-
公开(公告)号：CN118736890A
公开(公告)日：2024-10-01
申请号：CN202410746156.8
申请日：2024-06-11
Applicant: 吉林大学
IPC: G08G1/16 , G06F18/213 , G06F18/25 , G06N3/0442 , G06N3/048
Abstract: 本发明涉及一种基于车辆轨迹交互动力学的周车轨迹预测方法，在车辆轨迹预测过程中，对能够代表驾驶员驾驶意图、驾驶风格、驾驶策略这些隐形特征的时间依赖特征、时空依赖特征、时空交互特征进行提取并融合到最终的预测结果中，从而能够更加全面的对影响周车轨迹的各种因素之间的交互作用进行综合考虑，使预测轨迹更加准确。另外，由于采用了模块化的特征提取方法，因此提高了车辆预测轨迹的可解释性，更加便于对轨迹预测模型的调试与优化，同时使人们能够及时防范、避免特定情况下，车辆轨迹预测模型对周车轨迹进行错误的预测，从而降低了车辆在道路上潜在的碰撞隐患。
-
公开(公告)号：CN119046648A
公开(公告)日：2024-11-29
申请号：CN202410746144.5
申请日：2024-06-11
Applicant: 吉林大学
IPC: G06F18/21 , G06F18/10 , B60W60/00 , B60W50/00 , G06F123/02
Abstract: 本发明涉及一种用于轨迹预测的特征构建方法，所述方法包括以下步骤：步骤一：获取车辆真实轨迹数据集数据样本，对车辆真实轨迹数据样本进行预处理；步骤二：对预处理后的样本构造车辆的时间依赖特征、时空依赖特征；步骤三：利用预处理的样本确定车辆交互的安全交互区域；步骤四：利用时间依赖特征、时空依赖特征、安全交互区域将车辆的交互的场景样本构建成交互动态图结构，用于时空交互特征的构建，时空交互动态图从而反应周围车不同位置对于自车产生的影响，周围车不同位置对于自车时间轨迹产生的影响，通过时间依赖特征、时空依赖特征和时空交互特征这三个维度来表达场景，从而提高轨迹预测模型的准确性和可解释性。
-
公开(公告)号：CN118690120A
公开(公告)日：2024-09-24
申请号：CN202410781136.4
申请日：2024-06-18
Applicant: 吉林大学
IPC: G06F18/10 , G06F18/2134 , G06F18/24 , G06N3/0464 , G06N3/0499 , A61B5/18 , A61B5/16 , A61B5/0205 , A61B5/00
Abstract: 本发明提供一种多模态的驾驶员分心状态识别算法，包括以下步骤：模态数据#imgabs0#包括#imgabs1#通过输入编码模块对模态数据进行卷积处理，得到对齐模态数据#imgabs2#所述对齐模态参数#imgabs3#包括#imgabs4##imgabs5#对同一时间段的各对齐模态参数#imgabs6#在通道维度进行拼接，得到拼接数据X，#imgabs7#通过时间&通道注意力模块对拼接数据X处理，得到X时间注意力和通道注意力的相关性结果OTCA1；通过全连接模块，对相关性结果OTCA1进行三层全连接操作，每层全连接后进行批量归一化和激活，最终给出分类结果Y；所述分类结果Y包括分心、不分心；实现发挥不同模态数据在驾驶分心识别的优势，实现对多模态数据进行接近真实过程的处理，解决各个模态间的相关性问题和各模态数据中包含的时序信息问题，提高驾驶分心识别精度和准度。
-
公开(公告)号：CN116403185A
公开(公告)日：2023-07-07
申请号：CN202310300321.2
申请日：2023-03-27
Applicant: 吉林大学
IPC: G06V20/58 , G06V10/20 , G06V10/42 , G06V10/44 , G06V10/74 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 基于视觉融合感知的全天候路面障碍物检测预警方法，属于汽车安全驾驶技术领域，通过视觉感知的方法，利用车载摄像头和红外摄像头的图像融合技术，配合基于深度学习的目标检测算法，再通过障碍物的标定技术，更加准确地识别障碍物；本发明采用红外图像和可见光图像的视觉融合技术及目标识别与检测技术，克服了单一传感器识别的局限性和不确定性，融合各种传感器的不同特点，通过提高检测图片质量从而减小检测误差的办法，利用红外图像长于根据物体辐射差异提取边缘轮廓信息而可见光图像可以清楚凸显纹理等信息的优点加以综合，突出路面障碍物，以提高检测精度。
-
-
-
Search Results
4
records
(took 0.016 seconds)
