-
公开(公告)号:CN116434193A
公开(公告)日:2023-07-14
申请号:CN202310419930.X
申请日:2023-04-19
申请人: 江苏大学 , 镇江市江苏大学工程技术研究院 , 汉得利(常州)电子股份有限公司
摘要: 本发明公开了一种面向决策支持的自动驾驶目标检测算法综合评价方法,包括:获取目标检测数据集;根据目标检测数据集,建立因素集;其中,因素集包括距离、方位和类别;根据因素集,建立评价集;其中,评价集包括距离因素评价集、方位因素评价集和类别因素评价集;设定各个评价集以及各个评价集中每个评价等级的权重;根据各个评价集、各个评价集中每个评价等级以及对应的权重,对自动驾驶目标检测算法进行综合评价。本发明同时考虑了目标物体与当前车辆之间的距离因素的权重、目标物体与当前车辆之间的方位信息的权重和目标物体的类别权重,能够面向自动驾驶决策端,甄别出对危险系数较大目标的识别能力的目标检测算法及其模型。
-
公开(公告)号:CN116310345A
公开(公告)日:2023-06-23
申请号:CN202310363274.6
申请日:2023-04-07
申请人: 江苏大学 , 镇江市江苏大学工程技术研究院 , 汉得利(常州)电子股份有限公司
IPC分类号: G06V10/26 , G06V20/56 , G06V20/70 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464
摘要: 本发明公开了一种用于交通路面的多要素语义分割方法,包括:获取目标图片集;目标图片集中的每个目标图片均包括可行驶区域、车道线和路面交通标志;对目标图片集的目标图片进行标签标注,并将标注后的目标图片集划分为训练集和测试集;构建实时语义分割网络模型;利用训练集对实时语义分割网络模型进行训练,得到训练好的实时语义分割网络模型;利用训练好的实时语义分割网络模型对测试集进行测试,得到交通路面的语义分割结果。本发明中能够将可行驶区域分割、车道线检测和道路路面交通标志检测整合到同一个实时语义分割网络模型中同时进行处理,能够取得较好的分割效果和较快的推理速度,从而减少推理消耗的时间,节省计算资源。
-
公开(公告)号:CN118971721A
公开(公告)日:2024-11-15
申请号:CN202411019127.8
申请日:2024-07-29
申请人: 江苏大学
IPC分类号: H02P25/092 , G06F17/11 , G06N3/0464 , G06N3/048 , G06N3/084 , G06F17/14 , G06F18/24 , G06F18/214 , H02J50/12 , H02J50/40 , H02M7/5387 , B60L53/12
摘要: 本发明公开一种无线开关磁阻电机驱动系统及其控制方法,用信号控制器对位置角进行处理得到发射信号,通过路径规划控制器对发射信号的传播路径进行最优规划,发射信号按照路径规划指令所指示的传输路径进行传输,输出路径规划后的发射信号,通过检测与补偿模块先对路径规划后的发射信号的各项指数进行检测,判断是否补偿,补偿时通过包括有VGG网络、目标检测网络、RetinaNet模型对发射信号各项特征进行提取和补偿,寻找到能量传输潜力最大的各节点形成的最优传输路径;本发明能提供高分辨率的目标参数估计,实时监测信号的多普勒频移,保证传输质量,运用能量感知算法帮助系统动态地优化信号传输路径,提高传输系统的适应性、稳定性和检测精度。
-
公开(公告)号:CN118953402A
公开(公告)日:2024-11-15
申请号:CN202410982962.5
申请日:2024-07-22
申请人: 江苏大学
摘要: 本发明公开了一种基于多模态信息融合和大模型推演的自动驾驶车辆风险态势预测方法、系统及存储介质,该方案整合了来自摄像头、激光雷达、多传感器的多模态信息,对可见光图像和红外图像进行信息传递和聚合。将来自多个传感器的数据进行融合,形成环视的动态时空信息。使用邻居交叉注意力机制融合2D‑3D环视图像的动静态特征;利用大模型建立预测模型,对时空风险信息和文本提示信息进行分析,生成短期和长期的预测结果。通过评估每个短期规划和相应的长期应对计划的成本,选择总成本最小的一个作为最优策略,指导智能车辆的安全行驶。
-
公开(公告)号:CN118907071A
公开(公告)日:2024-11-08
申请号:CN202411173894.4
申请日:2024-08-26
申请人: 江苏大学
摘要: 一种应用于极端路面的分布式电驱动车辆稳定性控制方法,其特征是:包括如下步骤:S1:测量路面附着系数;S2:建立车辆二自由度模型;S3:对二自由度车辆状态进行变换,建立状态空间方程;S4:建立横摆角速度和侧偏角与直接横摆力矩之间的数学模型;S5:根据终端互补滑模控制理论,设计滑模面参;S6:以期望侧偏角与实际侧偏角差值,期望横摆角速度与实际横摆角速度差值作为输入,使用LSTM对数学模型中的非线性函数进行估计预测,输出#imgabs0#S7:根据纵向速度保持需要的总力矩,采用最优分配进行四轮力矩分配。本发明本能够显著降低车辆的横摆角速度标准差,减少侧向偏移量,缩短转向响应时间,提高了驾驶体验和安全性。
-
公开(公告)号:CN118821523A
公开(公告)日:2024-10-22
申请号:CN202410801978.1
申请日:2024-06-20
申请人: 江苏大学
IPC分类号: G06F30/23 , G06F30/15 , G06F30/27 , G06N3/084 , G06F119/14
