一种用于自动驾驶汽车的道路场景理解方法

    公开(公告)号:CN118194969A

    公开(公告)日:2024-06-14

    申请号:CN202410593410.5

    申请日:2024-05-14

    摘要: 本发明涉及自动驾驶技术领域,具体公开了一种用于自动驾驶汽车的道路场景理解方法,方法包括数据收集、特征提取、构建强化学习模型、模型训练和测试与评估,本方案利用多层感知器、代理网络分别提取路口的高清地图数据的地图特征、自动驾驶车辆运动数据的车辆运动特征,利用融合网络融合地图特征和车辆运动特征,更全面地理解交通流中的动态行为,提高自动驾驶系统在动态交通环境中的实时决策能力;结合优先级经验回放和双延迟深度确定性策略梯度技术训练自动驾驶车辆在交叉路口的导航策略,提高学习效率,解决稀疏奖励问题,提升自动驾驶车辆在不同交叉路口场景中的泛化能力。

    一种基于CNN-LSTM预测模型的区块链分片方法及系统

    公开(公告)号:CN117176320A

    公开(公告)日:2023-12-05

    申请号:CN202311049598.9

    申请日:2023-08-21

    IPC分类号: H04L9/00 H04L47/125 H04L41/14

    摘要: 本发明公开了一种基于CNN‑LSTM预测模型的区块链分片方法与系统,所述方法包括:采用了双层链的系统架构:车辆层与边缘层;在车辆层采用了DBFT作为网络的共识协议,在边缘层采用POA作为共识协议,通过CNN‑LSTM预测模型对区块链分片系统的负载均衡进行优化,预测整个分片网络下一时期的交易状态,通过账户分配算法,通过所设计的算法对热账户进行有效的分配,对车辆节点信誉值进行建模时,提出了基于AOI的数据行为和共识行为两种行为联合评级的方法。本发明提供基于CNN‑LSTM预测模型的区块链分片方法,可以维持分片的负载均衡和减少跨片交易,可以实现资源的有效利用;在约束节点的作恶行为,保证网络的安全性,提高了区块链分片网络中车辆节点的信息共享活跃度。

    一种车载元宇宙虚拟化身服务迁移的资源安全保护方法及系统

    公开(公告)号:CN115002156B

    公开(公告)日:2023-07-04

    申请号:CN202210582997.0

    申请日:2022-05-26

    摘要: 本发明公开了一种车载元宇宙虚拟化身服务迁移的资源安全保护方法及系统,方法如下:S1:通过数字孪生技术,将物理实体的资源信息、运行状态信息映射到数字空间,构建物理实体的数字孪生模型;S2:将数字孪生模型导入元宇宙资源池,形成元宇宙资源提供方的资源视图;S3:元宇宙资源提供方与元宇宙资源请求方共同制定和完善资源交易智能合约,并根据元宇宙资源请求方所需资源构建不同虚拟化身;S4:当资源交易智能合约被触发时,元宇宙资源池向元宇宙资源提供方发送指令,迁移虚拟化身。本发明运用数字孪生并结合区块链、智能合约保证执行安全,具有不可逆转以及可追溯性,提高车载元宇宙虚拟化身服务迁移场景的资源安全交易。

    一种基于博弈论的无人机无线充电服务优化方法和系统

    公开(公告)号:CN116187710A

    公开(公告)日:2023-05-30

    申请号:CN202310238345.X

    申请日:2023-03-10

    摘要: 本发明提供一种基于博弈论的无人机无线充电服务优化方法和系统,方法包括建立基于单主多从Stackelberg博弈的无人机无线充电服务模型;以最大化终端的效用函数为目标,设置终端的无线充电服务的初始总奖励;以最大化每个无人机各自的效用函数为目标,根据无线充电服务的初始总奖励和各自的电能损耗设置各自对终端进行无线充电服务的初始充电策略;运用逆向归纳法求解所述无人机无线充电服务模型的Stackelberg均衡;最后充电服务平台调度多个具有充电意愿的无人机为终端提供无线充电服务;本发明从博弈论视角规划终端与无人机之间的能量交易,赋予了无人机个体理性并确保了能量交易过程公平性。

    一种基于车载感知设备的车辆行为分析方法与装置

    公开(公告)号:CN113609777B

    公开(公告)日:2023-05-26

    申请号:CN202110916270.7

    申请日:2021-08-11

    IPC分类号: G06F30/27 G06F119/02

    摘要: 本发明公开了一种基于车载感知设备的车辆行为分析方法,通过联合训练方法设计车辆行为分析算法,将算法嵌入到车载感知设备中,从而实现车辆行为分析。联合训练的行为分析算法设计为通过联邦学习在多场景下进行端到端的深度强化学习训练,学习自动驾驶策略,可使驾驶评估结果更为综合全面,避免构建模型时需要大量数据迭代的问题以及驾驶信息的泄露;本方法提出了基于安全度、舒适性和经济开销的多维度行为分析算法,通过该分析算法可以对车辆的行为进行分析,实现驾驶行为评估与安全预警。

