-
公开(公告)号：CN117011651A
公开(公告)日：2023-11-07
申请号：CN202310892260.3
申请日：2023-07-20
Applicant: 吉林大学
IPC: G06V10/776 , G06V10/94 , G06V20/56 , G06V20/70 , G06V10/26 , G06V10/764 , H04N17/00
Abstract: 本发明涉及一种雾气环境智能汽车相机感知测试模型及测试方法，利用语义分割将无雾图像的像素进行分类，得到天空区域、道路区域和交通参与者区域；并考虑对应区域的特征分别进行大气光估计。利用预期模拟的雾气能见度，结合测试场景景深对雾气的透射率进行估计，并通过相机几何模型确定图像平面的场景物体景深分布保证精准的雾气模拟，最终通过图像模糊模型输出雾气图像。在相机雾气测试过程中，利用CON50指标进行图像识别算法评价，描述在雾气环境下图像识别算法的功能边界，并指导仿真或实车测试场景搭建，按照CON50布置目标物对该能见度的智能汽车相机感知功能进行测试，提高测试效率并降低测试成本。
-
公开(公告)号：CN116523966A
公开(公告)日：2023-08-01
申请号：CN202310559886.2
申请日：2023-05-18
Applicant: 吉林大学
Abstract: 本发明提供一种融合场景先验知识的多模态航拍视频车辆目标跟踪方法，包括关联感兴趣区域提取、局部图片边缘检测、局部图片主色提取、计算外观权重向量、构建场景先验信息库、下一帧目标状态变量预测和目标关联结果输出等步骤，充分挖掘多模态小目标特征，充分考虑隔帧之间的时空限制，充分利用场景先验信息，所得的目标跟踪结果更为准确，解决目标跟踪的难点即ID混淆问题，实现稳定、准确的航拍视频车辆目标跟踪，用以构建真实准确的车辆行驶轨迹，从轨迹中提取交通参数，为智能汽车研究提供真实有效的数据支持，为基于数据驱动的智能汽车研究方法打下基础，支持智能汽车感知、决策规划、控制、测试等领域的研究。
-
公开(公告)号：CN114979624B
公开(公告)日：2025-04-25
申请号：CN202210540790.7
申请日：2022-05-17
Applicant: 吉林大学
IPC: H04N17/00
Abstract: 本发明涉及一种车载相机测试平台及方法，特别涉及一种用于车载相机边缘场景检测的在环测试系统，包括测试平台、六自由度运动平台、显示器以及气象模拟系统，所述的气象模拟系统包括分级式雨量模拟系统、光照模拟系统和雾气模拟系统；测试实验步骤共分为3部分即测试平台标定、边缘场景测试和测试数据采集。本发明能够同时模拟多种气象条件，为车载相机提供更丰富的测试场景，通过5个不同的测试等级对车载相机进行边缘场景测试，提高相机测试的精准度和可靠性。本发明平台通过获得的功能参数为车载相机功能开发者提供更加准确、丰富的数据信息，进而更新智能汽车车载相机功能和功能对应的边缘场景以满足实际智能汽车感知要求。
-
公开(公告)号：CN118982675A
公开(公告)日：2024-11-19
申请号：CN202410980778.7
申请日：2024-07-22
Applicant: 吉林大学
IPC: G06V10/28 , G06V10/762 , G06V10/764 , G06V20/54
Abstract: 本发明涉及一种面向智能汽车复杂测试场景的主客观融合关键性量化方法，包括对复杂测试场景数据集进行处理、主客观融合关键性量化方法、利用软聚类算法对测试场景进行关键性量化等步骤，首先，该方法融合主观驾驶人评价和客观风险场量化了复杂测试场景的关键性；其次，基于软聚类方法实现了考虑样本数目不均衡的关键性量化，提高效率的同时降低人力成本。本发明能够确定复杂测试场景的测试价值和必要性，能够筛选出具有高测试价值的场景。本发明能够为关键测试场景提取与生成建立研究基础。
-
公开(公告)号：CN115016499B
公开(公告)日：2024-10-25
申请号：CN202210792993.5
申请日：2022-07-07
Applicant: 吉林大学
IPC: G05D1/43
Abstract: 本发明公开了一种基于SCA‑QL的路径规划方法，其方法为：第一步、获取真实环境信息，包括智能体在真实环境下的起点位置和终点位置信息、障碍物位置信息；第二步、根据真实环境信息，建立用于智能体训练的仿真环境；第三步、在仿真环境中运行SCA‑QL算法对智能体进行训练求解最优路径：其中，通过改进正余弦算法的方式对建立的Q值表进行初始化，在此基础上基于Q‑learning方法训练强化学习模型，求解最优路径。有益效果：减少了Q‑learning方法在训练最初阶段无目的、完全随机的搜索过程中大量无效迭代，本方法具有更快的收敛速度和更准确的路径规划结果，提高了智能体面对复杂场景下的路径规划效率。
