-
公开(公告)号：CN118411699A
公开(公告)日：2024-07-30
申请号：CN202410623507.6
申请日：2024-05-20
Applicant: 同济大学
Abstract: 本发明涉及一种基于有向图卷积的自适应多源传感器融合识别方法，包括以下步骤：获取车辆不同类型的传感器采集的信息；利用每一类型的传感器对应的单一传感器识别模型分别对不同类型的传感器采集的信息进行识别，得到单一传感器识别结果；基于单一传感器识别结果构建动态有向图；以动态有向图作为有向图融合模型的输入，利用有向图融合模型进行多源传感器信息融合和识别，输出识别结果。与现有技术相比，本发明通过考虑不同类型的传感器类型的特性和差异化的关注特征，深度融合多源传感器信息，具有提升了识别精度，能够适应极端行驶环境等优点。
-
公开(公告)号：CN116494953A
公开(公告)日：2023-07-28
申请号：CN202310363231.8
申请日：2023-04-04
Applicant: 同济大学
Abstract: 本发明涉及一种用于差动制动系统的路感优化控制方法，包括以下步骤：基于车辆模型和非线性轮胎模型估计当前车辆的轮胎侧向力；利用车辆模型预测无差扭工况下的下一时刻的车辆状态；利用添加附加横摆力矩的改进车辆模型预测差扭工况下的下一时刻的车辆状态；基于预测的差扭工况和无差扭工况下的下一时刻的车辆状态，利用非线性轮胎模型分别计算两种工况下的下一时刻的轮胎侧向力，相减获得单步前轮胎侧向力变化预测值，并基于时间进行积分计算，得到轮胎侧向力持续变化量；基于轮胎侧向力持续变化量修正转向助力电机期望力矩。与现有技术相比，本发明具有实现了预测转向负载力矩变化，提前改变辅助力矩以避免手力矩变化等优点。
-
公开(公告)号：CN113219944A
公开(公告)日：2021-08-06
申请号：CN202110461037.4
申请日：2021-04-27
Applicant: 同济大学
IPC: G05B23/02
Abstract: 本发明涉及一种用于混合交通流工况的智能车辆控制策略测试平台，包括主控平台和分别与主控平台连接的交换机、主模拟器、多个交通模拟器，所述的主模拟器、多个交通模拟器还分别通过交换机与主控平台连接，所述的主模拟器搭载的智能驾驶算法等级为L1、L2、L3、L4、L5级自动驾驶算法中的一种，每个所述交通模拟器中搭载的智能驾驶算法为L0、L1、L2、L3、L4、L5级自动驾驶算法中的一种。与现有技术相比，本发明测试平台利用主模拟器和多个独立控制的交通模拟器，能够对多种智能程度的车辆行驶在同一交通场景的情况进行有效的仿真模拟和测试，获取丰富的测试数据。
-
公开(公告)号：CN118445757A
公开(公告)日：2024-08-06
申请号：CN202410623510.8
申请日：2024-05-20
Applicant: 同济大学
IPC: G06F18/25 , G06V20/56 , G06V10/20 , G06V10/80 , G06F18/10 , G06N3/042 , G06N3/0464 , G06V10/28 , G06N3/047 , G06N3/08
Abstract: 本发明涉及一种基于网联三维重建的多源传感器融合识别方法，包括以下步骤：获取一辆智能汽车传感器采集的单一来源信息并进行预处理；根据多源信息构建信息融合图，其中，所述多源信息由同一障碍物周围的多辆智能汽车经过预处理的单一来源信息构成；以信息融合图作为信息融合模型的输入，利用信息融合模型进行多源信息融合和识别，输出识别结果。与现有技术相比，本发明基于现有的物联网技术，将来自不同智能汽车的传感器信息进行巧妙的融合，从多维角度观测同一物体，能够显著提高智能汽车的识别精度上限，提高智能汽车在复杂环境中的适应性。
-
公开(公告)号：CN118394069A
公开(公告)日：2024-07-26
申请号：CN202410433526.2
申请日：2024-04-11
Applicant: 同济大学
Abstract: 本发明涉及一种自适应局部环境变化的救援机器人轨迹规划方法，包括以下步骤：确定救援机器人的引导路线，并根据途径区域是否受到灾害的持续影响将地图划分为静态区域和动态区域；构建用于救援机器人轨迹规划的强化学习网络，所述强化学习网络在静态区域基于效率奖励函数引导网络，以保证救援机器人的行驶效率，在动态区域基于自适应奖励函数引导网络，以应对变化的受灾区域；通过网络与环境的不断交互，利用强化学习网络生成救援机器人规划轨迹。与现有技术相比，本发明通过精细设计的差异化多目标奖励优化强化学习，在保证救援机器人作业效率的情况下，显著的提高了在局部受灾区域变化情况下的完成概率。
-
Patent Agency Ranking
公开(公告)号：CN116494993B
公开(公告)日：2024-06-21
申请号：CN202310355132.5
