公开(公告)号：CN119567776A

公开(公告)日：2025-03-07

申请号：CN202411655504.7

申请日：2024-11-19

Applicant: 上海交通大学 ,  聊城产业技术研究院有限公司 ,  聊城巽丰智能科技有限责任公司

Inventor： 史臻 ,  杨林 ,  徐安泽 ,  陈宇轩 ,  郝奇 ,  潘成刚 ,  金悦

IPC: B60G17/015 ,  B60G17/018 ,  B60W40/09

Abstract: 本发明提供了一种基于滚动驾驶风格识别的主动悬架控制方法及系统，包括：从CAN总线中获取刹车、油门踏板开度、方向盘转角、车速信息，以构建工况信息库；提取踏板开度信息、方向盘转角信息并与预设的开度阈值相比较，识别当前驾驶工况；提取历史车速信息，对历史车速轨迹进行基于时间窗的滚动切割，得到车速时间序列；对车速时间序列应用求平均、求标准差提取统计特征，应用EMD‑DFT联合提取时序特征，基于此两种特征识别驾驶风格；将驾驶工况和驾驶风格作为输入实现主动悬架控制。本发明实现驾驶风格的准确识别，同时引入基于时间窗的滚动识别，改善悬架控制的实时性，最后结合人‑车因素提高悬架控制的舒适性和操纵稳定性。

公开(公告)号：CN119567784A

公开(公告)日：2025-03-07

申请号：CN202411672960.2

申请日：2024-11-21

Applicant: 上海交通大学 ,  聊城巽丰智能科技有限责任公司 ,  聊城产业技术研究院有限公司

Inventor： 杨林 ,  徐安泽 ,  史臻 ,  陈宇轩 ,  郝奇 ,  潘成刚 ,  金悦

IPC: B60G17/018 ,  B60G17/019

Abstract: 本发明提供了一种基于LQR和人工神经网络的汽车悬架预控制方法及系统，该方法通过双目相机提前获取路面起伏度信息，结合车载传感器所得的车辆姿态参数和运动参数，共同构建悬架系统的动力学模型，并用线性空间方程表达。随后，设计人工神经网络，根据车辆参数和路面高度，计算加权系数矩阵。基于线性二次型调节器(LQR)求解最优悬架参数，实现悬架的预控制。通过精确离散化方法计算悬架变形后的姿态，对人工神经网络进行在线监督训练。该方法能提前计算悬架变形量，有效吸收路面冲击，提高行车安全性和舒适性。相比传统实时反馈控制，本发明具备更强的环境适应性和可靠性。

公开(公告)号：CN118691850A

公开(公告)日：2024-09-24

申请号：CN202410730478.3

申请日：2024-06-06

Applicant: 上海交通大学

Inventor： 杨林 ,  李井忠 ,  史臻 ,  徐安泽 ,  陈宇轩 ,  金悦

IPC: G06V10/62 ,  G06V20/56 ,  G06V10/42 ,  G06V10/80 ,  G06V10/77 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/09

Abstract: 本发明提供了一种低计算复杂度和域适应性的群智能体轨迹预测方法及系统，包括：步骤S1：获取智能体轨迹及初始关联，分别由节点和边表示，构建空间边特征有向图和时间边特征有向图；步骤S2：空间边特征有向图和时间边特征有向图分别进行节点‑边特征融合处理，得到增强的空间交互特征和增强的时间交互特征；步骤S3：增强的空间交互特征和增强的时间交互特征分别利用混合特征注意力网络自适应捕捉空间全局交互特征和时间全局交互特征；步骤S4：基于空间全局交互特征和时间全局交互特征构建残差聚合模块的空间邻接矩阵和时间邻接矩阵，利用所述残差聚合模块的空间邻接矩阵和时间邻接矩阵融合空间轨迹和时间运动，得到增强的时空轨迹；步骤S5：对增强的时空轨迹使用时间卷积网络生成当前场景中所有智能体的轨迹预测结果。

公开(公告)号：CN119693898A

公开(公告)日：2025-03-25

申请号：CN202411635197.6

申请日：2024-11-15

Applicant: 上海交通大学 ,  聊城巽丰智能科技有限责任公司 ,  聊城产业技术研究院有限公司

Inventor： 徐安泽 ,  杨林 ,  史臻 ,  潘成刚 ,  金悦 ,  郝奇 ,  陈宇轩

IPC: G06V20/56 ,  B60G17/018 ,  G06V10/44 ,  G06V10/54 ,  G06V10/52 ,  G06V10/75 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/08

Abstract: 本发明提供了一种实时双目立体匹配方法及基于方法的汽车悬架控制系统。包括：基于特征提取网络获取左右视图的多尺度特征，由若干三维张量表示，从而基于1/4分辨率的低层级特征图构建三融合成本体积(纹理体积、相关性体积、互体积)用于实现成本量回归，随后通过沙漏状的堆叠3D卷积结合着其他层级的特征图实现成本回归，最终在1/4分辨率和原始分辨率下进行视差回归并进行监督学习获得原始分辨率下的视差图。基于所得视差图和双目相机的参数矩阵，即可计算得到路面的深度图，再对比前后帧的深度差异，即可利用几何关系计算得到路面起伏度的变化，进而以此为输入进行悬架的分级控制，确保驾驶舒适性。

公开(公告)号：CN118608759A

公开(公告)日：2024-09-06

申请号：CN202410656112.6

申请日：2024-05-24

Applicant: 上海交通大学

Inventor： 李井忠 ,  杨林 ,  史臻 ,  陈宇轩 ,  徐安泽 ,  金悦

IPC: G06V10/25 ,  G06V10/44 ,  G06V10/40 ,  G06V10/82 ,  G06V20/58 ,  G06V20/64 ,  G06N3/0464

Abstract: 本发明提供了一种4D毫米波雷达三维目标检测方法和系统，包括：实时采集4D毫米波雷达点云数据，通过立柱特征编码模块，生成立柱特征；通过立柱空间双注意力特征提取模块，得到增强的立柱特征；通过增强的立柱特征，生成鸟瞰视角伪图像；利用2D卷积网络对作为鸟瞰视角伪图像的BEV伪图像进行特征提取，生成BEV特征图；重新划分4D毫米波雷达点云数据的数据点，生成4D毫米波雷达点云的三维坐标空间；对三维坐标空间进行编码，获得3D位置嵌入；将BEV特征图与3D位置嵌入逐元素相加，生成增强的BEV特征图并输入区域提取网络检测头，输出三维目标检测结果。本发明抑制点云噪声，增强3D位置感知能力，有效提高4D毫米波雷达的三维目标检测精度。