADDPG算法训练的无信号交叉口车辆协同控制网络模型，将控制区域内的智能体i的状态信息输入至所述无信号交叉口车辆协同控制网络模型，所述无信号交叉口车辆协同控制网络模型输出为各个智能体i的最优调度方案#imgabs0#将所述最优调度方案tt输入到安全检验模块，若存在安全风险，则对At进行修正，否则输出最终调度方案#imgabs1#将所述最终调度方案#imgabs2#传输给各个智能体i并执行，有效解决现有机器学习方法无法高效、稳定地实现复杂无信号交叉口场景下车辆协同控制的技术问题。
-
公开(公告)号：CN118366120A
公开(公告)日：2024-07-19
申请号：CN202410436499.4
申请日：2024-04-11
Applicant: 长安大学
IPC: G06V20/58 , G06V10/25 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06N3/09 , G06V10/94 , H04W4/46 , G06N3/048
Abstract: 本发明提供了一种考虑通信延迟的车辆协同感知方法及装置，该方法包括：获取自车和协同车辆各自的点云数据；根据自车和协同车辆点云数据提取自车和协同车辆的感知特征；对自车和协同车辆感知特征分别计算注意力权重，得到加权自车和协同车辆的感知特征；将加权协同车辆的感知特征与加权自车的感知特征进行融合，得到融合特征；根据融合特征最终感知输出自车周围车辆的位置，大小及类别。以解消除自动驾驶过程因信号延迟或信号丢失，导致周围目标检测不准确的技术问题，以及如何避免预测结果级联误差，提高确估计精准度。
-
Patent Agency Ranking
公开(公告)号：CN117922552A
公开(公告)日：2024-04-26
申请号：CN202410265227.2
申请日：2024-03-08
Applicant: 长安大学
Abstract: 本发明涉及车辆控制技术领域，尤其涉及一种自动泊车方法和自动泊车装置。其中，自动泊车方法包括，首先确定目标车位，然后获取车辆的输入数据和约束条件，根据所述输入数据和约束条件以及所述目标车位构建车辆运动学模型，采用二次规划算法和粒子群优化算法对所述车辆运动学模型进行求解，可以快速的得到所述自动泊车路径轨迹；最后根据所述路径轨迹控制车辆驶入所述目标车位。可以看出，本发明中通过采用二次规划算法和粒子群优化算法可以快速的规划出自动泊车路径，提高了自动泊车的效率。
-
-
公开(公告)号：CN112001385B
公开(公告)日：2024-02-06
申请号：CN202010845641.2
申请日：2020-08-20
Applicant: 长安大学
IPC: G06V10/25 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06F40/30
Abstract: 本发明公开了一种目标跨域检测与理解方法、系统、设备及存储介质，属于目标检测与识别领域。通过空间概率控制与显著点池化，联合编码位置概率与图像特征的耦合关系，高效定位目标候选框对角线顶点，简化网络复杂度，以满足面向实际检测的应用需求；通过跨域引导语义提取与知识迁移，探究面向不同域的目标深度视觉特征与引导语义包含关系，指导网络训练，提取跨域不变特征以增强模型的跨域感知；通过对目标值得注意度解析，探究语义层次跨域感知映射作用与反传机理，解决具体意图下值得注意的目标预测与引导语义理解的准确性问题。本发明能够精确模拟视觉系统对目标的重要性扫描与语义判断的过程，从而提高环境视觉感知能力及主动安全性。
-
公开(公告)号：CN116246466B
公开(公告)日：2024-01-23
申请号：CN202310238213.7
申请日：2023-03-13
Applicant: 长安大学
IPC: G08G1/01
Abstract: 一种考虑自动驾驶多模式特性的混合交通流管理方法及系统，方法包括在具体车道场景中，对当前路网中的CAV和HDV混合交通流进行CAV渗透率的监测；以及根据当前路网中的总车道数量设置CAV渗透率的阈值步长，按照CAV渗透率值是否达到CAV渗透率的阈值点管控PD类型车道，调整对PD车道的CAV自动驾驶模式是否限制。在车道类型确定后，禁止不同类型车道之间转换车道类型。最后判断当前路网中的CAV渗透率所处的阈值区间，根据所处不同的阈值区间来对车道重新进行属性定义和模式管控。本发明充分考虑了产生更多异质性的CAV对整个混合交通流带来的影响，降低了区分自动驾驶模式的CAV所产生的异质性对交通流带来的负面影响。
-
公开(公告)号：CN117008621A
公开(公告)日：2023-11-07
申请号：CN202311084199.6
申请日：2023-08-25
Applicant: 长安大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于深度强化学习的车辆队列控制方法及系统，根据车辆的动力学模型构建车辆队列运行的运动仿真模型；基于车辆队列运行的运动仿真模型和车辆运行状态，使用恒定时间间距策略，获取车辆队列控制的状态空间和动作空间；基于车辆队列控制的状态空间和动作空间建立DDPG网络，并利用奖励函数机制对DDPG网络进行训练，直至训练过程中每个回合获得的总奖励不再增加时停止训练，得到训练好的控制策略网络，利用训练好的控制策略网络进行队列控制；本发明考虑多种因素实现队列的控制，并且该队列控制方法的控制策略训练完成后，不需要在执行过程中进行复杂计算，控制效率非常高，并且可以当前场景的不同状况下保持控制效果，不需要更换参数。
-
-
-
-
-
-
-
-
-
Search Results
447
records
(took 0.051 seconds)
