-
公开(公告)号：CN111144015A
公开(公告)日：2020-05-12
申请号：CN201911392624.1
申请日：2019-12-30
Applicant: 吉林大学
Abstract: 本发明涉及一种自动驾驶汽车虚拟场景库构建方法，包括数据采集、数据提取、数据清洗、标注场景要素、形成数据集、确定最佳k值、确定聚类初始中心、获得逻辑场景、构建虚拟场景库等步骤，本发明为自动驾驶虚拟场景库的构建提供了理论依据和技术支持，该方法操作简便，可提供大量不同要求的测试目标场景环境，用于测试自动驾驶系统在虚拟场景下的安全性，代替实车在实际环境中的测试，节约大量成本，而且测试效率更高，可重复性更强，并且可以模拟各种不同要求的场景，能够加快自动驾驶汽车的研发，从而促进自动驾驶汽车快速、安全上路。
-
公开(公告)号：CN111027505A
公开(公告)日：2020-04-17
申请号：CN201911314479.5
申请日：2019-12-19
Applicant: 吉林大学
Abstract: 本发明涉及一种基于显著性检测的分层多目标跟踪方法，包括以下步骤：构建基于已有标准数据集与人工标注混合的混合数据集；构建道路交通场景显著性区域检测子网络生成显著性区域与非显著性区域；利用目标检测算法检测每一帧目标；构建卷积网络、长短时记忆与图卷积网络相结合的多目标跟踪网络模型，并跟踪显著性区域目标；构建并行KCF池对非显著性区域内目标进行单目标跟踪；将显著性区域与非显著性区域轨迹结合并后处理生成整体轨迹。本发明通过增加快速显著性检测方法，生成显著性区域包围框，对以输入检测和跟踪目标；能够加快检测速度同时，保持检测精度；可为真实情景下自动驾驶多目标跟踪降低计算复杂度，加速跟踪。
-
公开(公告)号：CN115618294A
公开(公告)日：2023-01-17
申请号：CN202211218397.2
申请日：2022-10-05
Applicant: 吉林大学
IPC: G06F18/2433 , G06F18/2431 , G06Q10/0639 , G06Q50/30
Abstract: 本发明涉及一种车联网行驶大数据异常标记方法及电子设备，根据车辆动力学关系构造动态偏差特征指标，计算数据集的动态力观测偏差特征指标及动态速度观测偏差特征指标，根据计算结果构造二维特征状态训练数据集，利用孤立森林算法对异常数据进行标记。所述异常标记方法从车辆动力学角度构建指标对多维车辆行驶数据集进行降维处理，解决了传统车辆行驶数据降维处理无法反映车辆动力学模型本质特征、非线性依赖关系数据检测效果受限等问题，可为海量高维车联网行驶数据清洗提供更高效、准确的异常数据检测效果，大大降低其计算成本及时间成本。
-
公开(公告)号：CN110674594A
公开(公告)日：2020-01-10
申请号：CN201910987643.2
申请日：2019-10-17
Applicant: 吉林大学
IPC: G06F30/20
Abstract: 本发明涉及一种基于人机工程的复兴号动车组驾驶室分析方法，为改善列车驾驶员的工作环境并降低驾驶员的疲劳程度，通过对列车驾驶室的布局设计进行人机工程校核与优化，在提高驾驶员的工作效率的同时，保证列车行驶的安全性与可靠性。本发明以复兴号某车型的驾驶室为研究对象，利用RAMSIS软件开发环境建立了具适用于本研究的三维人体模型；依据标准对列车驾驶室的驾驶员伸及性、前方视野性、空间性、仪表盘视野性及坐姿舒适性等方面进行人机工程校核，针对欠缺合理之处进行了优化；在此基础上，利用G1评价方法对已设计的驾驶室布局进行评价，结果表明本发明对列车驾驶室布局设计方法优于传统车型的驾驶室设计，对列车驾驶室的布置具有重要的指导意义。
-
公开(公告)号：CN109784768A
公开(公告)日：2019-05-21
申请号：CN201910119821.X
申请日：2019-02-18
Applicant: 吉林大学
Abstract: 本发明涉及一种驾驶任务识别方法，包括步骤：利用驾驶规范性评价指标建立驾驶规范等级评价模型，评选高规范等级驾驶人作为试验对象；设计试验对象执行几种常见的驾驶任务的实车试验，并为每种驾驶任务分配驾驶任务数字识别序列；利用驾驶任务识别指标与驾驶任务数字识别序列，建立基于深度神经网络的驾驶任务特征模型；采集测试驾驶人的驾驶任务识别指标并分别输入各个驾驶任务特征模型中，使用拟合优度衡量测试驾驶任务与各特征模型的显著性差异，拟合优度最高的驾驶任务特征模型映射测试驾驶人的驾驶任务，达到识别驾驶任务的效果。本发明可以在汽车高级驾驶辅助系统、道路驾驶技能考试等需要监测驾驶人行为的领域有较好的普遍适用性。
-
