-
公开(公告)号：CN111768373B
公开(公告)日：2024-08-23
申请号：CN202010559262.7
申请日：2020-06-18
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于深度学习的层级式路面标记破损检测方法和装置。通过相机采集路面的图像，对图像进行裁剪，得到原图裁剪图像；对原图裁剪图像进行初步识别，识别出原图裁剪图像中的可检测的路面标记；根据可检测路面标记对应的子图识别出路面标记的轮廓区域，提取路面标记的破损位置信息；利用相机的外参将路面标记的轮廓区域由像素坐标系还原到世界坐标系，根据路面标记在世界坐标系下的破损面积以及轮廓面积计算所述路面标记的破损率。本发明的方法能够有效地识别出路面标记的破损位置，并且有效评估路面标记的破损程度，为进一步的路面维修养护提供便利。
-
公开(公告)号：CN110466516A
公开(公告)日：2019-11-19
申请号：CN201910624865.8
申请日：2019-07-11
Applicant: 北京交通大学
IPC: B60W30/095 , B60W40/02 , B60W40/10
Abstract: 本发明涉及智能车的轨迹规划领域，具体涉及一种基于非线性规划的曲线道路自动车换道轨迹规划方法。首先利用高精度地图、传感器和GPS设备采集曲线道路信息并实时拟合道路方程；其次将换道总时间等分，构造含有未知参数的换道轨迹多项式曲线方程；然后建立车辆模型，通过计算换道车辆与周边车辆的实时距离来检测是否可能发生碰撞；最后基于换道行为起始点和终点的已知状态以及驾驶规范，设置合理的目标函数和约束条件，将轨迹规划问题转化为非线性优化求解问题，采用序列二次规划算法(SQP)求出换道车辆在不同时间点的位置、速度和加速度，以此规划出高效且安全的换道轨迹。
-
公开(公告)号：CN110031015B
公开(公告)日：2020-11-03
申请号：CN201910253769.7
申请日：2019-03-30
Applicant: 北京交通大学
Abstract: 本发明属于智能驾驶领域，具体涉及一种用连续可导函数近似表示车道平面曲线的方法。包括：依据实际车道平面信息预先规划出车道平面曲线；在所述车道平面曲线上取一系列的参考样本点进行标号处理；得出每个参考样本点的x、y轴坐标及相邻两个参考点之间的曲线长度后，将数据离线存储；依据车辆当前位置、当前行驶方向回归计算得到当前车道以及目标车道平面曲线的函数表达式。本发明所述方法可以根据车辆当前位置、行驶方向，利用之前离线存储的标号点，直接回归出连续可导的车道平面曲线函数，避免数据实时获取的低效性和庞大计算量带来的不便性，车辆可以随即根据周边路况调整路径，提高了智能车辆轨迹规划的准确性。
-
公开(公告)号：CN110031015A
公开(公告)日：2019-07-19
申请号：CN201910253769.7
申请日：2019-03-30
Applicant: 北京交通大学
Abstract: 本发明属于智能驾驶领域，具体涉及一种用连续可导函数近似表示车道平面曲线的方法。包括：依据实际车道平面信息预先规划出车道平面曲线；在所述车道平面曲线上取一系列的参考样本点进行标号处理；得出每个参考样本点的x、y轴坐标及相邻两个参考点之间的曲线长度后，将数据离线存储；依据车辆当前位置、当前行驶方向回归计算得到当前车道以及目标车道平面曲线的函数表达式。本发明所述方法可以根据车辆当前位置、行驶方向，利用之前离线存储的标号点，直接回归出连续可导的车道平面曲线函数，避免数据实时获取的低效性和庞大计算量带来的不便性，车辆可以随即根据周边路况调整路径，提高了智能车辆轨迹规划的准确性。
-
公开(公告)号：CN110047278A
公开(公告)日：2019-07-23
申请号：CN201910256516.5
申请日：2019-03-30
Applicant: 北京交通大学
Abstract: 本发明属于智能交通领域，提出一种基于深度强化学习的自适应交通信号控制系统及方法。本发明利用交互模块实现交叉口环境和控制器的实时交互，即由状态感知模块实时采集交叉口交通状态以及通过控制决策模块给出当前交通状态下的优化决策方案；同时，本发明可以由更新模块，采用强化学习的框架，不断更新控制器内部的控制核心(Q值网络)，以进一步提高未来控制方案的优化效果。本发明可以在时间和空间两个维度上综合收集各种影响因素；利用循环神经网络，提高对于高维输入矩阵的特征抽取能力和泛化能力；可以实现自适应交通信号控制中对复杂性、实时性、动态性、随机性、适应性等要求，提高交叉口交通控制的效率，降低出行延误。
-
Patent Agency Ranking
公开(公告)号：CN110047278B
公开(公告)日：2021-06-08
