-
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：CN116052125A
公开(公告)日：2023-05-02
申请号：CN202310072830.4
申请日：2023-01-31
Applicant: 燕山大学
IPC: G06V20/58 , G06V10/774
Abstract: 本申请提供一种车载视觉传感器预期功能测试场景数据集构建方法，该方法包括：获取车辆的驾驶场景数据；获取车载视觉传感器对驾驶场景采集的图像的原始信息；根据采集的图像的质量，确定主客观图像信息；根据所述主客观图像信息，确定车载传感器预期功能安全驾驶场景的类别；将若干图像的驾驶场景数据、原始信息、主客观图像信息、车载传感器预期功能安全驾驶场景的类别作为车载视觉传感器预期功能驾驶场景的数据集。该方案可以为自动驾驶车载视觉传感器预期功能极限数据集的构建提供理论方法。
-
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。
-
-
Patent Agency Ranking
公开(公告)号：CN114820662B
公开(公告)日：2024-09-03
申请号：CN202210565810.6
申请日：2022-05-23
Applicant: 燕山大学
Abstract: 本发明涉及一种基于点云二维密度的路侧视角地面分割方法，包括下述步骤：获取雷达坐标系下路侧视角的地面原始点云数据；基于原始点云数据，采用密度计算获得二维密度、密度降序点云；基于二维密度、密度降序点云，获得点云二维密度的密度阈值；基于密度阈值、二维密度、密度降序点云，得到分割的地面点云。本发明方法应用时不需做出假设，具有广泛的适用性。本发明方法把地面点云处理成点云二维密度，计算量小，实时性高。并进一步在分割算法中采用栅格数据、kd树以优化计算过程。本发明方法得到的地面点云具有较高的准确性和较强的稳定性。
-
公开(公告)号：CN113971731A
公开(公告)日：2022-01-25
申请号：CN202111266083.5
申请日：2021-10-28
Applicant: 燕山大学
Abstract: 本发明提供一种目标检测方法、装置及电子设备，该方法包括：获取目标的图像数据；将图像数据输入预建深度轻量网络，输出不同尺度的预测头；对预测头进行解码，得到目标的类别、定位框及类别置信度。该方案可以大幅度提高目标检测的精度和推理速度。
-
公开(公告)号：CN113971731B
公开(公告)日：2025-01-28
申请号：CN202111266083.5
申请日：2021-10-28
Applicant: 燕山大学
IPC: G06V10/30 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种目标检测方法、装置及电子设备，该方法包括：获取目标的图像数据；将图像数据输入预建深度轻量网络，输出不同尺度的预测头；对预测头进行解码，得到目标的类别、定位框及类别置信度。该方案可以大幅度提高目标检测的精度和推理速度。
-
公开(公告)号：CN118900203A
公开(公告)日：2024-11-05
申请号：CN202411249998.9
申请日：2024-09-06
Applicant: 燕山大学
IPC: H04L9/40
Abstract: 本发明公开了一种在线实时的智能网联车网络攻击威胁分析与风险评估方法。该方法包括：获取威胁场景信息、损害场景信息以及攻击路径信息；以所述威胁场景信息、所述损害场景信息以及所述攻击路径信息作为输入，利用经训练的损害场景评估模型和攻击可行性评估模型，获得各损害场景的影响等级和攻击可行性等级；利用所述各损害场景的影响等级和所述攻击可行性等级，结合设定的风险矩阵计算获得智能网联车的风险等级。本发明能够有效识别系统当前受到的攻击威胁并且进行在线实时的风险评估，对于智能网联车自动驾驶技术的发展具有重要意义。
-
公开(公告)号：CN114820662A
公开(公告)日：2022-07-29
申请号：CN202210565810.6
申请日：2022-05-23
Applicant: 燕山大学
Abstract: 本发明涉及一种基于点云二维密度的路侧视角地面分割方法，包括下述步骤：获取雷达坐标系下路侧视角的地面原始点云数据；基于原始点云数据，采用密度计算获得二维密度、密度降序点云；基于二维密度、密度降序点云，获得点云二维密度的密度阈值；基于密度阈值、二维密度、密度降序点云，得到分割的地面点云。本发明方法应用时不需做出假设，具有广泛的适用性。本发明方法把地面点云处理成点云二维密度，计算量小，实时性高。并进一步在分割算法中采用栅格数据、kd树以优化计算过程。本发明方法得到的地面点云具有较高的准确性和较强的稳定性。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.013 seconds)
