-
公开(公告)号：CN117151218A
公开(公告)日：2023-12-01
申请号：CN202311120447.8
申请日：2023-09-01
Applicant: 吉林大学
IPC: G06N5/022 , B60W40/00 , B60W40/08 , B60W50/00 , B60W60/00 , G06N5/045 , G06N5/048 , G06N5/01 , G06N20/00 , G06N3/0442 , G06N3/048 , G06F9/448 , G06F18/23213 , G06F18/20 , G06V20/58 , G06V20/59 , G06V40/70
Abstract: 本发明公开了一种基于新一代人工智能理论的可解释人机混合增强感知方法，其方法为：第一步、整合输入数据流与信息流；第二步、构建人机混合增强感知模型，第三步、构建可解释在线人机融合感知知识库，第四步、整合输出变量，整合系统的输出变量，有益效果：实现了人机混合增强感知可解释性的客观定量评价；保证了人机共驾系统对于驾驶人感知过程的正确理解，极大提升了人机感知一致性，解决了人机感知一致性的问题；形成闭环的人机混合增强感知系统框架；解决了人机混合增强感知系统的可解释性问题；本发明具有自我纠错能力，并且能够基于人机感知一致性对比结果调整人机混合增强感知系统，提高系统的准确性。
-
公开(公告)号：CN116740274A
公开(公告)日：2023-09-12
申请号：CN202310677362.3
申请日：2023-06-09
Applicant: 吉林大学
IPC: G06T17/00 , G06V10/764 , G06N3/0475 , G06N3/048 , G06N3/094 , G06N20/10
Abstract: 本发明公开了一种面向自动驾驶视觉感知系统的对抗场景生成方法，其方法包括的步骤为：第一步、场景元素提取与基础场景库构建；第二步、基于对抗元素的对抗场景生成；第三步、基于视觉图像衍生方法的对抗场景生成；第四步、对抗场景库评估与整合；有益效果：对自动驾驶测试场景中的所有常用对抗场景元素进行了系统性的梳理；基于视觉图像衍生方法进行了详尽的方法设计，具有极高可行性；包括了一种综合性的对抗场景有效性验证方法，从而确保了生成的对抗场景的有效性；对抗场景具有较高的覆盖度；无论是单目视觉、双目视觉、多目视觉或是多相机系统都能够适用，具有极高的适应能力；符合各项标准的规定，实用性较高。
-
公开(公告)号：CN116738824A
公开(公告)日：2023-09-12
申请号：CN202310562354.4
申请日：2023-05-18
Applicant: 吉林大学
IPC: G06F30/27 , G01M17/007 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N7/02 , G06F17/18
Abstract: 本发明公开了一种实车及虚拟环境高度融合的人机共驾在线测评系统及方法，在线测评系统包括有基于真实道路的仿真场景数字孪生模块、智能驾驶模拟模块、人机共驾控制模块、实车模块和在线评价及模型参数自优化模块，测评方法为：第一步、基于数字孪生与加速测试的仿真场景测试；第二步、驾驶人与智能驾驶系统决策同步性测试；第三步、驾驶人驾驶行为一致性测试；有益效果：通过基于真实道路的仿真场景数字孪生技术与加速测试技术提高了人机共驾测试真实性与测试效率，通过信号时间同步技术实现了驾驶人与智能驾驶系统决策信号同步性的验证与校准，避免了人机冲突，提高了人机协同控制策略的算法性能。
-
公开(公告)号：CN115743137A
公开(公告)日：2023-03-07
申请号：CN202211340369.8
申请日：2022-10-29
Applicant: 吉林大学
Abstract: 本发明公开了一种基于人机增强感知的驾驶情境理解方法，其方法包括的步骤为：第一步、整合多源人机感知数据；第二步、分析驾驶人驾驶属性；第三步、构建人机增强感知模型；第四步、构建驾驶情境理解模型；有益效果：构建个性化驾驶习性计算模型，使自动驾驶感知系统更具人性化及个性化。实现根据当前时刻驾驶人习性类型，驾驶人感知模式和感知逻辑进行自主感知，实现对当前驾驶情境的人机融合感知语义推断。为智能车辆决策提供准确、全面的感知信息。能够实时计算驾驶情境复杂度和危险度，评估交通态势。
-
公开(公告)号：CN114675742B
公开(公告)日：2022-11-01
申请号：CN202210477360.5
申请日：2022-05-04
Applicant: 吉林大学
IPC: G06F3/01 , G06N3/00 , G06N3/04 , G06N3/08 , G06V40/70 , G06V10/764 , G06V10/762 , G06V10/82
