-
公开(公告)号：CN118082885A
公开(公告)日：2024-05-28
申请号：CN202410266247.1
申请日：2024-03-08
Applicant: 燕山大学
IPC: B60W60/00
Abstract: 本案涉及基于行为状态信息的非机动车及行人行为判断方法及系统，用于解决自动驾驶汽车在人车混行环境中存在理解或预测其他道路使用者行为的问题。本案通过采集自车视角下人车混行环境场景数据，提取自车视角下非机动车、行人行为状态信息，所述非机动车、行人行为状态信息包括非机动车及行人速度、位置、加速度及自车速度、位置，并基于非机动车行为状态信息进行非机动车目标个性化行为判断，所述非机动车目标个性化行为包括非机动车左转、右转、直行及驻停行为，基于行人行为状态信息进行行人个性化行为判断，所述行人个性化行为包括行人的横穿马路及未过马路行为。
-
公开(公告)号：CN116795720A
公开(公告)日：2023-09-22
申请号：CN202310853356.9
申请日：2023-07-12
Applicant: 燕山大学
Abstract: 本申请涉及无人驾驶技术领域，公开了一种基于场景的无人驾驶系统可信性评价方法及装置。所述方法根据无人驾驶系统的具体待测功能，选取场景元素和功能测试需求进行随机组合，生成功能测试场景库；并根据功能测试需求，确定无人驾驶系统的评价指标及评价指标的经验值；基于功能测试场景库和经验值进行仿真测试，获取无人驾驶系统在评价指标下的失效率；利用失效率构建动态贝叶斯网络可信性评价模型，并利用动态贝叶斯网络可信性评价模型输出获得无人驾驶系统的状态概率；最后根据状态概率计算无人驾驶系统的可信性及组件重要度，可实现对无人驾驶系统的可信性评价。
-
公开(公告)号：CN115892039A
公开(公告)日：2023-04-04
申请号：CN202211513165.X
申请日：2022-11-29
Applicant: 燕山大学
Abstract: 本发明涉及一种自动驾驶汽车对场景适应度的预测方法，该方法首先采用主成分分析法对危险场景数据进行降维，提取出关键要素。之后兼顾安全与效率两个维度，根据选取的评价指标，用层次分析法计算自动驾驶汽车对高风险场景的适应度并分级。最后将得到的场景关键要素和场景适应度等级输入到基于循环神经网络构建的预测模型中，预测出下一刻自动驾驶系统对场景的适应度，得出一种自动驾驶汽车对场景适应度的预测模型。本发明方法能够提升自动驾驶技术安全性及高等级自动驾驶快速落地提供了理论依据和技术支撑。
-
公开(公告)号：CN115358342A
公开(公告)日：2022-11-18
申请号：CN202211069929.0
申请日：2022-09-02
Applicant: 燕山大学
Abstract: 本申请提供一种高等级自动驾驶汽车ODC边界条件确定方法及装置，该方法包括：获取测试场景集；从测试场景集中选取若干类场景数据，对若干类场景数据进行聚类，确定场景危险等级；根据使用者实际测试需求，确定需要测试的高等级自动驾驶应对能力测试指标；根据需要测试的高等级自动驾驶应对能力测试指标，提取最高等级场景数据；将同一等级下的所有最高等级场景数据组合，形成对应等级下的边界条件。该方案完成对不同等级下的边界条件的确定，能够为不同自动驾驶等级的认定与测试提供理论支撑。
-
Patent Agency Ranking
公开(公告)号：CN119975406A
公开(公告)日：2025-05-13
申请号：CN202510055256.0
申请日：2025-01-14
Applicant: 燕山大学
IPC: B60W60/00 , B60W50/00 , B60W50/04 , B60W10/04 , B60W10/18 , B60W10/20 , G06F18/25 , G06F18/24 , G06N3/0464 , G06N3/092
Abstract: 本发明提供一种考虑不确定性估计的端到端自动驾驶行为决策方法和系统，方法包括将图像信息输入卷积神经网络进行特征提取得到周围交通参与者状态信息，与将自车状态信息进行特征融合，融合特征输入全连接层；构建集成分位数网络获取智能体决策结果的完整不确定性估计，包括基于隐式分位数网络的数据不确定性估计和基于考虑先验贝叶斯估计的多模型集成网络的模型不确定性估计；评估智能体决策结果的置信度，置信度强则输出集成分位数网络预测的车辆的最优驾驶动作，置信度弱则切换至制动策略输出；进一步输入端到端自动驾驶决策模型智能体的控制模块，输出控制信号使车辆执行不同的控制动作。本发明提高了端到端自动驾驶行为决策的可靠性和可信性。
-
公开(公告)号：CN115937614A
公开(公告)日：2023-04-07
申请号：CN202310072865.8
申请日：2023-01-31
Applicant: 燕山大学
IPC: G06V10/764 , G06V10/80 , G06V10/77 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本申请提供一种面向测试车载视觉传感器预期功能的极限场景分类方法，该方法包括：获取车辆的驾驶场景数据、车载视觉传感器拍摄的驾驶场景的图像；根据驾驶场景的图像的参数，确定客观图像质量评价分数；通过多层感知机对驾驶场景数据提取特征，得到对应的特征向量；将驾驶场景数据对应的特征向量、客观图像质量评价分数对应的特征向量及驾驶场景的图像的特征向量进行特征融合拼接，得到融合特征；将融合特征输入极限场景识别网络，输出车载数据传感器在当前驾驶工况下的安全类别。该方案可减少智能驾驶汽车环境感知系统对车载视觉传感器的依赖，为车载视觉传感器的预期功能安全进行完善，避免发生交通事故。
-
公开(公告)号：CN118967918A
公开(公告)日：2024-11-15
申请号：CN202410936585.1
申请日：2024-07-12
Applicant: 燕山大学
Abstract: 本申请涉及三维目标检测技术领域，具体而言，涉及一种考虑点云分布结构的目标检测模型泛化性增强方法及装置，一定程度上可以解决现有的深度学习模型在不同于数据集中激光雷达点云数据分布结构的情况下，实际场景泛化能力不足的问题。该方法包括：获取具有三维目标检测真值的公开仿真自动驾驶数据集与自然驾驶数据集中的激光雷达点云数据；通过激光雷达点云体素化过滤，得到多个点云数据集；将多个点云数据集的原点坐标进行高度统一，并去除点云反射强度维度；将处理好的多个点云数据集进行融合，分为训练集、测试集及验证集；基于训练集，使用现有的三维目标检测网络进行训练，得到强泛化性三维目标检测模型。
-
公开(公告)号：CN116050150A
公开(公告)日：2023-05-02
申请号：CN202310064389.5
申请日：2023-01-16
Applicant: 燕山大学
Abstract: 本申请提供一种跟车、旁车插入场景的高风险场景构建方法及电子设备，该方法包括：获取跟车、旁车插入场景的待检验场景元素；利用斯皮尔曼相关性检验，从待检验场景元素中筛选出与行车风险相关性较强的场景元素，构建危险场景；计算危险场景中选定的自车与前车的车头时距；模拟自车的运动状态，实时计算自车与前车的相对距离，并确定当自车及前车的车速均为0时两车制动停车的相对距离；根据自车与前车的车头时距及两车制动停车的相对距离，构建高风险场景。该方案有助于提高自动驾驶系统检测的效率、降低检测成本。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.016 seconds)
