公开(公告)号：CN115546763A

公开(公告)日：2022-12-30

申请号：CN202211263112.7

申请日：2022-10-14

Applicant: 吉林大学

Inventor： 张素民 ,  白日 ,  何睿 ,  武巍

IPC: G06V20/58 ,  G06V10/25 ,  G06V10/774 ,  G06V10/80 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于视觉测距的交通信号灯识别网络训练方法，包括以下步骤：步骤1、对采集的图像进行标注，制作交通信号灯数据集；步骤2、利用步骤1建立的数据集对信号灯识别网络模型进行训练；步骤3、利用损失函数采用梯度下降法对模型参数进行优化，用trainval子数据集对训练好的网络模型进行网络模型超参数调整，用test子数据集对最终的网络模型进行评价；当训练过程中loss趋于平缓且连续3个训练周期网络性能无提升时，选取最后的训练模型为最优模型，完成训练。本发明还提供了一种基于视觉测距的交通信号灯识别网络测试方法。本发明解决了现有技术中存在的信号灯识别准确率低，计算量大，实时性差等问题。

公开(公告)号：CN115723784A

公开(公告)日：2023-03-03

申请号：CN202211424237.3

申请日：2022-11-14

Applicant: 吉林大学

Inventor： 张素民 ,  李阔 ,  何睿 ,  武巍 ,  王鑫海 ,  初晓松

IPC: B60W60/00

Abstract: 本发明公开了一种基于JPS算法和梯度下降的非结构化道路路径规划方法，包括以下步骤：步骤1：初始化地图信息和路径节点信息；步骤2：获取起点至目标点的一系列无碰撞控制节点，获取节点连线所构成的路径与地图x轴的夹角；步骤3：为控制节点增加辅助控制点并进行路径曲线拟合；步骤4：对路径曲线进行优化得到最优路径。本发明解决了现有路径规划方法中路径搜索效率低且生成轨迹不是最优的问题。

公开(公告)号：CN115017619A

公开(公告)日：2022-09-06

申请号：CN202210668815.1

申请日：2022-06-14

Applicant: 吉林大学

Inventor： 何睿 ,  武巍 ,  张素民 ,  吴坚 ,  朱冰 ,  赵健

IPC: G06F30/15 ,  G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06F119/02

Abstract: 本发明公开了一种实时检验无人驾驶汽车制动性能的制动检测算法，属于汽车安全领域；改善无人驾驶汽车制动系统在湿地、冰雪路面等特殊工况下的不稳定性；步骤为：1、收集不同制动状况下制动特征因素作为数据集，并进行数据预处理；2、采用遗传算法优化初始权域值；3、根据制动特征因素个数及制动状况种类，构建bp神经网络并进行训练；4、对网络进行测试验证，保证网络输出值与汽车制动状况的一致性；利用传感器收集的与汽车制动效能及方向稳定性相关的数据，汽车通过该制动检测算法得到训练后的网络，可以实时评估汽车的制动状况；避免在特殊路面下，自动驾驶仅依靠压力传感器，不能判断是否施加了足够的制动力，以致无法达到预期制动效果。