Patent Agency Ranking
公开(公告)号：CN111027505B
公开(公告)日：2022-12-23
申请号：CN201911314479.5
申请日：2019-12-19
Applicant: 吉林大学
IPC: G06V20/56 , G06V10/46 , G06V10/774 , G06N3/04
Abstract: 本发明涉及一种基于显著性检测的分层多目标跟踪方法，包括以下步骤：构建基于已有标准数据集与人工标注混合的混合数据集；构建道路交通场景显著性区域检测子网络生成显著性区域与非显著性区域；利用目标检测算法检测每一帧目标；构建卷积网络、长短时记忆与图卷积网络相结合的多目标跟踪网络模型，并跟踪显著性区域目标；构建并行KCF池对非显著性区域内目标进行单目标跟踪；将显著性区域与非显著性区域轨迹结合并后处理生成整体轨迹。本发明通过增加快速显著性检测方法，生成显著性区域包围框，对以输入检测和跟踪目标；能够加快检测速度同时，保持检测精度；可为真实情景下自动驾驶多目标跟踪降低计算复杂度，加速跟踪。
-
公开(公告)号：CN111413979B
公开(公告)日：2021-02-19
申请号：CN202010263890.0
申请日：2020-04-07
Abstract: 本发明提供一种基于快速模型预测的汽车轨迹跟踪控制方法，目的是优化模型预测控制的计算，提高模型预测控制的求解速度，包括建立车辆动力学模型、建立基于快速模型预测的汽车轨迹跟踪控制系统、基于系统输出与给定输出构建优化问题、基于Move‑Blocking策略对模型预测控制进行优化计算等步骤，本发明在模型预测控制的基础上，引入Move‑blocking策略将模型预测控制进行优化，减小优化过程的计算复杂度，使其能快速求解，提高汽车控制的实时性，能够在满足约束条件下保证系统输出紧密跟踪期望值，使跟踪精确度更高。
-
公开(公告)号：CN112362356A
公开(公告)日：2021-02-12
申请号：CN202011201977.1
申请日：2020-11-02
IPC: G01M17/007
Abstract: 本发明涉及一种考虑乘员舒适度的智能车制动停车能力测试方法，兼顾安全与体验两个维度，采用离散数据的曲线拟合方法，将试验采集的乘员主观舒适度与客观行车数据结合，反复在敏感人群进行测试验证，最终得到“制动减速度最优曲线”，旨在考虑乘员舒适度的情况下为评估自动驾驶车辆制动时乘员舒适度提供评价量化标准，将涉及自动驾驶停车类的相关测试项目提升到安全和舒适并重的高度，为自动驾驶车辆制动停车性能的多维度评价提供了理论依据和技术支撑。
-
公开(公告)号：CN110232257A
公开(公告)日：2019-09-13
申请号：CN201910589116.6
申请日：2019-07-02
Applicant: 吉林大学
IPC: G06F17/50
Abstract: 本发明涉及一种自动驾驶测试场景的构建方法及其难度系数计算方法，首先依次建立测试场景递阶层次结构框架，所述的结构框架至少包括四层：目标层、维度层、类别层和要素层，目标层下包括至少四个维度，每个维度下包括数个类别，每个类别下包括数个要素，根据目标层确定所要构建的目标场景，依次在各维度下确定类别，在类别中选取所需的具体要素，最终构建成目标测试场景。对各个维度内的不同层级元素赋予权重，对拟构建的场景进行要素匹配并完成对该场景测试难度系数的计算。本发明填补当下自动驾驶测试场景构建方法领域内的空缺，提出对所构建场景的测试难度等级评价方法，以及制定各功能测试项目进行测试方案。
-
公开(公告)号：CN116773853A
公开(公告)日：2023-09-19
申请号：CN202310447591.6
申请日：2023-04-24
Applicant: 吉林大学
IPC: G01P21/02 , G06F18/241 , G06F18/27
Abstract: 本发明涉及一种车用纵向加速度传感器静态误差的在线辨识方法、系统及车辆，建立基于GPS数据的纵向加速度传感器静态误差观测模型，仅利用GPS设备数据修正加速度传感器静态误差，结合递归最小二乘估计算法能够在车辆起动后进行加速度传感器静态误差的在线辨识，并快速得到高精度的静态误差辨识结果，低成本、高效辨识加速度传感器静态误差，解决了目前加速度传感器静态误差辨识方法模型复杂度高、稳定性及精度不理想问题，用于加速度传感器测量数据的实时修正，能够为车辆行驶过程中的道路坡度在线估计和整车质量实时辨识提供高精度的车辆加速度数据。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.016 seconds)
