-
公开(公告)号：CN113859266A
公开(公告)日：2021-12-31
申请号：CN202111185879.8
申请日：2021-10-12
Applicant: 北京理工大学 , 北理慧动(北京)科技有限公司
Abstract: 本发明公开了一种非结构化道路目标车辆换道轨迹预测方法及系统。该方法包括：确定非结构化道路的虚拟车道和车辆换道行为；获取非结构化道路上行车数据；根据行车数据提取车辆轨迹数据；基于虚拟车道、车辆换道行为和车辆轨迹数据，确定换道数据；通过换道数据训练高斯混合‑隐马尔科夫模型，得到驾驶意图识别模型；驾驶意图识别模型的输出为车辆的换道意图；根据车辆的换道意图和车辆历史轨迹确定可能换道终点；根据车辆的当前位置和可能换道终点，基于车辆运动约束和多项式曲线模型，确定可能车辆换道轨迹集合；将可能车辆换道轨迹集合与实际轨迹进行匹配，得到车辆预测轨迹。本发明能够预测非结构化道路下，横纵向位移都不确定的换道轨迹。
-
公开(公告)号：CN113741179A
公开(公告)日：2021-12-03
申请号：CN202111309965.5
申请日：2021-11-08
Applicant: 北京理工大学 , 北理慧动(北京)科技有限公司 , 北京工业职业技术学院
IPC: G05B13/02
Abstract: 本发明涉及一种面向异构车辆的统一运动规划方法和系统。本发明在确定最优的行为基元的过程中，采用异构车辆当前时刻的与参考轨迹和期望速度的偏差代价、轨迹的平滑代价和碰撞风险代价，能够实现对转向机构不同所导致的运动特性差异进行控制，并在基于异构车辆当前时刻的与参考轨迹和期望速度的偏差代价、轨迹的平滑代价和碰撞风险代价选择出最优的行为基元之后，基于最优的行为基元得到异构车辆的运动规划结果，这就能够将转向机构不同所导致的运动特性差异融入到运动规划系统中，以显著提高异构车辆运动控制的精确性。
-
公开(公告)号：CN110033457B
公开(公告)日：2021-11-30
申请号：CN201910180734.5
申请日：2019-03-11
Applicant: 北京理工大学 , 北理慧动(常熟)车辆科技有限公司
Abstract: 本发明涉及一种目标点云分割方法，属于目标分割技术领域，解决了现有激光雷达分割方法存在的计算量大、计算速度慢、分割不精确的问题。包括以下步骤：步骤S1：接收并处理激光雷达采集的激光雷达点云数据，得到所述激光雷达点云数据对应的深度图；步骤S2：识别深度图角度矩阵中的地面信息，并将深度图中的相应坐标的R值置为‑1，得到去除地面信息的深度图；步骤S3：对去除地面信息的深度图进行目标分割，得到目标分割结果。实现了目标点云的快速分割，计算量小、计算结果精确，可以满足车辆运动时的实时目标分割需求。
-
公开(公告)号：CN113643542A
公开(公告)日：2021-11-12
申请号：CN202111189571.0
申请日：2021-10-13
Applicant: 北京理工大学 , 北理慧动(北京)科技有限公司
Abstract: 本发明公开了基于集成学习的多车交互环境下车辆轨迹预测方法及系统。该方法包括：采集车辆的行驶信息；对行驶信息进行预处理，得到空间网格信息和车辆驾驶模式信息；对训练集进行多次随机抽样得到多组含不同数据的训练集；通过多组含不同数据的训练集分别对LSTM编码‑解码器模型进行训练，得到多个基学习器；采用集成学习方法，对多个基学习器进行集成，得到集成学习器，对车辆的未来轨迹进行预测。本发明利用机器学习与深度学习的手段，实现对车辆交互信息的有效利用，并应用集成学习的方法实现对车辆轨迹的预测。且通过集成学习能够将多个模型进行结合，可获得比单一模型显著优越的泛化性能，解决了单一模型对训练数据敏感、精确度低等问题。
-
公开(公告)号：CN113536612A
公开(公告)日：2021-10-22
申请号：CN202111089628.X
申请日：2021-09-17
Applicant: 北京理工大学 , 北理慧动(北京)教育科技有限公司
IPC: G06F30/20 , G06T17/05 , G06F119/14
Abstract: 本发明涉及一种基于仿真平台的可交互数据集重现方法与系统。该方法包括利用INTERACTION数据集搭建车辆仿真场景；利用线性插值方法对实体轨迹进行预处理；根据预处理后的实体轨迹，采用纯跟踪算法确定横向运动控制器；并根据预处理后的实体轨迹，采用PID控制算法确定纵向运动控制器；根据预处理后的实体轨迹、横向运动控制器以及纵向运动控制器确定车辆在车辆仿真场景中的控制信号；根据控制信号控制车辆在车辆仿真场景中的运动，实现可交互数据集重现。本发明能够提高数据集灵活性，进而提供交互式实验环境。
-
Patent Agency Ranking
公开(公告)号：CN110032949B
公开(公告)日：2021-09-28
申请号：CN201910222741.7
申请日：2019-03-22
