-
公开(公告)号：CN109278753B
公开(公告)日：2020-09-01
申请号：CN201811131042.3
申请日：2018-09-27
Applicant: 北京理工大学
Abstract: 本发明提供了一种基于驾驶员视觉可见信息的智能车辆辅助驾驶方法，其结合了多种不同信息获取方式获取外部视觉可见信息，从驾驶员信息负荷角度对各类信息进行有机划分，使得可获取的信息具有更好的层次性和可解释性。利用所采集并分类的信息，通过机器学习的方法，选取特征向量和最优时间窗，并分别建立基于等级下的特征参数库和驾驶员信息负荷量分类器，为辅助驾驶策略的选择时机和选择方法提供了有效的支持手段，提高了智能车辆辅助驾驶中的人机交互性。
-
Patent Agency Ranking
公开(公告)号：CN109376583A
公开(公告)日：2019-02-22
申请号：CN201811025543.3
申请日：2018-09-04
Applicant: 北京理工大学
Abstract: 本发明提供了一种智能车辆辅助驾驶的驾驶员疲劳检测方法，综合考虑了行车过程中驾驶员眼部和嘴部状态并建立了相应的面部状态分类器，能够有效克服现有的仅通过单位时间人眼闭合的百分比的单一参数检测疲劳度方法的缺点，并能基于驾驶员自身的脸部信息建立驾驶员状态分类器，准确识别驾驶员清醒或疲劳，针对不同驾驶员个体的疲劳状态差异实现更为准确的个性化检测，实现以驾驶员的疲劳状态为依据指定辅助驾驶策略，实现车辆行驶时的在途动态识别。
-
公开(公告)号：CN109278753A
公开(公告)日：2019-01-29
申请号：CN201811131042.3
申请日：2018-09-27
Applicant: 北京理工大学
Abstract: 本发明提供了一种基于驾驶员视觉可见信息的智能车辆辅助驾驶方法，其结合了多种不同信息获取方式获取外部视觉可见信息，从驾驶员信息负荷角度对各类信息进行有机划分，使得可获取的信息具有更好的层次性和可解释性。利用所采集并分类的信息，通过机器学习的方法，选取特征向量和最优时间窗，并分别建立基于等级下的特征参数库和驾驶员信息负荷量分类器，为辅助驾驶策略的选择时机和选择方法提供了有效的支持手段，提高了智能车辆辅助驾驶中的人机交互性。
-
公开(公告)号：CN114548164A
公开(公告)日：2022-05-27
申请号：CN202210149745.9
申请日：2022-02-18
Applicant: 北京理工大学
Inventor： 王武宏 , 张浩东 , 成前 , 李成刚 , 张杰 , 谭海秋 , 蒋晓蓓 , 侯单懿 , 石健 , 于雯麟 , 胡耀光 , 孙栋先 , 冯睽睽 , 张云贺 , 张发平 , 孙春文 , 陆逍
Abstract: 本发明公开一种用于智能网联操控极微风险识别的无干扰监测方法，属于驾驶行为监测领域。本发明实现方法为：制备可伸缩的聚丙烯酰胺PAAM‑licl基摩擦纳米发电机PL‑TENG和具有铝AI‑Kapton摩擦层结构的摩擦纳米发电机AK‑TENG。搭建智能网联模拟驾驶场景用于获取自然驾驶数据。PL‑TENG布置于驾驶人的眼部、嘴部、脖颈等部位，将驾驶人面部和头部的极微动作转化为电信号，并从采集得到的电信号中获取用于表征疲劳和分心的特征指标；将AK‑TENG布置于转向盘和踏板，将驾驶人在完成转向、加速和制动操作时的极微动作转换为电信号，并利用电压数据完成风险驾驶操作辨识模型的搭建。结合两种摩擦纳米发电机实现对驾驶人驾驶状态和驾驶操作行为的无干扰实时监测。
-
公开(公告)号：CN112896185A
公开(公告)日：2021-06-04
申请号：CN202110098368.6
申请日：2021-01-25
Applicant: 北京理工大学
Abstract: 本发明提供了一种面向车路协同的智能驾驶行为决策规划方法及系统，首先在行驶过程中实时感知获取车辆自身包括位置、速度信息，以及所在交通场景中道路及道路上物体信息；随后建立驾驶人决策模型并利用车辆行驶中获取的相关信息对所述模型进行训练，使训练好的驾驶人决策模型能够将驾驶行为划分为保守型、一般型以及激进型三类；以行车安全场作为约束，并结合当前驾乘人员所选定的驾驶行为类型，对车辆进行行驶路径及速度的决策规划；最终基于所作出的行驶路径及速度的决策规划，对整车进行下层控制，使车辆按照决策规划执行相应行驶动作。
-
公开(公告)号：CN112149539A
公开(公告)日：2020-12-29
申请号：CN202010961008.X
申请日：2020-09-14
Applicant: 北京理工大学
Abstract: 本发明提供了基于HAAR特征和ADABOOST级联分类器识别前方车辆的分层检测方法，基于Haar特征的AdaBoost级联分类器通过离线训练，可利用大量时间完成分类器的离线训练，不影响在线检测效率。在识别过程中提取的感兴趣区域(ROI)，有效排除了不需要处理的部分，减少了无关内容的影响，从而可以显著降低算法计算量，达到提高检测速度的目的。检测中对感兴趣区域的分层过程考虑了目标在车辆实际运动时在图像场景中的变化及移动特性，针对性地采用了更为高效的检测子窗口遍历方式。且相对于传统的滑窗算法进一步设置里每层子窗口的最大值，能够明显减少子窗口的数目，从而降低计算量，提高检测程序的运行效率。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
