基于个性化驾驶员模型的自动驾驶测试场景生成方法

    公开(公告)号:CN114896869A

    公开(公告)日:2022-08-12

    申请号:CN202210432328.5

    申请日:2022-04-22

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于个性化驾驶员模型的自动驾驶测试场景生成方法,包括:若未知被测试交互对象为自动驾驶系统,则基于现有自然驾驶数据集获取中国的高速公路及其匝道的自然驾驶数据;若已知被测试交互对象为自动驾驶系统,则结合调查问卷与驾驶模拟器的方式,采集得到驾驶员与自动驾驶交互的驾驶数据;基于获取的驾驶数据,使用最大熵逆强化学习方法以及深度强化学习方法,训练出不同风格的驾驶员智能体模型;根据测试需求,将不同风格的驾驶员模型按照对应的需求比例,组合生成相应的目标测试场景。与现有技术相比,本发明以人类驾驶数据作为数据来源,通过构建个性化具有不同风格的驾驶员模型,能够有效提升测试场景的真实性和复杂性。

    一种自动驾驶测试场景的评价方法

    公开(公告)号:CN114862159A

    公开(公告)日:2022-08-05

    申请号:CN202210432327.0

    申请日:2022-04-22

    Applicant: 同济大学

    Abstract: 本发明涉及一种自动驾驶测试场景的评价方法,包括:基于强化学习、深度强化学习、逆强化学习三种方法,生成自动驾驶测试场景集;基于所生成的测试场景的实际数据,针对所生成的测试场景是否嵌入被测系统,选取出三个评价维度;基于三个评价维度,构建具体的评价指标并进行量化评估;对评价指标的量化评估结果进行归一化处理,通过确定权重,计算得到综合评价结果。与现有技术相比,本发明从无被测系统嵌入的场景智能性、有被测系统嵌入的场景测试性、被测系统嵌入前后场景的稳定性这三个评价维度出发,构建面向自动驾驶测试场景的评价框架和指标,能够平行对比测试场景综合性能高低,从而加快自动驾驶测试进程,具有极大的应用价值。

    基于情绪驱动的个性驾驶员模型定制化测试场景生成方法

    公开(公告)号:CN114862156A

    公开(公告)日:2022-08-05

    申请号:CN202210431406.X

    申请日:2022-04-22

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于情绪驱动的个性驾驶员模型定制化测试场景生成方法,包括:基于现有的情绪模型,选择出对驾驶车辆行为产生影响的特定情绪;对受试驾驶员预先施加特定情绪影响,之后在驾驶模拟器上采集受试驾驶员对应的驾驶数据;针对采集得到的驾驶数据,首先进行模仿学习,再进行强化学习Q‑Learning,得到泛化后不同风格的驾驶数据;将不同风格的驾驶数据按照特定比例进行组合,通过烟花优化算法确定出超参数,从而生成面向自动驾驶汽车的高效测试场景;确定高效测试场景的验证指标;选定被测系统决策方式,通过验证指标进行验证。与现有技术相比,本发明能够有效提高测试场景中背景车行为的复杂性与可解释性、提高测试场景的有效性和测试效率。

    一种高鲁棒性雷视融合的透雾目标识别方法

    公开(公告)号:CN114415173A

    公开(公告)日:2022-04-29

    申请号:CN202210047699.1

    申请日:2022-01-17

    Applicant: 同济大学

    Abstract: 本发明公开了一种高鲁棒性雷视融合的透雾目标识别方法,属于车辆识别技术领域,基于ROS将毫米波雷达获取的探测数据与相机获取的视觉信息进行融合和改进,发挥毫米波雷达不易受雾霾天气影响的优势,为图像去雾算法提供信息补充,结合驾驶场景特征信息,对暗通道先验去雾算法进行优化,针对图像去雾效率低的问题,以图像平均透射率作为评价指标确定去雾阈值,利用三帧差分法进行大气光值优化;针对雾天视觉漏检问题,结合毫米波雷达横向距离信息获取有雾图像中的感兴趣区域,利用毫米波雷达获得的目标距离信息,重新计算透射率,有效避免了视觉漏检,提高了车辆识别的准确性与鲁棒性。