Applicant: 北京理工大学 , 北理慧动(北京)科技有限公司 , 北理慧动(常熟)车辆科技有限公司
Abstract: 本发明涉及一种基于轻量化卷积神经网络的目标检测与定位方法，属于深度学习技术领域，解决了现有方法不能满足无人驾驶车辆实时性处理的要求。包括：实时采集车辆前方的图像数据和点云数据；将图像数据传输到目标检测模型，进行目标识别，获取目标信息；目标检测模型采用轻量化卷积神经网络；将获取的目标信息及点云数据输入到训练好的目标定位模型，进行目标定位，得到目标相对于车辆的位置信息。本方法实现了对静态、动态目标的实时检测和定位，使得车辆能够实时感知目标信息，及时地对目标进行避障处理，检测和识别结果具有较高的准确度，能够用于存在多个静态、动态目标的复杂场景，并且满足自动驾驶车辆的实时性检测定位要求。
-
公开(公告)号：CN110082783B
公开(公告)日：2021-04-23
申请号：CN201910390135.6
申请日：2019-05-10
Applicant: 北京理工大学 , 北理慧动(北京)科技有限公司 , 北理慧动(常熟)车辆科技有限公司
IPC: G01S17/931 , G01S17/42
Abstract: 本发明涉及一种悬崖检测的方法及装置，属于无人驾驶汽车感知技术领域，解决无人驾驶汽车在越野场景下的悬崖检测问题；方法包括，对获取激光雷达点云数据预处理得到有效激光雷达点云数据；采用滑窗方法，选取垂直角度相同有效激光雷达点云数据进行窗口特征数据提取，根据所述窗口特征数据在窗口滑动过程中的畸变特征，得到悬崖区域。本发明使用激光雷达点云数据，使悬崖检测距离更远，精度更高；采用滑窗方法判断悬崖区域，而不是根据单点的高度和距离特征，排除了杂点或者噪声点的干扰，使检测更加鲁棒和高效。
-
公开(公告)号：CN112487907A
公开(公告)日：2021-03-12
申请号：CN202011326019.7
申请日：2020-11-23
Applicant: 北京理工大学 , 上海汽车集团股份有限公司
Abstract: 本发明公开的一种基于图分类的危险场景识别方法及系统，属于汽车智能交互技术领域。本发明采集驾驶员的操作信息，提取驾驶特征参数，采集本车周边交通场景信息；根据采集的交通场景信息提取交通场景动静态特征；根据采集的交通场景动静态特征使用图方法表示为有节点标签的无向图；根据生成的交通场景有节点标签的无向图，识别交通场景危险等级。基于图分类实现城区交通环境危险场景识别，根据驾驶操作信息和车辆行驶信息聚类得到危险场景标签，生成更符合数据分布特征的标签，通过驾驶信息精确识别交通场景中的危险场景，提高交通危险场景识别准确率，使所识别出的交通危险场景更加符合实际的驾驶环境，提高驾驶环境适应性和安全性。
-
公开(公告)号：CN112487905A
公开(公告)日：2021-03-12
申请号：CN202011321110.X
申请日：2020-11-23
Applicant: 北京理工大学 , 上海汽车集团股份有限公司
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G06T7/20 , G08B21/18 , G08G1/16 , B60W30/095 , G06Q10/04 , G06Q10/06
Abstract: 本发明公开的一种车辆周边行人危险等级预测方法及系统，属于智能车辆主动安全技术领域。本发明基于车辆第一视角数据进行行人轨迹预测，使用数据驱动的时序网络建模实现长时轨迹预测，降低计算成本，缩短预测时长；基于聚类分析和分类器的危险等级识别器，能够根据特征参数识别行人危险等级，避免通过人为划分参数范围来判定危险等级带来的不确定性；根据训练得到的行人轨迹拟合器预测行人移动轨迹，提取出行人特征参数集合，将参数集合输入到训练得到的行人危险等级识别器中，对行人危险等级进行预测。本发明有助于理解行车过程中周边行人的行为意图，预估行人和车辆的碰撞风险，为调整行车策略提供依据，以规避行车风险，提升驾驶安全性。
-
公开(公告)号：CN110490275B
公开(公告)日：2020-07-07
申请号：CN201910576216.5
申请日：2019-06-28
Applicant: 北京理工大学 , 上海汽车集团股份有限公司
Abstract: 本发明涉及一种基于迁移学习的驾驶行为预测方法，属于汽车智能交互技术领域。该预测方法包括S1，采集目标驾驶员的操作信息、本车状态信息和周围环境信息；S2，基于局部普氏分析法将存储的源驾驶员历史信息数据迁移至目标驾驶员处得到迁移学习的数据；S3，根据所述迁移学习的数据并基于主成分分析法和最大期望算法训练目标驾驶员驾驶行为模型；S4，根据所述目标驾驶员驾驶行为模型对目标驾驶员驾驶行为进行实时预测。本发明实现了驾驶员驾驶行为模型自适应和个性化驾驶行为的准确预测，具有很强的实用性。
-
-
-
-
-
-
-
-
-
Search Results
170
records
(took 0.025 seconds)
