-
公开(公告)号：CN118823535A
公开(公告)日：2024-10-22
申请号：CN202410882262.9
申请日：2024-07-03
Applicant: 北方工业大学
IPC: G06V10/80 , G06V10/82 , G06V10/40 , G06N3/0442
Abstract: 本发明提供了一种交叉口环境下基于三维点云的智能网联汽车协同感知方法。该方法包括：S1建立各车坐标系，将周围车辆采集的点云坐标转换到自车坐标系下；S2采用体柱特征提取网络处理各车点云原始数据，提取点云局部空间特征；S3利用V2X通信将CAV2采集到的特征传输给CAV1；S4通过时间特征延迟补偿模块捕捉点云特征序列时间依赖性并预测特征状态变化；S5通过空间特征信息融合补偿模块融合多个车辆视角下的多分辨率空间特征信息；S6通过全连接层输出车辆各种参数信息。本发明通过车间通信技术协同感知周围环境点云特征，利用时空特征补偿融合提高智能网联汽车在交叉口远距离、遮挡场景下的目标检测性能，有效缓解了网络传输通信延迟带来的滞后效应影响。
-
公开(公告)号：CN118470662A
公开(公告)日：2024-08-09
申请号：CN202410640531.0
申请日：2024-05-22
Applicant: 北方工业大学
IPC: G06V20/54 , G06V20/64 , G06V10/774 , G06V10/25 , G06V10/26 , G06V10/44 , G06T7/207 , G06T7/246 , G06V10/82 , G06V10/762
Abstract: 本发明公开了一种基于点云场景流估计的匝道汇入区域多目标车辆跟踪方法，首先对点云进行预处理及体素化，然后利用考虑自身运动流的点云场景流估计方法进行逐点运动预测，结合体素K近邻算法提取点云特征，通过自适应体积交并比度量各运动目标间的相似度，接着采用匈牙利算法匹配检测帧与预测帧中的目标车辆，最后对多目标车辆轨迹进行管理。本发明提出的方法能够兼顾目标车辆运动状态参数预测准确性和运算效率，并保证多目标跟踪的鲁棒性。
-
公开(公告)号：CN117315927A
公开(公告)日：2023-12-29
申请号：CN202311043190.0
申请日：2023-08-18
Applicant: 北方工业大学
IPC: G08G1/01 , G06T17/20 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及智能网联汽车技术领域，尤其涉及一种基于改进神经网络的智能网联汽车实时轨迹预测方法，包括，步骤S1，对道路的交叉口的场景图进行建模并确定特征编码；步骤S2，基于Q‑learn ing算法获取智能网联汽车的空间特征；步骤S3基于LSTM网络获取智能网联汽车时间特征；步骤S4：多特征融合预测智能网联汽车的实时轨迹；有效提高了车辆轨迹预测的实时性和精确性。
-
公开(公告)号：CN112365724B
公开(公告)日：2022-03-29
申请号：CN202010287076.2
申请日：2020-04-13
Applicant: 北方工业大学
Abstract: 本发明提供了一种基于深度强化学习的连续交叉口信号协同控制方法，该方法采用上下层Agent网络的DQN策略处理连续交叉口信号配时，以减少状态获取及反馈评价的复杂度，解决连续交叉口信号优化问题。为保证训练目标的平稳性，避免其训练陷入目标值与预测值的反馈循环中震荡发散，采用Dueling Double优化方法对DQN优化训练，相比于传统DQN控制模型，该方法可根据不同道路环境和交通状态实时切换交叉口相位，增加了交叉口之间的协作能力，保障交叉口行车畅通，提高交叉口通行能力，为缓解交通拥堵、提高出行效率并减少安全事故提出了新的解决方案和理论依据。
-
公开(公告)号：CN112233413B
公开(公告)日：2022-03-29
申请号：CN202010697831.4
申请日：2020-07-20
Applicant: 北方工业大学
Abstract: 本发明提供了一种面向智能网联车辆的多车道时空轨迹优化方法，本发明设计了基于强化学习算法的时空轨迹优化算法可以快速匹配最优轨迹。该算法一共包含计算两个不同输入的内容：（1）时空轨迹的优化，以车辆当前位置、速度及目标驶出车道、时段为输入，车辆加速度的集合为输出；（2）多车道协同换道的优化，以车辆当前位置、速度及目标车道威胁车位置、速度为输入，车辆加速度集合为输出。即车辆发起换道请求后可通过强化学习匹配车辆协同换道过程的轨迹，换道完成后通过强化学习匹配此时刻的时空轨迹以达到多车道轨迹优化的过程。该方法可根据不同的道路环境和交通状态实时优化及生成路段内通行车辆的时空轨迹，增加了车辆间的相互协作能力，提升了通过路段的安全性以及交叉口的车辆通行效率，减少了车辆的能源消耗水平，为保证道路交通安全，提高出行效率提出了新的解决方案和理论依据。
-
Patent Agency Ranking
公开(公告)号：CN112437412A
公开(公告)日：2021-03-02
申请号：CN202011194137.7
申请日：2020-10-30
Applicant: 北方工业大学
