基于多模态的异常驾驶行为判断方法与系统

    公开(公告)号:CN118928425A

    公开(公告)日:2024-11-12

    申请号:CN202410997093.3

    申请日:2024-07-24

    摘要: 本发明涉及一种基于多模态的异常驾驶行为判断方法与系统,属于汽车驾驶行为安全技术领域。该系统包括驾乘人员状态监测、道路环境监测、车辆运动状态监测模块、危险等级预评判模块、多模态数据融合判断模块。结合该系统,该方法实时同步进行驾乘人员状态监测、车辆运动状态监测、道路环境监测;通过危险等级预评判模块预先判断驾驶的危险等级;多模态数据融合判断模块通过融合道路环境数据、车辆运动数据和驾驶员状态数据,构建基于逻辑回归的多指标动态阈值判断识别算法,实现对融合多模态数据的异常驾驶行为的准确识别。本发明及时提醒驾驶员并监督驾驶员规整驾驶行为,使得识别更准确,驾车更安全。

    一种基于驾驶员监测与识别的座舱协同控制系统和方法

    公开(公告)号:CN114889542B

    公开(公告)日:2024-07-26

    申请号:CN202210621298.2

    申请日:2022-06-01

    IPC分类号: B60R16/037

    摘要: 本发明涉及一种基于驾驶员监测与识别的座舱协同控制系统和方法,属于人工智能领域。该系统包括座舱控制器、座椅、后视镜、车载摄像头和车载状态传感器,座舱控制器包括激活模块、驾驶员识别模块、信息获取模块、座椅调节模块、后视镜调节模块、信息存储模块和身份判断模块,各模块间相互协同,采用尺寸检测算法和视角定位检测算法实现座椅和后视镜的协同调节,并根据所识别的驾驶员身份信息结合车辆状态,将车辆状态为正常行驶时,座舱的座椅和后视镜设备的协同调节信息与身份信息结合进行记忆存储。提高座舱环境调节的准确性,增加体验感,实现最优化、最舒适和最安全的驾驶体验。

    一种基于双目视觉的路沿检测方法

    公开(公告)号:CN110197173B

    公开(公告)日:2022-09-23

    申请号:CN201910512488.9

    申请日:2019-06-13

    摘要: 本发明涉及一种基于双目视觉的路沿检测方法,属于智能交通领域。该方法在通过UV视差图得到感兴趣区域的基础上,提取路沿的外观特征和几何特征,采用大小轮廓滤除法滤除路面干扰;在得到外观特征的基础上,采用霍夫变换提取边缘特征信息,并通过直方图统计得到左右路沿候选位置,并根据路沿的几何特征,进一步滤除干扰点,然后对应到霍夫检测的结果中,筛选出左右路沿;采用卡尔曼滤波对路沿实现跟踪,将跟踪结果反馈至下一帧的检测结果中,从而进一步滤除误检点,提高检测精度,得到最终路沿检测结果。本发明可以充分利用双目立体视觉的优点,结合路沿的多种特征精确稳定地检测路沿。

    一种车联网中基于移动边缘计算的任务卸载方法

    公开(公告)号:CN114640966A

    公开(公告)日:2022-06-17

    申请号:CN202210242936.X

    申请日:2022-03-11

    IPC分类号: H04W4/44 H04W28/08 G06N3/12

    摘要: 本发明属于移动通信技术领域,具体涉及一种车联网中基于移动边缘计算的任务卸载方法,该方法包括:构建多边缘服务器联合卸载模型;获取车辆的卸载任务,并根据车辆的卸载任务构建卸载基站选择向量;根据卸载基站选择向量采用基于等价最大容忍时延的资源分配方法计算进行任务卸载的负载和能耗;以能耗作为适应性函数,并采用遗传算法对车辆的卸载任务进行迭代优化,得到卸载基站选择方案;根据卸载基站选择方案使用强化学习对任务卸载策略进行优化,得到任务卸载比率和卸载功率;根据选定的卸载基站、制定的卸载比率和卸载功率完成任务卸载;本发明有效的降低了系统总能耗开销,实现了车联网任务卸载和资源分配的有效性。

    车联网中连接时间约束下的基于资源重分配的任务卸载方法

    公开(公告)号:CN114599014A

    公开(公告)日:2022-06-07

    申请号:CN202210261412.5

    申请日:2022-03-16

    摘要: 本发明涉及一种车联网中连接时间约束下的基于资源重分配的任务卸载方法,属于移动通信技术领域,包括以下步骤:S1:建立交通流模型,根据车辆的位置信息推导行驶速度,基于等效转换,计算车辆间的连接时间;S2:基于贪婪思想对车辆进行匹配;S3:将卸载决策、信道资源分配、新产生任务和正在计算的任务的资源分配统筹表示为方案矩阵,对迭代过程中不同的卸载决策提出概率变异策略和针对变异产生问题的修正算法,对部分卸载决策和资源分配进行归一化处理来满足约束条件;S4:基于同化变异算法和小生境改进的平衡优化器优化算法对方案矩阵进行迭代寻优。本方法提高了车辆间连接稳定性和任务卸载成功率,降低了超时率和系统成本。

