-
公开(公告)号：CN119167802B
公开(公告)日：2025-02-14
申请号：CN202411668014.0
申请日：2024-11-21
Applicant: 吉林大学
Abstract: 本发明属于自动驾驶测试技术领域，具体的说是一种基于分层强化架构的智能汽车边缘场景生成方法。包括以下步骤：步骤一、处理自然驾驶数据，构建初始测试环境；步骤二、建立风险冲突预测方法；步骤三、建立测试场景评价方法，包含碰撞合理性评价与时空相似性评价；步骤四、构建基于索引管理的场景库；步骤五、构建基本强化学习环境，搭建静态环境与基础接口；步骤六、场景分层调度时期划分，基于场景特征划分测试时期；步骤七、奖励机制与动作策略优化，根据场景时期与车辆行为进行调整；步骤八、模型训练应用与场景数据输出。最终实现边缘场景的多样性生成，突破了局部收敛难题，提高了边缘场景发掘效率。
-
公开(公告)号：CN119832478A
公开(公告)日：2025-04-15
申请号：CN202411923811.9
申请日：2024-12-25
Applicant: 吉林大学
Abstract: 本发明涉及计算机视觉和自动驾驶技术领域，特别涉及一种基于视觉大模型的自然驾驶事故场景关键要素提取方法，包括数据收集与预处理、事故数据提示词设计、基于本体的事故场景描述与数据标注、预训练模型微调与优化、关键要素识别与后处理等步骤，本发明显著提高自然驾驶事故分析的效率，减少人工审查的时间和成本。通过基于本体的事故场景描述方法、基于光流法的动态特征提取和更准确的提示词设计，提高模型对关键要素的识别准确性。通过数据增强技术和合理的损失函数设计，提高了模型在不同场景下的鲁棒性和泛化能力。本发明不仅适用于自然驾驶事故的分析，还能扩展到其他场景，为智能交通、智慧城市、安全城市管理提供高效率的场景理解方法。
-
Patent Agency Ranking
公开(公告)号：CN119821425A
公开(公告)日：2025-04-15
申请号：CN202510145562.3
申请日：2025-02-10
Applicant: 吉林大学
Abstract: 本发明属于自动驾驶汽车底盘控制技术领域，提供一种基于参数自适应的变道场景横纵向解耦控制方法及应用，首先基于分层规划的变道轨迹生成过程，结合路径规划结构生成合理的换道轨迹；再基于遗传寻优与神经网络的自适应轨迹跟踪过程，通过测试数据优化生成最佳换道控制参数，最后结合神经网络算法训练控制参数模型，实现针对特定换道工况的最优控制过程。本发明通过自适应识别变道场景完成高实时性、高舒适性、高稳定性驾驶任务，并结合变道过程工况实时识别以调整自身控制行为，从而实现高性能的控制效果输出。
-
公开(公告)号：CN119167802A
公开(公告)日：2024-12-20
申请号：CN202411668014.0
申请日：2024-11-21
Applicant: 吉林大学
Abstract: 本发明属于自动驾驶测试技术领域，具体的说是一种基于分层强化架构的智能汽车边缘场景生成方法。包括以下步骤：步骤一、处理自然驾驶数据，构建初始测试环境；步骤二、建立风险冲突预测方法；步骤三、建立测试场景评价方法，包含碰撞合理性评价与时空相似性评价；步骤四、构建基于索引管理的场景库；步骤五、构建基本强化学习环境，搭建静态环境与基础接口；步骤六、场景分层调度时期划分，基于场景特征划分测试时期；步骤七、奖励机制与动作策略优化，根据场景时期与车辆行为进行调整；步骤八、模型训练应用与场景数据输出。最终实现边缘场景的多样性生成，突破了局部收敛难题，提高了边缘场景发掘效率。
-
公开(公告)号：CN119860792A
公开(公告)日：2025-04-22
申请号：CN202510079323.2
申请日：2025-01-17
Applicant: 吉林大学
Abstract: 本发明提供一种基于分时运算的智能汽车动态场景规划方法及系统，为了解决现有全局路径规划方法存在的计算实时性和结果有效性问题。本发明包含信息处理、短时预测、分时运算和路径规划四部分架构。相较于现有的全局规划方法，本发明通过分时运算识别场景的动态变化，将A*的运算触发设定为局部动态修正和整体增量更新两部分，有效解决了传统算法的单次运算精度差和连续运算资源消耗大的问题。同时，本发明基于非线性车辆动力学方程构建短时预测模型，将预测结果用于场景未来栅格构建，可以有效提升运算结果的有效性；本发明通过场景分时阶段划分，能够灵活适应不断变化的道路环境，确保自动驾驶车辆始终遵循最优且安全的行驶路径。
-
公开(公告)号：CN119693906A
公开(公告)日：2025-03-25
申请号：CN202510192921.0
申请日：2025-02-21
Applicant: 吉林大学
IPC: G06V20/56 , G06V20/70 , G06V10/764 , G06V10/82 , G06N3/042 , G06N3/0895 , G06N3/09
Abstract: 本发明属于自动驾驶测试技术领域，具体的说是一种基于边缘数据学习增强的智能汽车场景理解方法。包括以下步骤：步骤一、自然驾驶数据采集；步骤二、场景结构表示与语义标签处理；步骤三、边缘场景提取与自动标注修正；步骤四、场景信息预测匹配与数据集构建；步骤五、大模型架构设计与结构微调。步骤六、场景理解应用与模型对比评价；本发明可用于复杂、边缘场景下的理解认知，提升智能汽车算法的可解释性。
-
公开(公告)号：CN118366307A
公开(公告)日：2024-07-19
申请号：CN202410574450.5
申请日：2024-05-10
Applicant: 吉林大学
IPC: G08G1/01
Abstract: 本发明属于汽车技术领域，具体的说是一种面向复杂交互泊车数据集的关键泊车场景提取方法。包括：步骤一、多目标轨迹数据提取；步骤二、根据检测结果对每个目标进行状态估计，生成包含位置、速度、加速度的时间序列轨迹数据；步骤三、基于多元特征融合的泊车行为识别模型，从提取的轨迹序列中筛选发生泊车行为的轨迹，实现对泊车行为的判断；步骤四、构建关键交通参与者识别模型，截取其他交通参与者在该范围内的轨迹序列；步骤五、设计交互强度量化指标，综合考虑空间接近度和机动程度量化判别主车与交通参与者之间是否发生交互，筛选邻域交通参与者集合；步骤六、设计泊车场景关键性指标，从整个泊车数据集中提取出关键泊车场景。本发明可用于存在复杂交互的泊车数据集的关键泊车场景提取，更关注于泊车过程中其他交通参与者对本车决策规划的影响，提取出的关键泊车场景具有真实性，用于智能泊车系统的场景测试过程。
-
-
-
-
-
-
Search Results
7
records
(took 0.015 seconds)