    基于自适应驾驶风格动态切换模型的测试场景生成方法

    公开(公告)号:CN114385113A

    公开(公告)日:2022-04-22

    申请号:CN202111558858.6

    申请日:2021-12-20

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于自适应驾驶风格动态切换模型的测试场景生成方法,包括:分别定义驾驶员心情值和心态值,所述心情值用于定量表示当前交通情况及环境状态对驾驶员心情的影响,所述心态值用于表示驾驶员对未来交通情况的预估;基于心情值和心态值,构建驾驶风格转换系统,其中,驾驶风格转换系统包括心情值计算模型和心态变化模型;采用强化学习方法训练心态变化模型;将驾驶风格转换系统与两种单一风格驾驶员模型相结合,共同构建得到自适应驾驶风格动态切换模型;利用自适应驾驶风格动态切换模型生成自动驾驶测试场景。与现有技术相比,本发明能够根据环境的变化自主切换驾驶风格,有效提升自动驾驶测试场景的真实性和复杂性。

    带有监督机制的智能电动汽车漂移入库分段式控制方法

    公开(公告)号:CN112721914B

    公开(公告)日:2022-04-05

    申请号:CN202011537417.3

    申请日:2020-12-23

    Applicant: 同济大学

    Abstract: 本发明涉及一种带有监督机制的智能电动汽车漂移入库分段式控制方法,包括以下步骤:1)采用路径规划器规划漂移触发点接近路径,并对规划的路径进行监督监测,完成车辆向漂移触发点的接近,达到漂移触发状态;2)当车辆达到漂移触发状态时即触发漂移动作,在通过甩尾试验得到的漂移开环控制器的控制下完成漂移过程,最终停入期望库位,实现车辆期望状态和位置的准确跟踪。与现有技术相比,本发明具有提高控制精度、实现无人驾驶漂移入库、失效监测策略完善等优点。

    一种天体探测车激光点云失真判别方法、装置

    公开(公告)号:CN114114216A

    公开(公告)日:2022-03-01

    申请号:CN202111317218.6

    申请日:2021-11-09

    Applicant: 同济大学

    Abstract: 本发明涉及一种天体探测车激光点云失真判别方法、装置,该方法包括:获取激光雷达扫描周期内天体探测车的垂向振动速度v;若垂向振动速度v>Threshold则激光点云失真,否则激光点云不失真,其中Threshold为垂向振动速度阈值。与现有技术相比,本发明能够准确判断激光点云失真状况,避免因自车定位和目标识别定位的失真而导致事故的发生,提高天体地表智能驾驶的安全性。

    一种基于深度强化学习的智能电动汽车漂移入库控制方法

    公开(公告)号:CN112590774B

    公开(公告)日:2022-02-18

    申请号:CN202011530836.4

    申请日:2020-12-22

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于深度强化学习的智能电动汽车漂移入库控制方法,包括以下步骤:1)构建用于深度强化学习的车辆动力学模型以及轮胎力饱和工况下的轮胎模型;2)采用面向漂移入库控制的TD3算法实现智能电动汽车漂移入库。与现有技术相比,本发明控制精度高、鲁棒性好,能够使车辆准确完成漂移入库动作,并且在漂移过程中可以通过不断调节方向盘转角来使车辆准确到达库位,而且在车辆漂移的过程中可主动改变库位的中心位置,使车辆向更新后的库位位置漂移。

    一种基于前馈神经网络的汽车整车质量动力学获取方法

    公开(公告)号:CN112373484B

    公开(公告)日:2021-12-31

    申请号:CN202011344194.9

    申请日:2020-11-26

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于前馈神经网络的汽车整车质量动力学获取方法,包括以下步骤:1)获取车辆行驶过程中的动力学信息;2)将动力学信息输入训练完成的前馈神经网络,得到当前采样时刻整车质量的神经网络估计值MNN(k);3)利用整车质量动力学估计器,获取当前采样时刻整车质量的动力学估计值MDynamic(k);4)将当前采样时刻整车质量的神经网络估计值MNN(k)和动力学估计值MDynamic(k),以及上一采样时刻整车质量的最终估计值MFusion(k‑1),进行加权融合,得到当前采样时刻整车质量的最终估计值MFusion(k),与现有技术相比,本发明具有适用范围广、成本低、鲁棒性好等优点。

    一种抗阴影干扰的路面状态在线检测方法

    公开(公告)号:CN113538357A

    公开(公告)日:2021-10-22

    申请号:CN202110777999.0

    申请日:2021-07-09

    Applicant: 同济大学

    Abstract: 本发明涉及一种抗阴影干扰的路面状态在线检测方法,包括:收集不同场景工况下的路面图像及路面阴影图像历史数据,通过离线训练,分别得到路面区域分割模型、路面阴影检测模型和路面状态分类模型;获取实际路面图像,基于路面区域分割模型、路面阴影检测模型和路面状态分类模型,得到该实际路面图像对应的路面状态检测结果。与现有技术相比,本发明不依赖车辆激励状态,且不受路面阴影干扰,能够对车辆当前行驶道路的路面状态进行准确可靠的检测。

Patent Agency Ranking