    基于激光雷达和摄像机的路沿检测方法

    公开(公告)号:CN108519605B

    公开(公告)日:2021-09-07

    申请号:CN201810313071.5

    申请日:2018-04-09

    IPC分类号: G01S17/931 G01S17/86

    摘要: 本发明涉及基于激光雷达和摄像机的路沿检测方法,属于智能交通领域。该方法为:采用激光雷达获取路沿点云数据,采用摄像机获取道路图像数据;对雷达数据和摄像机数据分别进行预处理,并进行联合标定;处理每帧雷达点云数据,对于每条扫描线,根据路沿的线性特征采用一种基于距离的方法提取候选路沿特征点;处理每帧图像数据,采用成熟的方法检测图像中车道线,提取车道线模型;采用车道线模型对提取的候选路沿特征点进行拟合;判断候选路沿点与拟合线之间的距离,并通过路沿点修正拟合线,得到路沿检测结果。本发明可以充分利用激光雷达和摄像机的优点精确地、稳定地检测路沿。

    一种多功能无障碍车远程监控与辅助驾驶系统

    公开(公告)号:CN112660157A

    公开(公告)日:2021-04-16

    申请号:CN202011452916.2

    申请日:2020-12-11

    IPC分类号: B60W60/00 B60W40/08 G05D1/00

    摘要: 本发明请求保护一种多功能无障碍车远程监控与辅助驾驶系统,主要包括:车载5G+V2X终端、无障碍车下位机、信息服务云平台。车载5G+V2X终端用于无障碍车和驾驶者的状态监控与异常状态的检测及报警、远程遥控驾驶和自动驾驶的融合感知与决策规划,使得驾驶者亲属能及时掌握无障碍车的出行状况,且当发生异常情况时,驾驶者亲属可远程接管无障碍车,通过5G监控终端的操控界面遥控驾驶或启用自动驾驶功能驾驶无障碍车低速行驶至目的地;无障碍车下位机用于车载传感器的数据采集与控制指令的接收和执行;信息服务云平台用于用户数据管理与提供设备间通信接口。本发明可有效提高行动不便人群乘坐无障碍车出行的安全性。

    一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法

    公开(公告)号:CN112389448A

    公开(公告)日:2021-02-23

    申请号:CN202011318762.8

    申请日:2020-11-23

    摘要: 本发明请求保护一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法,包括步骤:从V2X车载终端OBU中获取当前车辆行驶信息,通过V2X路侧设备RSU或地图信息判断车辆所在车道并获取车道方向角,结合车辆航向信息判断车辆行驶状态。利用车载摄像头获取驾驶员驾驶时状态视频序列,通过驾驶员异常状态监测算法,对驾驶员驾驶状态进行分析,实现对驾驶员状态的实时监控,利用关键点监测非驾驶员是否对驾驶造成干扰,实现对非驾驶员的监控。最后综合以上所获得的状态信息统一处理,判别当前车辆行驶状态,并结合保护动机理论建立分级预警和紧急措施。本发明融合车辆多种状态信息进行判别,增加检测结果的准确性,增强了辅助驾驶安全性。

    一种基于V2X通信的室外智慧停车系统

    公开(公告)号:CN108230734B

    公开(公告)日:2021-02-09

    申请号:CN201810027685.7

    申请日:2018-01-11

    IPC分类号: G08G1/14 G08G1/0968

    摘要: 本发明为一种基于V2X通信的室外智慧停车系统。该系统主要由车辆车载终端、停车场V2X路侧设备、停车场云平台三部分组成。车辆车载终端,负责建立与停车场V2X路侧设备和云平台通信,实现获取停车场局部地图以及车位信息、申请停车位与停车导航等功能;停车场V2X路侧设备实现基于车辆高精度定位与V2X通信方式的停车场车位状态监控,管理停车场车位。停车场云平台负责采集和发布停车场车位状态信息、管理停车场局部地图、管理停车费用支付等功能,为车载终端的智慧停车应用提供车位状态和地图等基本信息。本发明为停车场车位管理提供低成本、高效的信息服务,为停车、找车提供更加便捷的服务。

    混合交通状态下基于机器学习的非网联车状态估计方法

    公开(公告)号:CN108682148A

    公开(公告)日:2018-10-19

    申请号:CN201810449966.1

    申请日:2018-05-11

    摘要: 本发明涉及混合交通状态下基于机器学习的非网联车状态估计方法,属于智能交通领域。在不同的时刻下,当两个网联车之间存在不同数量的非网联车时,相对驾驶行为会相应变化,并存在一定的关联关系;qt为t时刻下非网联车的数量,ot为t时刻下两辆相邻网联车的相对驾驶行为;明确这两者之间存在的关联关系,通过机器学习的方法隐马尔可夫模型,利用这个关联关系在已知两辆网联车的相对驾驶行为的情况下估计非网联车的数量。本发明将极大提高网联车的感知能力,进一步高效可靠地实现基于网联车的安全应用,也将增强交通状态的估计能力,有利于交通管理和优化,提高交通运行效率。