Abstract: 本发明提供一种基于车路协同的混行驾驶车辆编队控制方法，该方法首先进行基于车路协同的混行驾驶车队长度划分，然后确定混行车队行驶条件下通信拓扑结构及车间距策略，再进行基于模型预测控制的混行车辆编队控制。本发明通过各项传感器获得周围车辆行驶状态信息，将能够在同一绿灯周期内通过的车辆组成队列。以保障队列稳定性和交叉口行程时间最短为目标，基于模型预测控制建立混行车辆编队控制模型，判断出每辆车应该执行的操作。通过调节车辆制动控制器、节气门控制器等，使车辆之间保持一定的速度和车间距行驶。
-
公开(公告)号：CN119904623A
公开(公告)日：2025-04-29
申请号：CN202510077630.7
申请日：2025-01-17
Applicant: 北方工业大学
IPC: G06V10/25 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/082
Abstract: 本发明提供了一种基于改进的YOlOv8模型的路侧智慧停车目标检测方法，该方法包括：采集路侧停车图像，并对其进行预处理及标注，生成路侧停车数据集，对传统YOLOv8模型进行改进，并基于改进后的YOLOv8模型构建路侧智慧停车目标检测模型，基于路侧停车数据集对路侧智慧停车目标检测模型进行训练，得到最终的路侧智慧停车目标检测模型，将待检测图像输入最终的路侧智慧停车目标检测模型，得到检测结果。本发明通过对YOLOv8模型进行结构优化和轻量化处理，使得在保证检测精度的前提下，显著减少计算量和功耗，实现低成本、高效、实时的路侧停车检测。
-
公开(公告)号：CN118965563A
公开(公告)日：2024-11-15
申请号：CN202410977619.1
申请日：2024-07-22
Applicant: 北方工业大学
IPC: G06F30/15 , B60W30/165 , B60W60/00 , G06F30/27 , G06N3/092 , G06F17/11 , G06F17/16 , H04L67/12 , H04W4/40 , G06F119/14
Abstract: 本发明提出一种多车道场景下智能网联车辆集群拆分与重组协同控制方法。首先，分析车辆运行状态信息组成，描述车辆集群的通信及运动特性，采用线性一致性控制器作为基础控制模型，构建车辆集群的通信拓扑模型。然后，考虑车辆的动力学特征和集群耦合特性，构建车辆集群动力学模型。最后，对车辆集群运行中的典型场景进行建模，构建深度强化学习方法的奖励函数同时进行智能体的设置，上层构建模型多智能体分层强化学习方法，下层使用多车道车辆编队控制模型，通过动态优化基础控制模型参数输出最优的智能网联汽车期望加速度，并将期望加速广转换为车辆可直接执行的油门/制动控制命令，实现城市道路环境下智能网联车辆集群的拆分与重组并保证行驶的安全与高效。
-
公开(公告)号：CN118887800A
公开(公告)日：2024-11-01
申请号：CN202410907721.4
申请日：2024-07-08
Applicant: 北方工业大学
IPC: G08G1/01 , H04W4/38 , H04W4/40 , H04W64/00 , G06V20/54 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/762 , G06V10/771 , G06V10/80 , G06F18/10 , G06F18/22 , G06F18/2433 , G06F18/25
Abstract: 本发明涉及交通状态感知技术领域，尤其涉及一种面向自主式交通系统的多交通主体信息融合方法。该方法包括步骤S1，对图像数据和点云数据进行融合；步骤S2，车辆主体状态估计。本发明通过将欧氏聚类算法与YOLOx模型相结合，以对不同维度数据的处理和融合，并基于置信度优化的数据融合方法，实现远距离、部分遮挡车辆主体的准确检测，利用D‑S证据理论确定最高置信度的数据假设，从而获得可靠的车辆主体位置数据作为状态数据，有效保障传感器数据融合和真实性评估，通过扩展状态向量和非线性系统模型描述车辆主体的位置和运动状态，以实现对车辆位置的准确估计和复合定位，有效处理非线性系统和多源信息的融合，提高车辆位置估计的准确性和稳定性。
-
公开(公告)号：CN115857495A
公开(公告)日：2023-03-28
申请号：CN202211498579.X
申请日：2022-11-28
Applicant: 北方工业大学
IPC: G05D1/02
Abstract: 本发明提供了一种曲线道路环境下基于三维点云的车辆运动状态估计方法，方法包括：S1，根据路缘空间结构特征建立道路中心曲线模型；S2，通过观测和计算确定自车坐标系、全局坐标系、道路曲线坐标系之间的转换关系；S3，构建道路曲线坐标系下车辆目标运动模型；S4，利用无迹卡尔曼滤波对车辆目标进行跟踪，估计得到运动状态参数。本发明通过构建道路模型提高车辆目标运动状态估计精度，特别是在曲率连续变化的曲线道路环境下，实现准确稳定的车辆目标跟踪。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.022 seconds)
