-
公开(公告)号:CN116959260B
公开(公告)日:2023-12-05
申请号:CN202311212627.9
申请日:2023-09-20
Applicant: 东南大学
IPC: G08G1/01 , G08G1/048 , G08G1/052 , G08G1/0967 , G06N3/042 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于图神经网络的多车辆驾驶行为预测方法,属于新一代信息技术领域。首先,建立基于图神经网络的驾驶行为预测模型,并定义预测模型的输入和输出。其次,定义驾驶行为预测模型的相关参数。最后,设计驾驶行为预测模型的网络架构,并对其进行训练。本发明提出的方法站在路侧的全局化视角,能够预测多个交通参与者的驾驶行为,有助于提高道路重点区域的行车安全。此外,该方法无需计算车辆动力学模型,计算耗时低,且使用的传感器成(56)对比文件Yafu Tian 等.RSG-GCN: PredictingSemantic Relationships in Urban TrafficScene With Map Geometric Prior.IEEE OpenJournal of Intelligent TransportationSystems.2023,全文.赵海涛;程慧玲;丁仪;张晖;朱洪波.基于深度学习的车联边缘网络交通事故风险预测算法研究.电子与信息学报.2020,(第01期),全文.兰浩然 等.遮挡环境下基于路侧异源雷达融合的多交通目标鲁棒跟踪方法.仪器仪表学报.2022,全文.郑智勇.复杂交通环境下智能车辆高可靠车道级融合定位方法研究.万方学位论文.2023,全文.曹健 等.基于图神经网络的行人轨迹预测研究综述.计算机工程与科学.2023,全文.于秋爽.基于多模型输入的车辆轨迹预测研究.中国优秀硕士学位论文全文数据库 工程科技II辑.2022,全文.Chen T 等.Visual Reasoning usingGraph Convolutional Networks forPredicting Pedestrian CrossingIntention.2021 IEEE/CVF InternationalConference on Computer Vision Workshops(ICCVW).2022,全文.
-
公开(公告)号:CN112505684B
公开(公告)日:2023-12-01
申请号:CN202011288075.6
申请日:2020-11-17
Applicant: 东南大学
Abstract: 本发明公开了一种恶劣环境路侧视角下雷达视觉融合的车辆多目标跟踪方法,该方案融合雷达和视觉传感器,设计了一种结合目标距离和雷达散射面积的标定代价函数,实现了雷达视觉数据级融合处理,提升了感知信息的维度与可靠性,通过引入数据增强和抗干扰编码器解码器结构,设计了一种具有高抗扰能力的目标检测网络架构,提升了恶劣环境下目标跟踪系统的识别能力;最后,通过对目标位置与目标距离的相似度计算,赋予不同状态空间目标不同的跟踪策略,实现了对静态识别目标的动态准确跟踪过程。本发明借助数据和模型两个层面的融合增强处理,使得方案具有较强的可靠性和准确性,能够在诸如逆光、夜间等场景下持续准确获取车辆目标的位置与速度信息。
-
公开(公告)号:CN117128949A
公开(公告)日:2023-11-28
申请号:CN202311022307.7
申请日:2023-08-14
Applicant: 东南大学
IPC: G01C21/00 , G01C21/20 , G01C21/16 , G01C21/34 , G01C11/02 , G01C11/04 , G01S19/42 , G01S19/45 , G01S19/47 , G06T7/00 , G06T5/00 , H04W4/02 , H04W64/00 , H04W84/18
Abstract: 本发明公开了一种面向未知环境的智能车协作定位方法。首先,构建了协作定位系统,其次,建立了协作定位观测模型,接着进行协作定位观测模型训练并用于预测智能车的位置增量,最后,构建协作融合定位模型获取智能车位置。本发明公开的面向未知环境的智能车协作定位方法,实现了先验信息缺失且观测信息受限的未知环境下的智能车协作定位。
-
公开(公告)号:CN111695196B
公开(公告)日:2023-04-18
申请号:CN202010444567.3
申请日:2020-05-23
Applicant: 东南大学
IPC: G06F30/15 , G06F30/27 , G06N3/0464 , G06N3/048 , G06N3/08 , G01C9/00 , G06F119/14
Abstract: 本发明提出一种基于车体运动学信息的罐车侧倾状态预判方法,首先明确影响罐车侧倾状态的车体运动学信息,然后分别建立用于罐车车速和方向盘转角预测的AR模型,接着建立罐车典型侧翻场景集并开展车体运动学信息采集试验,进而设计用于罐车侧倾状态估计的神经网络,最后基于AR模型和神经网络实现罐车侧倾状态的提前预判。该方法使用的车体运动学信息通过CAN总线直接读取,无需外加传感器,操作方便成本低;通过神经网络建立车速、方向盘转角与侧倾状态的非线性映射关系,制作训练样本时考虑典型侧翻场景基元的影响,提高网络预估侧倾状态的准确性;利用AR模型对车速和方向盘转角进行短期预测,联合神经网络实现未来短期内罐车侧倾状态的精确预判。
-
公开(公告)号:CN115257820A