Abstract: 本发明公开了一种面向高度自动驾驶的人机决策逻辑在线校验方法，其方法为：第一步、数据及信息流输入；第二步、在线评估周期进行计算，具体步骤为：步骤一、建立混杂态势评估模型；步骤二、进行混杂态势在线评估；步骤三、进行在线评估周期计算；第三步、对人机混合决策模型进行综合评价，具体步骤为：步骤一、进行人机混合决策模型可解释性评价；步骤二、进行时域决策结果预测；步骤三、进行已用知识库评价；步骤四、进行人机混合决策模型及知识库更新情况判断；步骤五、进行人机混合决策模型综合评价。有益效果：避免人机混合决策过程存在的算法局限及故障隐患，提高了人机混合决策的安全性及可信性。
-
Patent Agency Ranking
公开(公告)号：CN115027484A
公开(公告)日：2022-09-09
申请号：CN202210561201.3
申请日：2022-05-23
Applicant: 吉林大学
Abstract: 本发明公开了一种面向高度自动驾驶的人机融合感知方法，其方法为：第一步、数据预处理；第二步、驾驶情境感知；第三步、驾驶员典型生物信号提取；第四步、驾驶员驾驶意图理解；第五步、人机混合增强感知图谱生成。有益效果：实现了人类驾驶员与智能驾驶系统的有机结合；降低了信息复杂度，降低了驾驶员的感知负担的同时，不会错过关键信息，保证了整体系统的安全性；本发明能够结合多学科的先进技术手段，符合自动驾驶技术发展趋势，具有广泛的应用前景和多场景、多工况下的可行性。
-
公开(公告)号：CN117290997A
公开(公告)日：2023-12-26
申请号：CN202311019998.5
申请日：2023-08-14
Applicant: 吉林大学
Abstract: 本发明公开了一种基于数字孪生模式的人机共驾决策系统测评方法，其方法为：第一步、构建多传感器虚拟模型；第二步、构建多级复杂场景评估体系；第三步、评估人机共驾决策系统拟人度；第四步、评估人机共驾决策系统性能。有益效果：提升人机共驾决策系统的测试效率，加速人机共驾决策系统的迭代和优化；为决策层提供了综合、可靠的感知信息集合；确保测试所覆盖的驾驶场景的全面性和有效性；实现了不同驾驶风格、不同场景复杂度下的人机共驾决策系统的拟人度评价与测试；通过安全性、舒适性、效率性评价指标分析危险场景下人机共驾决策系统的性能。
-
公开(公告)号：CN115577640A
公开(公告)日：2023-01-06
申请号：CN202211330057.9
申请日：2022-10-27
Applicant: 吉林大学
Abstract: 本发明公开了一种基于自学习衍生理论的自动驾驶已知不安全场景库构建方法，其方法包括的步骤为：第一步、扩充已知场景元素；第二步、建立可解释型场景危险度评价体系；第三步、衍生已知不安全场景；第四步、构建已知不安全场景库；有益效果：从原理上压缩未知场景的比例，有效降低未知不安全场景所带来的风险；自动划分出安全场景与不安全场景，为智能网联汽车自动驾驶系统测试提供有效的测试场景选择依据；能够通过深度强化学习的方法学习已知不安全场景的特征进行自学习衍生；够基于场景库中已有的已知不安全场景泛化衍生出一系列的已知不安全场景；能够极大地提高仿真验证的有效性；为其优化设计提供全面的参考。
-
公开(公告)号：CN115564029A
公开(公告)日：2023-01-03
申请号：CN202211418353.4
申请日：2022-11-14
Applicant: 吉林大学
Abstract: 本发明公开了一种基于混合增强智能的高一致性人机混合决策方法，其方法为：第一步、整合输入数据流与信息流；第二步、构建人机混合增强决策模型；第三步、构建在线人机决策知识库；第四步、整合输出变量；有益效果：极大的提高人机共驾系统的安全性和可信性，并提高驾驶人的可接受度，实现安全且可信的人机混合决策模式；实现了全面、可靠且丰富的决策信息源集合；实现具备高驾驶人可接受性及超人脑模式的决策效果；极大地提高了系统对真实交通环境的适应性；保证了决策逻辑的模块内自校验与自优化过程的独立进行；产品具备面向未知驾驶情境与真实交通环境下的自校验与自优化的功能。
-
公开(公告)号：CN115330064A
公开(公告)日：2022-11-11
申请号：CN202210991226.7
申请日：2022-08-18
Applicant: 吉林大学
Abstract: 本发明公开了一种面向高度自动驾驶的人机决策逻辑在线优化方法，其方法为：第一步、人机混合增强决策数据库在线优化；第二步、人机混合增强决策模型在线优化；第三步、人机混合增强决策预测模型在线优化；有益效果：提高了人机混合增强决策结果的可信性与人机共驾车辆行驶的安全性。最大限度的对人机混合增强决策数据库进行了完善，充分发挥了车辆网信息共享的优势。最大限度的对人机混合增强决策模型进行了完善，充分发挥了车辆网信息共享的优势。极大地提高了对人机共驾车辆未来状态的预测效果，保证了人机共驾车辆行驶的安全性。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.032 seconds)
