-
公开(公告)号：CN117725387B
公开(公告)日：2025-04-25
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：CN116567205A
公开(公告)日：2023-08-08
申请号：CN202310575576.X
申请日：2023-05-22
Applicant: 吉林大学
IPC: H04N17/00
Abstract: 本发明提供一种基于视频注入的智能汽车多路相机在环测试方法，包括测试对象参数选择、测试场景设计、边缘场景提取、测试结果评价，本发明面向四路相机数据，通过视频注入板卡和故障注入板卡将虚拟仿真图像数据注入到待测ECU中进行测试，同时本发明针对影响相机测试结果的参数具有无限丰富的难题，提出一种基于改进的贪心算法的边缘测试场景搜索方法，在满足参数覆盖率为100％的前提下加速构建边缘测试场景库，并对所构建的边缘测试场景库进行评价，输出场景参数影响评价、目标检测算法静态评价和动态评价方法。
-
公开(公告)号：CN116229298A
公开(公告)日：2023-06-06
申请号：CN202310234477.5
申请日：2023-03-13
Applicant: 吉林大学
Abstract: 本发明涉及一种面向航拍数据集的智能汽车关键测试场景提取方法，步骤包括：本车周围车辆位置分布关键性分析，确定测试场景关注的边界即范围域[θ1,θn]，基于场强理论的场景关键性量化，场景关键行为分析，确定出场景关键性量化模型的时间域[t1,tN]，关键场景提取。本发明方法采用相对于本车可能发生碰撞的部分作为CDCE的采集区域，并提出一种通过场景中车辆的关键行为的评价方法将车辆的轨迹进行筛选，进而提取出有意义且有价值的测试场景。本发明对横向运动物体更加敏感，在时间维度上先于TTC指出了关键场景，不仅可以搜索针对智能汽车具有挑战的场景，同时本方法是面向真实的车辆轨迹保证了提取出的场景真实性。
-
公开(公告)号：CN115016499A
公开(公告)日：2022-09-06
申请号：CN202210792993.5
申请日：2022-07-07
Applicant: 吉林大学
IPC: G05D1/02
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：CN118585444A
公开(公告)日：2024-09-03
申请号：CN202410708000.0
申请日：2024-06-03
Applicant: 吉林大学
IPC: G06F11/36 , G06F18/213 , G06N3/0455 , G06N3/0499 , G06N3/0442 , G06N3/096 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明提供一种面向智能汽车硬件在环平台的关键测试场景生成方法，包括基于自动编码器模型建立测试场景参数空间与隐空间的映射关系、基于全连接神经网络建立隐空间和仿真测试结果之间的非线性映射、基于迁移学习建立隐空间和硬件在环平台测试结果之间的非线性映射、基于对抗训练过程指导生成器模型生成隐空间特征等步骤。本发明使用迁移学习基于纯仿真条件在场景参数和测试结果之间的映射迁移到硬件在环平台的映射关系；结合生成器和解码器构建面向硬件在环平台的关键测试场景库。本发明兼顾虚拟仿真测试的低成本、高效率和场景参数可控性强以及硬件在环测试的高拟真度的优势，为智能汽车纯仿真测试和硬件在环测试的协同测试提供新的方法。
-
公开(公告)号：CN117367452A
公开(公告)日：2024-01-09
申请号：CN202311497971.7
申请日：2023-11-10
Applicant: 吉林大学
IPC: G01C21/34
Abstract: 本发明公开了一种考虑横纵向坡度的车辆三维路径规划方法，其方法为：第一步、采集真实三维环境信息建立三维栅格地图模型；第二步、建立车辆横纵向坡度通过性模型；第三步、在三维栅格地图模型的基础上构建对角分割栅格地图；第四步、使用深度强化学习作为规划器进行任意角度路径规划。有益效果：使得规划结果更有效更安全；同时引入深度强化学习求解任意角度规划问题并提供新颖的代价函数计算方法使结果通行效率更高。
-
公开(公告)号：CN114030485B
公开(公告)日：2023-11-03
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。
-
公开(公告)号：CN115691134A
公开(公告)日：2023-02-03
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：CN114979624A
公开(公告)日：2022-08-30
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。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.026 seconds)