申请日：2023-04-04
Applicant: 同济大学
Abstract: 本发明涉及一种考虑高精度车辆动力特性的智能驾驶实时轨迹规划方法，由离线计算可达集和在线轨迹规划两部分组成，离线计算可达集部分通过高精度的车辆模型和轮胎模型遍历所有车辆安全状态以预测下一时刻车辆可以达到的位置集合；在线轨迹规划部分通过离线计算的下一时刻车辆可以达到的位置集合，对人工势场法的下降探索提供非线性动力约束，实现考虑高精度车辆动力特性和实时规划两个目的。与现有技术相比，本发明具有考虑了高精度车辆动力特性、在线计算量小等优点。
-
公开(公告)号：CN116955107A
公开(公告)日：2023-10-27
申请号：CN202310822624.0
申请日：2023-07-05
Applicant: 同济大学
IPC: G06F11/34
Abstract: 本发明涉及一种基于人类反馈的边缘场景动态补全智能驾驶测试方法，包括以下步骤：获取真实环境初始状态；搭建基于强化学习的原始场景驱动器，并进行行为选择修正，得到探索行为；在测试环境中进行测试并进行专家评价，搭建基于人类反馈的边缘场景动态补全库；搭建基于人类反馈的模仿学习驱动器，根据边缘场景动态补全库中的测试数据进行策略更新，对模仿学习驱动器进行训练，输出边缘场景再现行为；获取真实环境初始状态和边缘场景动态补全库的环境初始状态，进行场景驱动器选择；根据选择的场景驱动器输出对应行为，并根据对应行为在测试环境中进行测试，得到测试结果。与现有技术相比，本发明具有测试效率高、场景测试全面等优点。
-
公开(公告)号：CN116503901A
公开(公告)日：2023-07-28
申请号：CN202310355094.3
申请日：2023-04-04
Applicant: 同济大学
IPC: G06V40/10 , G06V10/25 , G06V10/62 , G06V10/82 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种复杂交互环境下引入专家经验的可解释行人预测方法，包括以下步骤：获取环境中的行人信息，所述行人信息包括相对位置、速度和加速度信息；基于行人信息分别确定相对位置关系、相对速度关系和相对加速度关系的专家经验系数；基于专家经验系数和行人信息分别构建可解释的位置图、速度图和加速度图；基于多层图卷积神经网络对位置图、速度图和加速度图进行拓扑结构编码，得到包含空间拓扑信息的隐含状态；对包含空间拓扑信息的隐含状态进行时空编码后，利用解码器进行解码以获得预测的行人轨迹。与现有技术相比，本发明具有精细的考虑行人之间的互动、能够实现复杂交互环境下的精确行人轨迹预测、可解释性强等优点。
-
公开(公告)号：CN116502749A
公开(公告)日：2023-07-28
申请号：CN202310363218.2
申请日：2023-04-04
Applicant: 同济大学
IPC: G06Q10/04 , G06N3/0464 , G06N3/08 , G06F16/901 , G08G1/0967
Abstract: 本发明涉及一种复杂异质环境下的交通参与者轨迹预测方法，包括以下步骤：获取复杂异质环境下的交通参与者信息；基于类别信息进行交通参与者类别排列并编号；分别构建引入专家经验的位置图、速度图、加速度图和类别图；分别对位置图、速度图、加速度图和类别图进行拓扑结构关系和时间依赖关系捕捉，得到位置隐状态、速度隐状态、加速度隐状态和类别隐状态；基于编号，利用等式判断对位置隐状态、速度隐状态、加速度隐状态和类别隐状态进行分类，得到不同交通参与者的隐状态集合；基于对应的解码器分别解码不同交通参与者的隐状态，得到交通参与者的未来轨迹预测。与现有技术相比，本发明具有在复杂异质环境下轨迹预测精度等优点。
-
公开(公告)号：CN113076596B
公开(公告)日：2023-03-28
申请号：CN202110344737.5
申请日：2021-03-31
Applicant: 同济大学
IPC: G06F30/15 , G06F30/27 , G06F119/14
Abstract: 本发明涉及一种融合车辆模型和轮胎力曲线的轨迹跟随并行预测方法，包括以下步骤：构建车辆轨迹跟随控制系统的侧向位移和车速的预测模型；以实际车辆的侧向位移和车速与期望侧向位移和车速的偏差和车辆上前轮转角和驱动力的变化范围尽可能的小为目标搭建目标函数；建立预测模型、目标函数的并行计算架构，采用反向传播的方式求解计算梯度，利用梯度下降法优化前轮转角和前轮驱动力控制量，获取最优控制序列，实现车辆的轨迹跟随并行预测控制。与现有技术相比，本发明进一步的提高了模型的控制精度，提高了融合车辆模型和轮胎力曲线的轨迹跟随预测控制系统的实时性。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.021 seconds)