-
Patent Agency Ranking
公开(公告)号：CN115577561A
公开(公告)日：2023-01-06
申请号：CN202211397638.4
申请日：2022-11-09
Applicant: 吉林大学
IPC: G06F30/20 , G06F30/28 , G06T5/00 , G06T5/50 , G06T19/00 , G06T19/20 , G06F113/08 , G06F119/14
Abstract: 本发明提供一种面向降雨天气智能汽车相机性能的在环测试系统，包括现实降雨模拟箱、显示器、工控机和被测相机，本发明的环测试过程基于现实降雨模拟箱，结合虚拟交通模拟，虚拟交通模拟为被测相机提供复杂的道路条件和动静态交通参与者信息，现实降雨模拟箱负责模拟相机视角的雨滴造成的模糊效应，通过物理降雨模拟和虚拟仿真图像信息进行融合，为被测相机提供高拟真度的降雨环境下的图像信息进行闭环测试，可以针对相机硬件、相机图像处理算法、相机ECU、ADAS算法进行测试。
-
公开(公告)号：CN115691134B
公开(公告)日：2024-10-01
申请号：CN202211342209.7
申请日：2022-10-31
Applicant: 吉林大学
IPC: G08G1/01
Abstract: 本发明涉及一种基于对抗生成网络的智能汽车测试场景库构建方法，包括车辆轨迹数据采集、车辆轨迹特征提取、数据预处理、建立轨迹特征数学模型和对抗生成网络训练等步骤，本发明利用对抗生成网络进行智能汽车测试场景生成，在隐空间进行变量的生成学习弱化了生成网络训练难度，削减网络较长的时序记忆能力以便生成更加真实的车辆轨迹测试场景库。本发明方法为解决实际动态交通流中车辆运动轨迹场景数量较少无法满足智能汽车测试需求的难题提出创新的解决方案。本发明适用复杂多变的十字路口、交叉路口等道路交通环境，同样适用于快速路、高速公路等其他路段轨迹生成。
-
公开(公告)号：CN117725387A
公开(公告)日：2024-03-19
申请号：CN202311847645.4
申请日：2023-12-29
Applicant: 吉林大学
IPC: G06F18/20 , G06F18/213 , G06N3/0442 , G06N3/084 , G06F18/2431 , G06F18/22 , G01M17/007
Abstract: 本发明涉及一种基于时空超图学习的智能汽车测试场景关键性量化方法，利用超图模型构建多维度场景要素之间内在关系的空间特征，并利用门控循环单元学习智能汽车测试场景中全要素时序信息，进而实现面向全维度复杂测试场景要素的关键性量化。可以提高测试效率，降低测试成本。本发明构建的超图结构考虑了图的动态性、有向性、时空性和异质性。
-
公开(公告)号：CN116704044A
公开(公告)日：2023-09-05
申请号：CN202310674650.3
申请日：2023-06-08
Applicant: 吉林大学
Abstract: 本发明提供一种面向降雨复杂环境智能汽车测试的相机模型构建方法，包括相机几何模型构建和相机物理模型构建，相机几何模型用于确定测试场景中目标物体在相机成像平面内像素位置，相机物理模型通过光源信息、降雨信息和相机参数信息基于光线追踪确定对应像素位置的像素强度，通过像素强度确定对应图像信息特征。本发明可以在虚拟仿真或封闭场地测试前提供先验知识，对测试的结果进行预测，或用于指导虚拟仿真边缘测试场景的搜索或封闭场地中目标物体的实际布置情况，降低测试成本，提高测试效率，缩短测试周期。
-
公开(公告)号：CN114030485A
公开(公告)日：2022-02-11
申请号：CN202111569940.9
申请日：2021-12-21
Applicant: 吉林大学
IPC: B60W60/00 , B60W40/064 , G06F30/20 , G06F30/15
Abstract: 本发明涉及一种考虑附着系数的自动驾驶汽车类人换道决策规划方法，将三种常见附着系数下的驾驶人换道数据分别送入三个基于LSTM的神经网络决策规划模型，先使用神经网络决策模型深度学习的方法学习人类换道决策行为，再使用神经网络规划模型深度学习的方法学习人类换道轨迹，得到当前交通环境下每种附着下的预测轨迹输出；在驾驶任务中，接收实际路面附着系数的估计值,结合离散附着系数的输出轨迹进行轨迹融合，得到当前实时决策行为以及规划轨迹。本发明研究人类驾驶员的驾驶行为与驾驶习性机理，并使自动驾驶汽车理解人类驾驶方式、像人类一样进行驾驶，提升人对自动驾驶汽车的乘坐认同感，为提升智能驾驶汽车接受度提供了参考。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.023 seconds)