申请号：CN201910256516.5
申请日：2019-03-30
Applicant: 北京交通大学
Abstract: 本发明属于智能交通领域，提出一种基于深度强化学习的自适应交通信号控制系统及方法。本发明利用交互模块实现交叉口环境和控制器的实时交互，即由状态感知模块实时采集交叉口交通状态以及通过控制决策模块给出当前交通状态下的优化决策方案；同时，本发明可以由更新模块，采用强化学习的框架，不断更新控制器内部的控制核心(Q值网络)，以进一步提高未来控制方案的优化效果。本发明可以在时间和空间两个维度上综合收集各种影响因素；利用循环神经网络，提高对于高维输入矩阵的特征抽取能力和泛化能力；可以实现自适应交通信号控制中对复杂性、实时性、动态性、随机性、适应性等要求，提高交叉口交通控制的效率，降低出行延误。
-
公开(公告)号：CN110597245B
公开(公告)日：2020-11-20
申请号：CN201910738135.0
申请日：2019-08-12
Applicant: 北京交通大学
IPC: G05D1/02
Abstract: 本发明属于智能交通领域，提出一种基于二次型规划和神经网络的自动驾驶换道轨迹规划方法。本发明利用信息感知模块获取换道车辆及其周围车辆的行驶信息；基于车辆行驶信息，横向偏移推荐模块给出横向偏移值，从而确定换道车辆的起终点位置信息；基于车辆行驶信息及横向偏移为输入，路径规划模块经计算得出换道车辆的平面坐标系静态换道路径；最后，轨迹规划模块给出换道车辆及周围车辆运动轨迹随时间的变化规律，完成换道过程规划的目标。本发明可以在保障换道车辆安全性前提下，综合考虑换道车辆及其周围车辆的运动轨迹，利用二次型规划快速求解，提高换道过程的速度和舒适度，从而满足自动驾驶对换道子任务优化性，求解快速性的要求。
-
公开(公告)号：CN111768373A
公开(公告)日：2020-10-13
申请号：CN202010559262.7
申请日：2020-06-18
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于深度学习的层级式路面标记破损检测方法和装置。通过相机采集路面的图像，对图像进行裁剪，得到原图裁剪图像；对原图裁剪图像进行初步识别，识别出原图裁剪图像中的可检测的路面标记；根据可检测路面标记对应的子图识别出路面标记的轮廓区域，提取路面标记的破损位置信息；利用相机的外参将路面标记的轮廓区域由像素坐标系还原到世界坐标系，根据路面标记在世界坐标系下的破损面积以及轮廓面积计算所述路面标记的破损率。本发明的方法能够有效地识别出路面标记的破损位置，并且有效评估路面标记的破损程度，为进一步的路面维修养护提供便利。
-
公开(公告)号：CN110466516B
公开(公告)日：2020-08-28
申请号：CN201910624865.8
申请日：2019-07-11
Applicant: 北京交通大学
IPC: B60W30/095 , B60W40/02 , B60W40/10
Abstract: 本发明涉及智能车的轨迹规划领域，具体涉及一种基于非线性规划的曲线道路自动车换道轨迹规划方法。首先利用高精度地图、传感器和GPS设备采集曲线道路信息并实时拟合道路方程；其次将换道总时间等分，构造含有未知参数的换道轨迹多项式曲线方程；然后建立车辆模型，通过计算换道车辆与周边车辆的实时距离来检测是否可能发生碰撞；最后基于换道行为起始点和终点的已知状态以及驾驶规范，设置合理的目标函数和约束条件，将轨迹规划问题转化为非线性优化求解问题，采用序列二次规划算法(SQP)求出换道车辆在不同时间点的位置、速度和加速度，以此规划出高效且安全的换道轨迹。
-
公开(公告)号：CN110597245A
公开(公告)日：2019-12-20
申请号：CN201910738135.0
申请日：2019-08-12
Applicant: 北京交通大学
IPC: G05D1/02
Abstract: 本发明属于智能交通领域，提出一种基于二次型规划和神经网络的自动驾驶换道轨迹规划方法。本发明利用信息感知模块获取换道车辆及其周围车辆的行驶信息；基于车辆行驶信息，横向偏移推荐模块给出横向偏移值，从而确定换道车辆的起终点位置信息；基于车辆行驶信息及横向偏移为输入，路径规划模块经计算得出换道车辆的平面坐标系静态换道路径；最后，轨迹规划模块给出换道车辆及周围车辆运动轨迹随时间的变化规律，完成换道过程规划的目标。本发明可以在保障换道车辆安全性前提下，综合考虑换道车辆及其周围车辆的运动轨迹，利用二次型规划快速求解，提高换道过程的速度和舒适度，从而满足自动驾驶对换道子任务优化性，求解快速性的要求。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.021 seconds)