摘要: 本发明提供了一种基于车辆动力学和智能轮胎技术的附着系数估算方法,搭建了多点加速度计型的智能轮胎有限元模型,进行多工况下的加速度信号响应分析。基于信号响应分析结果选取计算特征值,构建轮胎纵向接地印迹长度解算模型;基于信号响应分析结果选取训练特征提取的源信号,选取输入特征,构建基于BP(back propagation)神经网络的侧偏角估算模型;将轮胎纵向中心线上一传感器采样点的横向加速度信号转换为横向位移信号,构建基于轮胎横向变形理论模型的横向力、垂向力及回正力矩估算模型;基于估算所得的轮胎纵向接地印迹半长、侧偏角、横向力、垂向力和回正力矩,结合刷子轮胎理论模型,构建了附着系数理论解析模型。本发明预测精度高、稳定性好、泛化性能强。
-
公开(公告)号:CN118794453A
公开(公告)日:2024-10-18
申请号:CN202410824534.X
申请日:2024-06-25
申请人: 江苏大学
IPC分类号: G01C21/32 , G01C21/34 , G01C21/00 , G01C21/16 , G06Q10/047
摘要: 本发明公开了一种应用路径规划信息的智能汽车高精度定位方法,建图时,在建图车辆上安装激光雷达和双目相机,由激光雷达获取的激光点云数据构建栅格地图,双目相机拍摄双目图像并存储;定位时,在定位车辆上安装单目相机,将单目相机拍摄的实时单目图像与存储的双目图像进行特征点提取、匹配及PnP位姿求解,实时计算出定位车辆的位姿信息,与双目相机的位姿真值融合,进行定位车辆的初定位;利用全局规划A*算法与局部规划DWA算法规划出最优实时路径;利用PP算法实行路径跟踪,得到的速度和转向角信息与初定位信息融合,实现高精度定位。本发明能根据融合结果调整车辆的规划路径和跟踪轨迹,提高定位的精度。
-
公开(公告)号:CN118691779A
公开(公告)日:2024-09-24
申请号:CN202410828172.1
申请日:2024-06-25
申请人: 江苏大学
IPC分类号: G06V10/22 , G06V10/764 , G06V10/774 , G06V10/26 , G06F17/11 , G06T7/80 , G06V10/80 , G06N3/0455 , G06N3/0442 , G06N3/048 , G06N3/0464 , G06N3/084
摘要: 本发明提供了一种基于Transformer的结构化道路自动驾驶商用车全局定位方法,包括:S1.图像采集、图像处理数据集制作S2.网路模型建立S3.网络模型训练S4.定位实现。有益效果:通过对原始图像进行语义分割,去除了动态物体对定位的影响,保留了原始图像的空间结构信息。加入PSA注意力模块后,DeepLabV3Plus更能捕获结构化道路细节信息。Transformer自注意力机制可以捕获分割后的图像空间结构信息。在Swin Transformer最后一阶段计算全局注意力时,使用可变注意力机制替换自注意力机制。提高强相关特征的表达,获得图像特征向量。最后将特征向量按获取时间顺序进入LSTM网络,时序信息的利用,可以解决某些帧相机成像质量不高导致的定位失准问题,从而预测出更加准确的定位信息,完成定位。
-
公开(公告)号:CN118628879A
公开(公告)日:2024-09-10
申请号:CN202410654827.8
申请日:2024-05-24
申请人: 江苏大学
IPC分类号: G06V10/80 , G06V10/82 , G06V10/40 , G06V10/62 , G06V20/56 , G06V20/64 , G06T7/246 , G06T7/277 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/0495 , G06N3/082 , G06N3/09 , G01S13/86 , G01S13/931 , G01S17/86 , G01S17/931 , G01C21/28
摘要: 本发明公开了面向智能驾驶环境感知系统的高性能松耦合多模态数据融合系统及车载设备,包括基于模态独立特征交互策略的融合检测模型,用于将激光雷达点云、相机图像以及毫米波雷达点云转化为统一的鸟瞰图特征,并进行多模态融合;以及基于运动‑外观特征级联耦合数据关联策略的融合跟踪模型,用于根据多模态融合的特征信息,进行后续的轨迹跟踪及匹配。选取VoD数据集以及K‑Radar数据集用以训练、验证以及测试模型的综合性能,应用TensorRT加速推理模型,量化部署于车载计算测试平台。本发明能兼容主流传感器部署方案,实现多源异构传感器信息的高效互补融合,显著提升车载感知系统的可靠性、准确性与适应性,从而有效应对复杂交通场景及恶劣天气等极端工况。
-
公开(公告)号:CN118625342A
公开(公告)日:2024-09-10
申请号:CN202410654839.0
申请日:2024-05-24
IPC分类号: G01S17/86 , G06V20/56 , G06V20/64 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/09 , G01S17/931
摘要: 本发明公开了一种基于占据网络的多传感器融合智能汽车环境感知方法及模型,采用多传感器融合的策略,将多视角图像和激光雷达点云数据进行融合和处理,生成占据预测,充分利用智能汽车各环境感知传感器优点,实现了对周边环境全面且准确的感知。利用占据语义指导的多模态注意力机制融合点云体素特征和相机体素特征,实现各模态数据的高效利用与各模态数据之间的互补融合。结合历史帧信息对多帧特征进行关联,提高感知精度。将冗余体素采样丢弃的思想引入到占据网络中,用以提高融合模型的计算效率,同时不损害感知性能。将掩蔽模态训练策略应用到模型训练中,提高系统面对数据缺失时的鲁棒性。
-
-
-
-
-
-
-
-
-