-
公开(公告)号：CN112100857B
公开(公告)日：2022-04-12
申请号：CN202010980521.3
申请日：2020-09-17
Applicant: 燕山大学
Abstract: 本发明提供一种分心驾驶行为的风险评估方法，具体包括以下步骤：确定驾驶行为类型及驾驶任务、设计驾驶方案及采集参数、提取异常加速度事件频次、驾驶行为的风险等级初步评估、二重驾驶绩效比较以及三重驾驶绩效交叉比较。本发明提供的方法打破仅对分心驾驶行为进行研究的局限性，把分心驾驶行为提升到了风险分析的高度，严谨地对所选定的分心驾驶行为进行驾驶绩效评估，最终得到严谨的风险等级排序结果，为风险驾驶行为辨识技术、驾驶人驾驶状态的安全性评估、人机共驾情境的控制权切换方案等技术提供理论参考和实践指导。
-
公开(公告)号：CN111738337B
公开(公告)日：2022-03-25
申请号：CN202010578266.X
申请日：2020-06-23
Abstract: 本发明涉及一种混行交通环境下的驾驶人分心状态检测识别方法，包括：搭建混行场景、采集驾驶人眼动参数数据及驾驶绩效数据、处理数据和择优筛选、搭建基于融合注意力机制的Bi‑LSTM驾驶人分心识别模型、对驾驶人分心状态进行辨识等步骤，本发明采用融合注意力机制的Bi‑LSTM算法进行分心驾驶的识别建模，提高分心识别的准确度与鲁棒性，填补了在混行交通环境下对驾驶人分心识别的空白，解决驾驶人在混行交通环境下驾驶过程中出现的分心驾驶而引发道路交通事故的技术问题，提高驾驶人的车辆驾驶安全性。
-
公开(公告)号：CN113657676A
公开(公告)日：2021-11-16
申请号：CN202110953850.3
申请日：2021-08-19
Applicant: 燕山大学
Abstract: 本发明涉及一种考虑多维度驾驶人特性的制动反应时间预测方法，包括建立制动反应时间的影响因素解构模型、发放调查问卷、基于调查问卷建立结构方程SEM模型、设计驾驶负荷试验方案、采集制动反应时间数据、建立基于BP神经网络的制动反应时间预测模型、对制动反应时间预测模型进行性能检验等步骤，本发明使用结构方程模型全面地解构驾驶人制动反应时间的影响因素，借助试验采集有效制动反应时间数据和驾驶人特性指标，从人因角度深入分析各个因素的影响机制和参与方式，建立考虑多维度驾驶人特性的制动反应时间预测模型，为开发基于行车风险预测的先进驾驶人辅助系统提供支持。
-
公开(公告)号：CN113479201A
公开(公告)日：2021-10-08
申请号：CN202110960754.1
申请日：2021-08-20
Applicant: 燕山大学
IPC: B60W30/095 , B60W30/18
Abstract: 本发明公开了一种考虑驾驶人反应能力的换道场景车辆风险动态评价方法，属于车辆风险监测与预警领域，包括根据前、后车实时相对运动状态判断动态最小安全距离，考虑驾驶人反应能力的制动距离差异化计算方法，以及换道场景中的车辆风险动态预测方法，本发明通过计算前、后车的实时最小安全距离为动态预测车辆风险状态提供支撑，使用时间裕度作为驾驶人反应能力和碰撞风险的评价指标，实现对换道场景的车辆风险状态进行预测，能够实时监控跟车场景中自车与周围车辆的相对运动状态，计算车辆风险状态预测结果，能够为车辆风险监测与避撞系统提供技术积累和理论支撑。
-
公开(公告)号：CN113255504A
公开(公告)日：2021-08-13
申请号：CN202110547978.X
申请日：2021-05-19
Applicant: 燕山大学
Abstract: 本发明涉及一种基于深度学习的路侧视角超视距全域融合感知系统，对路侧布置的摄像头、激光雷达、毫米波雷达异构数据采集和进行数据层融合，并利用深度学习分别处理融合后的图像和激光雷达点云数据，最终利用决策层融合实现融合感知。通过在路侧布置感知系统，并结合图像、激光雷达点云、毫米波雷达点云数据各自的优势，可以提升感知视距，并在多个层面对监控区域进行场景理解，最终为网联自动驾驶车辆提供充足可靠的感知信息。
-
Patent Agency Ranking
公开(公告)号：CN112100857A
公开(公告)日：2020-12-18
申请号：CN202010980521.3
申请日：2020-09-17
Applicant: 燕山大学