    一种自然场景图片中文本检测方法、系统及设备

    公开(公告)号:CN111382741B

    公开(公告)日:2023-05-09

    申请号:CN202010174445.7

    申请日:2020-03-13

    IPC分类号: G06V20/62 G06V30/19

    摘要: 本申请公开了一种自然场景图片中文本检测方法、系统及设备,包括:对待测图像进行预处理;对预处理后的待测图像进行数据转化,得到包含像素点数值及对应坐标的数据集;采用DBSCAN聚类算法对数据集进行聚类,生成不同类的数据集;采用Alpha Shape算法获取聚类后待测图像的感兴趣区域;检测感兴趣区域的内容,提取相应的文字信息。本申请不需要通过大量的数据样本训练得到的优化参数、搭建神经网络等操作用来进行自然场景图片中的文本检测,使得文本检测的运行速度更快,耗时更少,对硬件的配置要求也更低。

    一种基于FPGA的AI芯片神经网络加速方法

    公开(公告)号:CN113392973B

    公开(公告)日:2023-01-13

    申请号:CN202110709462.0

    申请日:2021-06-25

    IPC分类号: G06N3/08 G06N3/04

    摘要: 本发明公开了一种基于FPGA的AI芯片神经网络加速方法,在训练YOLO网络时进行量化训练,将神经网络的浮点算法转换为定点,大大减少内存的占用,提升计算速度及带宽,达到降低功耗的效;采用HLS开发方式基于Darknet框架快速生成YOLO卷积神经网络加速器IP核,同时对卷积计算进行了变换,大大减少了计算量级;卷积计算消耗的乘法器资源大大减少,同时在保证高精度的基础上,FPGA的硬件资源利用率大大提高,大幅度降低了计算产生的功耗。

    一种用于6G车联网的数字孪生边缘服务方法和系统

    公开(公告)号:CN115037476A

    公开(公告)日:2022-09-09

    申请号:CN202210577118.5

    申请日:2022-05-25

    摘要: 本发明公开一种用于6G车联网的数字孪生边缘服务方法和系统,包括:将真实世界中的车辆和道路场景实时的映射到虚拟空间中,形成孪生层;基站为所有交通参与者分配密钥,物理层中的真实车辆和孪生层的孪生车辆通过密钥进行安全通信;基站通过激励机制选出验证服务器并查询待验证的车辆是否有身份验证的历史记录,若有,则直接建立基站与车辆的可信连接,若没有,则进行下一步,所述验证服务器包括路侧单元和停泊的车辆;孪生层的验证服务器和孪生层的车辆完成交互式零知识证明,并建立基站与车辆的可信连接,完成车联网数字孪生边缘服务。本发明实现了基于数字孪生的车联网安全架构与执行方法。

    一种基于数字孪生的自动驾驶仿真测试方法与系统

    公开(公告)号:CN114755937A

    公开(公告)日:2022-07-15

    申请号:CN202210569971.2

    申请日:2022-05-24

    IPC分类号: G05B17/02

    摘要: 本发明公开了一种基于数字孪生的自动驾驶仿真测试系统,包括:采集模块,用于采集真实道路场景,得到原始数据;上位机,所述上位机通过场景建模工具将原始数据转换为数字孪生模型;实时机,所述实时机将数字孪生模型中的场景元素映射为虚拟场景并预设虚拟车的初始状态信息;实时机上的显示器显示虚拟场景和虚拟车,并根据车辆动力学模型发送的虚拟车状态信息进行更新;电子控制单元,用于根据场景元素和虚拟车的状态信息采用自动驾驶算法进行自动驾驶仿真测试,得到驾驶控制指令;车辆动力学模型,所述车辆动力学模型根据接收到的驾驶控制指令,得出虚拟车的状态信息。

    边缘计算下模型结构优化的车载感知设备联合学习方法

    公开(公告)号:CN113595993B

    公开(公告)日:2022-06-14

    申请号:CN202110782873.2

    申请日:2021-07-12

    摘要: 本发明公开了一种边缘计算下模型结构优化的车载感知设备联合学习方法,包括:根据车载设备所采用的目标检测算法,建立适用于车载设备的神经网络模型作为本地模型,利用中心服务器提供的初始化参数,进行本地模型的训练,并进行本地梯度更新,得到更新后的梯度;对本地模型进行梯度稀疏化、量化本地梯度、无损压缩处理;将量化后的本地梯度和压缩后的二值化掩码矩阵以流水线的形式上传至中心服务器;在车载设备完成本地模型梯度压缩和上传后,由中心服务器进行逐神经元梯度聚合;通过车载设备获取全局的聚合梯度,对本地模型进行更新,利用更新后的模型进行道路感知。