-
公开(公告)号：CN107633220A
公开(公告)日：2018-01-26
申请号：CN201710821353.1
申请日：2017-09-13
Applicant: 吉林大学
Abstract: 本发明公开了一种基于卷积神经网络的车辆前方目标识别方法，其实现步骤为：1.获取大量车辆交通相关图像作为样本，对收集的图像进行左右镜像化变换，扩充数据集并制作标签；2.将每个彩色图像进行色彩通道的合并，制作灰度化的训练数据集和测试数据集；3.在MATLAB平台搭建卷积神经网络模型；4.将训练数据集输入到卷积神经网络中，得到训练好的卷积神经网络；5.将测试数据集输入到训练好的卷积神经网络中，可得到识别率。本发明能够检测出单目摄像头所摄画面中的车辆和行人，具有识别率高的特点，实现了对不同类型的车辆前方障碍物进行分类的功能。
-
公开(公告)号：CN119988747A
公开(公告)日：2025-05-13
申请号：CN202510459502.9
申请日：2025-04-14
Applicant: 吉林大学
IPC: G06F16/9535 , G06F18/22 , G06F18/23
Abstract: 本申请提供了一种服务推荐方法、装置、终端设备及存储介质，适用于数据处理技术领域，该方法包括：获取历史座舱服务使用信息、当前座舱服务使用信息以及车辆行驶状态信息；对所述历史座舱服务使用信息、当前座舱服务使用信息以及车辆行驶状态信息进行映射与增强处理，生成驾驶个体行为信息；将所述驾驶个体行为信息以及驾驶群体类型信息进行匹配计算，得到匹配群体类型信息以及匹配度信息；根据所述驾驶个体行为信息、匹配群体类型信息、匹配度信息、预设的服务推荐模型以及预设的提示文本信息，生成服务推荐信息。本申请能够实现准确捕捉驾驶员的信息娱乐服务需求，有效提升智能座舱个性化服务推荐的准确性和可靠性。
-
Patent Agency Ranking
公开(公告)号：CN119691692A
公开(公告)日：2025-03-25
申请号：CN202510221303.4
申请日：2025-02-27
Abstract: 本发明适用于自动驾驶技术领域，提供了一种专用于自动驾驶的多模态指令遵循数据集构建方法，将整个端到端驾驶过程明确描述为元动作推理、行为解释生成以及控制信号预测的顺序组合，通过以意图认知为导向的算法规则自动整合对象级别问答注释，主要包括控制信号处理、元动作规则制定和行为解释文本生成三阶段构建流程，实现了对象级别问答数据的高层次、顺序化构建，为可解释端到端自动驾驶和多模态大语言模型领域提供了专用的多模态指令遵循数据集支撑。
-
公开(公告)号：CN119961525A
公开(公告)日：2025-05-09
申请号：CN202510436029.2
申请日：2025-04-09
IPC: G06F16/9535 , G06N3/0455 , G06N3/08 , G06N5/04 , G06F40/211
Abstract: 本发明适用于汽车智能座舱技术领域，提供了一种基于大语言模型的人舱交互意图个性化预测方法，首先，通过结合车辆状态数据、驾驶员行为序列数据以及数据增强技术，构建了一个专用于驾驶员意图预测的驾驶舱场景数据集。其次，设计了一种新型的驾驶员意图个性化预测模型PCockpit‑LLM。然后采用了两阶段微调策略。在第一阶段，利用广泛覆盖驾驶舱场景的泛化数据集对PCockpit‑LLM进行全参数微调。在第二阶段，通过个性化驾驶舱场景数据集对模型进行进一步微调。本方法通过充分利用大语言模型的上下文理解能力与知识泛化能力，实现了驾驶员意图预测的高准确性与个性化，为智能座舱的个性化主动交互功能提供了理论支持与技术基础。
-
公开(公告)号：CN119721263A
公开(公告)日：2025-03-28
申请号：CN202510241389.7
申请日：2025-03-03
IPC: G06N5/04 , G06N3/0455 , G06N3/084 , G06N3/0985 , G06T17/00 , G06T19/00 , G06T3/4038 , G06F16/332 , G06F16/36
Abstract: 本发明适用于自动驾驶技术领域，提供了一种用于三维驾驶场景理解的视觉问答数据集构建方法，该方法主要包括感知数据预处理、分层场景体系与场景图注释构建、问题集合与答案范式设计、场景级别问答对生成以及人工后处理五步构建流程。实现了场景级别问答数据的高效率、高质量自动化构建，为专用于自动驾驶三维场景理解任务的多模态模型训练和落地提供数据集支撑，并为VQA和自动驾驶社区带来了新的启发。
-
公开(公告)号：CN107632308B
公开(公告)日：2021-02-05
申请号：CN201710733511.8
申请日：2017-08-24
Applicant: 吉林大学
IPC: G01S17/88 , G01S17/50 , G01S17/931
Abstract: 本发明公开了一种基于递归叠加算法的车辆前方障碍物轮廓检测方法，该方法包括：雷达与地面的几何关系计算障碍物轮廓高度；历史扫描与当前扫描的坐标匹配；考虑雷达光束具有正态分布的特点引入概率密度函数；实现障碍物轮廓的准连续估计；通过历史扫描与当前扫描数据不断递归叠加的方式求得准确的障碍物轮廓高度；通过回归计算高度偏差和俯仰角偏差；新旧扫描的融合。本发明采用的测量方法简易可行，可以准确而高效地检测道路前方障碍物的大概轮廓高度，并且新旧扫描产生的重叠区不断进行递归叠加，可以去除一些干扰所带来的影响，大大增强了信息密度。可以获得精确的车辆前方障碍物轮廓高度。
-
公开(公告)号：CN107632308A
公开(公告)日：2018-01-26
申请号：CN201710733511.8
申请日：2017-08-24
Applicant: 吉林大学
Abstract: 本发明公开了一种基于递归叠加算法的车辆前方障碍物轮廓检测方法，该方法包括：雷达与地面的几何关系计算障碍物轮廓高度；历史扫描与当前扫描的坐标匹配；考虑雷达光束具有正态分布的特点引入概率密度函数；实现障碍物轮廓的准连续估计；通过历史扫描与当前扫描数据不断递归叠加的方式求得准确的障碍物轮廓高度；通过回归计算高度偏差和俯仰角偏差；新旧扫描的融合。本发明采用的测量方法简易可行，可以准确而高效地检测道路前方障碍物的大概轮廓高度，并且新旧扫描产生的重叠区不断进行递归叠加，可以去除一些干扰所带来的影响，大大增强了信息密度。可以获得精确的车辆前方障碍物轮廓高度。
-
-
-
-
-
-
Search Results
7
records
(took 0.065 seconds)
