-
公开(公告)号：CN115167134B
公开(公告)日：2024-10-25
申请号：CN202210846015.4
申请日：2022-07-19
Applicant: 燕山大学
IPC: G05B13/04
Abstract: 本发明涉及一种基于多维奖励Q学习的模型预测加权因子动态调整方法，属于自动驾驶车辆轨迹跟踪控制领域。解决了采用模型预测控制原理设计轨迹跟踪控制器时对加权因子的选取不当会降低自动驾驶车辆轨迹跟踪稳定性和精确性以及行驶安全性的问题。本发明通过强化学习中Q学习方法，训练了加权因子最优调整策略，可实时动态调整模型预测轨迹跟踪控制器的加权因子，从而实时优化自动驾驶车辆的轨迹跟踪性能，以减少在每个采样时刻下车辆实际位置与预期轨迹之间的误差，提高自动驾驶车辆的轨迹跟踪精度和行驶稳定性、舒适性。
-
公开(公告)号：CN114972941B
公开(公告)日：2024-08-13
申请号：CN202210507500.9
申请日：2022-05-11
Applicant: 燕山大学
IPC: G06V10/80 , G06V10/82 , G06V20/58 , G01C21/00 , G01S13/89 , G01S17/89 , G06V10/26 , G06V10/75 , G06V10/764
Abstract: 本申请提供一种被遮挡车辆三维检测的决策融合方法、装置及电子设备，该方法包括：获取实时同步的车载感知传感器和路侧感知传感器的车载传感器数据和路侧传感器数据；将车载传感器数据和路侧传感器数据分别输入预建深度学习目标检测网络，分别得到车载车辆信息和路侧车辆信息；将车载车辆信息和路侧车辆信息进行匹配，得到匹配结果；根据车载车辆信息，确定车载感知传感器检测到的车辆的遮挡类型；根据遮挡类型及匹配结果，修正匹配结果。该方案可以快速合理的感知车辆检测决策，降低误检率及漏检率。
-
公开(公告)号：CN114972941A
公开(公告)日：2022-08-30
申请号：CN202210507500.9
申请日：2022-05-11
Applicant: 燕山大学
IPC: G06V10/80 , G06V10/82 , G06V20/58 , G01C21/00 , G01S13/89 , G01S17/89 , G06V10/26 , G06V10/75 , G06V10/764
Abstract: 本申请提供一种被遮挡车辆三维检测的决策融合方法、装置及电子设备，该方法包括：获取实时同步的车载感知传感器和路侧感知传感器的车载传感器数据和路侧传感器数据；将车载传感器数据和路侧传感器数据分别输入预建深度学习目标检测网络，分别得到车载车辆信息和路侧车辆信息；将车载车辆信息和路侧车辆信息进行匹配，得到匹配结果；根据车载车辆信息，确定车载感知传感器检测到的车辆的遮挡类型；根据遮挡类型及匹配结果，修正匹配结果。该方案可以快速合理的感知车辆检测决策，降低误检率及漏检率。
-
公开(公告)号：CN113255504B
公开(公告)日：2022-07-22
申请号：CN202110547978.X
申请日：2021-05-19
Applicant: 燕山大学
Abstract: 本发明涉及一种基于深度学习的路侧视角超视距全域融合感知系统，对路侧布置的摄像头、激光雷达、毫米波雷达异构数据采集和进行数据层融合，并利用深度学习分别处理融合后的图像和激光雷达点云数据，最终利用决策层融合实现融合感知。通过在路侧布置感知系统，并结合图像、激光雷达点云、毫米波雷达点云数据各自的优势，可以提升感知视距，并在多个层面对监控区域进行场景理解，最终为网联自动驾驶车辆提供充足可靠的感知信息。
-
公开(公告)号：CN114545434A
公开(公告)日：2022-05-27
申请号：CN202210039036.5
申请日：2022-01-13
Applicant: 燕山大学
Abstract: 本申请提供一种路侧视角测速方法、系统、电子设备及存储介质，该方法包括：获取摄像设备采集的图像数据和雷达传感器采集的雷达点云数据；摄像设备和雷达传感器时间同步；对雷达点云数据进行滤波、降维处理，得到处理后点云数据；对图像数据进行目标检测及跟踪处理，得到视觉输出信息；对处理后点云数据及视觉输出信息进行融合处理，得到目标空间信息；根据目标空间信息及视觉输出信息，确定速度信息；将速度信息、目标空间信息及视觉输出信息进行数据结构化，确定输出数据。该方案速度检测精度高且准确性高。
-
Patent Agency Ranking
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：CN113657676B
公开(公告)日：2024-05-14
申请号：CN202110953850.3
申请日：2021-08-19
Applicant: 燕山大学
Abstract: 本发明涉及一种考虑多维度驾驶人特性的制动反应时间预测方法，包括建立制动反应时间的影响因素解构模型、发放调查问卷、基于调查问卷建立结构方程SEM模型、设计驾驶负荷试验方案、采集制动反应时间数据、建立基于BP神经网络的制动反应时间预测模型、对制动反应时间预测模型进行性能检验等步骤，本发明使用结构方程模型全面地解构驾驶人制动反应时间的影响因素，借助试验采集有效制动反应时间数据和驾驶人特性指标，从人因角度深入分析各个因素的影响机制和参与方式，建立考虑多维度驾驶人特性的制动反应时间预测模型，为开发基于行车风险预测的先进驾驶人辅助系统提供支持。
-
公开(公告)号：CN116859731A
公开(公告)日：2023-10-10
申请号：CN202310804271.1
申请日：2023-07-03
Applicant: 中车长春轨道客车股份有限公司 , 燕山大学 , 吉林大学
IPC: G05B13/04
Abstract: 本发明提供一种基于强化学习的增强高铁自动驾驶控制系统准时性的方法，通过建立基本数据模块和列车运行仿真模块，设置奖励函数和额外单步奖励，设计神经网络结构，构建高速列车自动驾驶训练模型；确定训练参数执行训练，得到高速列车自动驾驶控制模型；本发明改进列车准时性奖励函数的设置方式，在保留原有全局奖励方法的基础上，设置一个在一轮训练过程中的每个单步中都能给予智能体准时性反馈的额外奖励函数，使奖励函数的引导性更强，解决准时性稀疏奖励难以获得的问题，提高列车自动驾驶控制系统的训练效率，更好地满足自动驾驶列车运行过程中的准时性要求。
-
公开(公告)号：CN116858581A
公开(公告)日：2023-10-10
申请号：CN202310769743.4
申请日：2023-06-28
Applicant: 中车长春轨道客车股份有限公司 , 燕山大学 , 吉林大学
IPC: G01M17/08 , G06F18/2415 , G06F18/213 , G06F18/15 , G06N3/048 , G06N3/084
Abstract: 一种高速智能动车组自动驾驶控制策略综合性能评价方法，属于列车组自动驾驶技术领域，步骤一、采集高速智能动车组多维自动驾驶特征数据，步骤二、基于熵权法的客观赋权，步骤三、基于德尔菲法将主观评价归一化处理，步骤四、生成综合评价数据集，步骤五、构建基于多层感知机的高速智能动车组自动驾驶算法评价模型。本发明用于高速智能动车组自动驾驶控制策略算法开发过程中主客观评价的统一，解决现有技术中缺乏高速智能动车组自动驾驶算法性能评价体系的问题，并提供可结合测试人员主观评价内容进行主客观统一评价的方法；对于高速智能动车组的发展具有重要意义。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.018 seconds)