Abstract: 本发明提供一种分心驾驶行为的风险评估方法，具体包括以下步骤：确定驾驶行为类型及驾驶任务、设计驾驶方案及采集参数、提取异常加速度事件频次、驾驶行为的风险等级初步评估、二重驾驶绩效比较以及三重驾驶绩效交叉比较。本发明提供的方法打破仅对分心驾驶行为进行研究的局限性，把分心驾驶行为提升到了风险分析的高度，严谨地对所选定的分心驾驶行为进行驾驶绩效评估，最终得到严谨的风险等级排序结果，为风险驾驶行为辨识技术、驾驶人驾驶状态的安全性评估、人机共驾情境的控制权切换方案等技术提供理论参考和实践指导。
-
公开(公告)号：CN111738337A
公开(公告)日：2020-10-02
申请号：CN202010578266.X
申请日：2020-06-23
Abstract: 本发明涉及一种混行交通环境下的驾驶人分心状态检测识别方法，包括：搭建混行场景、采集驾驶人眼动参数数据及驾驶绩效数据、处理数据和择优筛选、搭建基于融合注意力机制的LSTM驾驶人分心识别模型、对驾驶人分心状态进行辨识等步骤，本发明采用融合注意力机制的LSTM算法进行分心驾驶的识别建模，提高分心识别的准确度与鲁棒性，填补了在混行交通环境下对驾驶人分心识别的空白，解决驾驶人在混行交通环境下驾驶过程中出现的分心驾驶而引发道路交通事故的技术问题，提高驾驶人的车辆驾驶安全性。
-
公开(公告)号：CN119942501A
公开(公告)日：2025-05-06
申请号：CN202510099290.8
申请日：2025-01-22
Applicant: 燕山大学
IPC: G06V20/58 , G06V20/40 , G06V40/20 , G06V10/40 , G06V10/62 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本申请涉及自动驾驶环境感知领域，公开了一种基于车载视角视觉信息的道路使用者行为识别方法及系统。所述方法对车载视角的目标数据集中的视频数据进行类别、行为和位置的标注，弥补了车载视角道路使用者行为数据稀缺的问题。构建包括混合双路径主干网络、颈部网络和多任务头的道路使用者行为识别模型，其中混合双路径主干网络包括慢速路径和快速路径，可以分别捕捉视频数据中的静态背景信息和动态动作变化，可以提升模型对复杂动作的识别能力；颈部网络利用多维度的注意力机制两个路径提取到时空特征融合。最后利用多任务头对融合特征进行检测和分类，获得道路使用者的类别信息、行为信息和位置信息，从而实现对车载视角道路使用者行为的识别。
-
公开(公告)号：CN114529889B
公开(公告)日：2024-11-15
申请号：CN202210109527.2
申请日：2022-01-28
Applicant: 燕山大学
IPC: G06V20/59 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/0442 , G06N3/08 , B60W40/08 , B60W50/14 , B60W50/16 , B60W60/00
Abstract: 本发明涉及一种分心驾驶行为识别方法，所述方法包括下述步骤：获取人机共驾接管状态下驾驶人的分心驾驶时序图像数据；利用训练好的第一模型或训练好的第二模型首先获取时序图像数据的空间特征，在空间特征的基础上获取时空特征；将所述时空特征与空间特征进行融合加强，进而获得用于分心驾驶行为类别识别分心驾驶行为特征。所述方法能够实现准确识别驾驶人的分心驾驶行为、降低误接管风险，从而提升行车安全性。
-
公开(公告)号：CN114820662B
公开(公告)日：2024-09-03
申请号：CN202210565810.6
申请日：2022-05-23
Applicant: 燕山大学
Abstract: 本发明涉及一种基于点云二维密度的路侧视角地面分割方法，包括下述步骤：获取雷达坐标系下路侧视角的地面原始点云数据；基于原始点云数据，采用密度计算获得二维密度、密度降序点云；基于二维密度、密度降序点云，获得点云二维密度的密度阈值；基于密度阈值、二维密度、密度降序点云，得到分割的地面点云。本发明方法应用时不需做出假设，具有广泛的适用性。本发明方法把地面点云处理成点云二维密度，计算量小，实时性高。并进一步在分割算法中采用栅格数据、kd树以优化计算过程。本发明方法得到的地面点云具有较高的准确性和较强的稳定性。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.05 seconds)