公开(公告)日:2022-11-01
申请号:CN202211070542.7
申请日:2022-09-02
Applicant: 东南大学
Abstract: 本发明公开了一种面向开放干扰场景的营运车辆前向防撞驾驶决策方法。首先,提取人类驾驶员的安全驾驶行为,构建形成用于前向防撞驾驶决策学习的“类人”驾驶行为数据库。其次,利用行为克隆算法从“类人”驾驶行为数据库中学习前向防撞驾驶策略。最后,利用生成对抗模仿学习算法继续学习驾驶策略,得到具有高度类人水平的前向防撞驾驶策略。本发明提出的方法,能够模拟人类驾驶员的安全驾驶行为,且考虑了视觉盲区、突遇障碍物、不同行驶工况等因素对前向防撞决策的影响,输出加速、减速、转向等高级决策策略,实现了开放干扰场景下的营运车辆前向防撞驾驶决策。
-
公开(公告)号:CN110009095B
公开(公告)日:2022-07-29
申请号:CN201910161405.6
申请日:2019-03-04
Applicant: 东南大学
Abstract: 本发明公开了基于深度特征压缩卷积网络的道路行驶区域高效分割方法,该方法针对当前大部分基于深度学习的道路分割方法难以同时满足准确性和实时性要求的问题,构建了深度特征压缩卷积神经网络,首先设计标准卷积层及池化层对提取的道路特征进行初步压缩,然后借助扩张卷积层能够增大感受野的优势并对其进行优化,以弥补特征初步压缩时造成的道路空间位置信息损失,进而融合分解卷积层实现深度特征压缩,最终提出参数可学习的逐层分级上采样策略对深度压缩后的特征进行解耦,而后对该网络进行训练并输入道路图像得到分割结果。本发明设计的深度特征压缩卷积神经网络在准确性和实时性之间取得了良好的平衡,实现了道路行驶区域的高效分割。
-
公开(公告)号:CN114567869A
公开(公告)日:2022-05-31
申请号:CN202210169668.3
申请日:2022-02-23
Applicant: 东南大学
Abstract: 本发明公开了一种基于FPGA的智能车路系统多目标测评装置及方法,首先建立测评装置与智能车路系统之间的通信连接,即测评装置可以获取RSU/OBU收到或发出的消息;然后利用FPGA设计计数器模块、车载端测评模块和路侧端测评模块,并使用外部PPS秒脉冲信号以及内部高速振荡器时钟源作为时钟基准,测量智能车路通信功能测评所需的时间相关基础参数;最后,实现多目标混合环境下的单目标通信时延、综合通信时延、单目标丢包率、综合丢包率等指标的准确、定量测评。本发明在智能车路系统的测评过程中无需统一路侧端及车载端的时钟基准,使用FPGA进行模块化设计,具有安装方便、成本低的特点,且可根据被测对象的特点进行接口和计数器位数修改,灵活性强。
-
公开(公告)号:CN114252277A
公开(公告)日:2022-03-29
申请号:CN202210035381.1
申请日:2022-01-12
Applicant: 东南大学
IPC: G01M17/007 , G06K9/00
Abstract: 本发明公开了一种基于小波变换去噪的自动泊车高精度测评方法,该方法需要在被测车辆上安装一套高性能组合导航系统采集测评所需车辆运动参数,同时需要测量车辆尺寸、泊车位尺寸等基础参数信息。此外,对于测量噪声较大的横摆角速度和侧向加速度数据,采用小波变换去噪方法提高测量精度。本发明对自动泊车的完成度和过程稳定性两方面进行定量测评,包括:车辆纵轴线与泊车位内侧边线的夹角、泊车完成时车辆侧边前后端与泊车侧边线的距离、车尾与后车位线的距离等。本发明与自动泊车的实现原理和技术无关,从第三方的角度开展测评,测评结果准确可靠。
-
公开(公告)号:CN112525543B
公开(公告)日:2022-03-04
申请号:CN202011207571.4
申请日:2020-11-03
Applicant: 东南大学
IPC: G01M17/007 , G06K9/62 , G08B7/06
Abstract: 本发明公开了一种基于北斗时空基准的II型AEBS测评装置及方法,该装置包括路侧端信息采集模块、车载端信息采集模块和综合信息处理模块三部分。路侧端信息采集模块通过北斗授时单元可以获取准确的消息发出时间,车载端信息采集模块可以获取收到路侧端消息的准确时间、组合惯导单元采集的信息、单片机嵌入式单元采集的音频/振动信息等,综合信息处理模块可以实现车路通信时延、预警信号发出时刻等指标的精准、定量测评。本发明方法采用全局统一的北斗时空基准,并利用基于SVM的动态埃尔米特插值方法进行数据分析和处理,测评结果准确,对II型AEBS的通信制式无要求,测试方便、适用范围广。
-
公开(公告)号:CN111645698B
公开(公告)日:2022-02-22
申请号:CN202010444573.9
申请日:2020-05-23
Applicant: 东南大学
Abstract: 本发明提出一种重载车辆侧翻阈值自适应估计方法,首先明确侧翻表征参数和影响侧翻阈值的因素并搭建侧翻阈值标定装置,然后建立用于重载车辆实车试验的多维度典型侧翻场景库,其次开展不同场景下重载车辆侧翻阈值标定试验,再次处理数据并标定出不同场景下侧翻临界状态时各车身状态参数的值,进而建立适用于侧翻阈值动态估计的神经网络,最后基于神经网络实现重载车辆侧翻阈值的自适应估计。该方法利用高精度传感器搭建侧翻阈值标定装置,可用于实车试验;总结重载车辆典型侧翻场景库,通过实车试验,制作网络训练样本训练神经网络,得到车速、整车质量和侧倾角阈值、侧向加速度阈值的映射关系,实现侧翻阈值的动态估计。
-
-
-
-
-
-
-
-
-