-
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：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。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN107995258B
公开(公告)日：2021-01-05
申请号：CN201711071689.7
申请日：2017-11-03
Applicant: 长安大学
Abstract: 本发明提供一种连接设备，包括离线下载模块、汽车CAN总线读取模块、可编程逻辑模块和无线网络模块，其中，汽车CAN总线读取模块连接汽车CAN总线和可编程逻辑模块，无线网络模块连接可编程逻辑模块和车联网终端，离线下载模块连接可编程逻辑模块；将车载终端和汽车CAN总线进行物理隔离，克服了现有车联网终端直接读取CAN总线消息带来的信息安全问题，实现车联网终端在读取CAN总线数据的同时，对CAN总线数据进行隔离和保护。
-
公开(公告)号：CN110208842A
公开(公告)日：2019-09-06
申请号：CN201910450582.6
申请日：2019-05-28
Applicant: 长安大学 , 中移智行网络科技有限公司
IPC: G01S19/48
Abstract: 本发明公开了一种车联网环境下车辆高精度定位方法，待定位车辆上配备激光雷达和雷达两种类型的传感器，采用扩展卡尔曼滤波将两种测量数据进行融合，并通过与周围配备GPS+IMU组合导航系统的车辆进行V2V通信，来对自身定位结果进行改进得到相对准确的定位；本发明方法，利用其他车辆共享的原始GPS数据来为自动驾驶汽车定位，使得车辆在一些无GPS信号或者GPS信号弱的地区也能进行相对准确的定位。另外，多传感器和V2V通信的融合也使得自动驾驶车辆的定位方案比仅使用高质量传感器的方法更具成本效益。
-
公开(公告)号：CN106407315B
公开(公告)日：2019-08-16
申请号：CN201610783688.4
申请日：2016-08-30
Applicant: 长安大学
Abstract: 本发明公开了一种基于街景图像数据库的车辆自主定位方法，包括步骤1，使用相机采集场景图像，提取采集的图像的主颜色特征向量信息、SURF特征点和位置信息存储在数据库中；步骤2，将车辆行驶中拍摄的图像作为待匹配图像，提取待匹配图像的主颜色特征向量，通过计算待匹配图像的主颜色特征向量与原数据库中图像主颜色特征向量的相似度，得到初始匹配图像，提取初始匹配图像的位置信息，初步确定车辆的位置；步骤3，提取初始匹配图像的邻域图像，组成搜索空间，将待匹配图像与搜索空间的图像进行特征点匹配，得到最佳匹配图像，提取最佳匹配图像的拍摄位置坐标和其八邻域位置坐标，计算各个坐标的权重，再通过公式计算出车辆位置的精确坐标。
-
公开(公告)号：CN109100741A
公开(公告)日：2018-12-28
申请号：CN201810594692.5
申请日：2018-06-11
Applicant: 长安大学
Abstract: 本发明公开了一种基于3D激光雷达及图像数据的目标检测方法，该方法利用3D激光雷达和相机获取周围环境的3D点云数据和相机图像，并对所述的3D点云数据进行预处理；滤除3D点云数据中的地面点，对剩余非地面点进行空间聚类，提取目标的3D感兴趣区域；对3D激光雷达和相机的坐标的外参数进行标定，并根据标定参数将目标的3D感兴趣区域映射到对应的相机图像中，提取相机图像中对应的2D感兴趣区域；利用深度卷积网络对所述的2D感兴趣区域进行特征提取，从而对2D感兴趣区域中的目标进行定位和识别。本发明充分利用了3D激光雷达和相机数据中间的互补性，提高了对场景的目标定位和分类识别的精度和时效性，可用于无人车中的目标实时检测。
-
公开(公告)号：CN108462947A
公开(公告)日：2018-08-28
申请号：CN201810206308.X
申请日：2018-03-13
Applicant: 长安大学
Abstract: 本发明公开了一种基于LTE-V的车联网通信测试系统及测试方法，采用ENodeB基站、路侧测试单元、用户测试终端、LTE-V核心网和本地服务器组构成测试平台，利用移动通信技术应用到车联网通信领域，采用了广域集中式蜂窝通信和短程分布式直通通信两种技术方案，分别对应基于接入网-用户终端和ProSe直接通信接口的网络架构，既能支持大宽带、广覆盖的通信传输支撑，又能实现车与车、车与基站、基站与基站之间的低时延、高可靠的通信服务，满足道路安全及交通效率类应用的需求，本发明的测试方法能够在测试平台上系统地测试LTE-V网络的部分性能，在真实场景的实车测试可以为研究者提供更真实，更可靠的研究数据，一定程度上推动了LTE-V通信技术在车联网通信领域的研究与应用。
-
-
-
-
-
-
-
-
-
Search Results
98
records
(took 0.028 seconds)
