-
公开(公告)号：CN110001654B
公开(公告)日：2023-07-28
申请号：CN201910370185.8
申请日：2019-05-06
Applicant: 吉林大学
IPC: B60W40/08 , B60R16/023
Abstract: 本发明涉及一种自适应驾驶员类型的智能车纵向速度跟踪控制方法，包括以下步骤：数据采集单元实时采集车速信息；数据处理单元对前一步采集的信息进行预处理；向逻辑运算单元手动输入驾驶员类型并自动读取系统目标车速；判断车辆是否需要加速或者减速；根据前一步的判断结果进入相应的加速控制模块或者减速控制模块；根据前一步的计算结果作为输出信号输出到相应的线控系统。本发明的方法能够为不同特性驾驶员提供接受度极高的智能车纵向速度跟踪控制策略，提高汽车行驶安全以及改善乘坐体验，同时，设计中的加速和制动切换策略避免了纵向动力学系统在不必要时刻的频繁动作，提升了车辆纵向控制时的安全性且降低了能量消耗。
-
公开(公告)号：CN107953801B
公开(公告)日：2018-12-07
申请号：CN201711225441.1
申请日：2017-11-29
Applicant: 吉林大学
IPC: B60L15/20
CPC classification number: Y02T10/7275
Abstract: 一种全轮毂电机驱动车辆的驱动力控制方法，属于车辆驱动力控制领域，步骤如下：数据采集处理模块采集驾驶员的操纵信息和车辆的运行参数并进行预处理，得到驾驶员操纵信息和汽车状态参数信息并传递给驱动模式判定模块、驱动轮滑转观测模块及驱动轮转矩协调分配模块；判定驾驶员的转向意图和解析驾驶员驱动踏板获得的目标转矩；根据车辆的运行信息判定车辆行驶工况，根据各工况下驱动控制的目的是安全性还是动力性确定驱动力控制目标，并合理地利用限制目标转矩、调节前后轴驱动力分配、驱动防滑控制等驱动力控制方法。本发明旨在克服现有轮毂电机无法达到很好的协调控制导致实用性降低的问题，提高现有基于轮毂电机驱动车辆的适用性。
-
公开(公告)号：CN107862287A
公开(公告)日：2018-03-30
申请号：CN201711090849.2
申请日：2017-11-08
Applicant: 吉林大学
IPC: G06K9/00 , G06K9/32 , G06K9/62 , B60R21/013 , B60Q9/00
CPC classification number: G06K9/00805 , B60Q9/008 , B60R21/013 , G06K9/3233 , G06K9/6256 , G06K9/6267 , G06K2209/21
Abstract: 本发明一种前方小区域物体识别及车辆预警方法，属于车辆前方碰撞预警技术领域，具体如下：获取车辆前方待识别目标图像，并获取感兴趣区域ROI图像；对得到的感兴趣区域图像进行图像预处理，输入改进的YOLO卷积网络结构模型，进行目标识别，输出目标回归框和目标类别：将识别结果输入车辆预警系统，目标回归框的位置位于车辆行驶路线范围外或识别目标为非危险种类时，标记为非危险目标，车辆不预警；目标回归框的位置位于车辆行驶路线以内且识别的物体为危险种类以及无法识别的物体并具有一定的速度特征时，标记为危险目标，车辆预警，提醒驾驶员注意以避免事故发生。
-
公开(公告)号：CN109784768B
公开(公告)日：2023-04-18
申请号：CN201910119821.X
申请日：2019-02-18
Applicant: 吉林大学
IPC: G06Q10/0639 , G06Q50/30
Abstract: 本发明涉及一种驾驶任务识别方法，包括步骤：利用驾驶规范性评价指标建立驾驶规范等级评价模型，评选高规范等级驾驶人作为试验对象；设计试验对象执行几种常见的驾驶任务的实车试验，并为每种驾驶任务分配驾驶任务数字识别序列；利用驾驶任务识别指标与驾驶任务数字识别序列，建立基于深度神经网络的驾驶任务特征模型；采集测试驾驶人的驾驶任务识别指标并分别输入各个驾驶任务特征模型中，使用拟合优度衡量测试驾驶任务与各特征模型的显著性差异，拟合优度最高的驾驶任务特征模型映射测试驾驶人的驾驶任务，达到识别驾驶任务的效果。本发明可以在汽车高级驾驶辅助系统、道路驾驶技能考试等需要监测驾驶人行为的领域有较好的普遍适用性。
-
公开(公告)号：CN110232257B
公开(公告)日：2020-10-23
申请号：CN201910589116.6
申请日：2019-07-02
Applicant: 吉林大学
IPC: G06F30/20
Abstract: 本发明涉及一种自动驾驶测试场景的构建方法及其难度系数计算方法，首先依次建立测试场景递阶层次结构框架，所述的结构框架至少包括四层：目标层、维度层、类别层和要素层，目标层下包括至少四个维度，每个维度下包括数个类别，每个类别下包括数个要素，根据目标层确定所要构建的目标场景，依次在各维度下确定类别，在类别中选取所需的具体要素，最终构建成目标测试场景。对各个维度内的不同层级元素赋予权重，对拟构建的场景进行要素匹配并完成对该场景测试难度系数的计算。本发明填补当下自动驾驶测试场景构建方法领域内的空缺，提出对所构建场景的测试难度等级评价方法，以及制定各功能测试项目进行测试方案。
-
Patent Agency Ranking
公开(公告)号：CN111413979A
公开(公告)日：2020-07-14
申请号：CN202010263890.0
申请日：2020-04-07
Abstract: 本发明提供一种基于快速模型预测的汽车轨迹跟踪控制方法，目的是优化模型预测控制的计算，提高模型预测控制的求解速度，包括建立车辆动力学模型、建立基于快速模型预测的汽车轨迹跟踪控制系统、基于系统输出与给定输出构建优化问题、基于Move-Blocking策略对模型预测控制进行优化计算等步骤，本发明在模型预测控制的基础上，引入Move-blocking策略将模型预测控制进行优化，减小优化过程的计算复杂度，使其能快速求解，提高汽车控制的实时性，能够在满足约束条件下保证系统输出紧密跟踪期望值，使跟踪精确度更高。
-
公开(公告)号：CN109459750B
公开(公告)日：2023-05-23
申请号：CN201811219589.9
申请日：2018-10-19
Applicant: 吉林大学
Abstract: 本发明涉及一种毫米波雷达与深度学习视觉融合的前方多车辆跟踪方法，利用毫米波雷达获得前方数据信息，根据其回波反射强度以及宽度信息，剔除掉无效信息，只保留下前方的车辆信息。根据毫米波雷达与摄像机相融合的方法，通过对雷达信息的滤波以及在线跟踪模型生成运动轨迹并进行轨迹关联。对已经进行了轨迹关联的前方车辆进行记录并编号。对已经生成轨迹并编号的前方车辆，只需要对下一周期的数据进行上述步骤的重复处理，并进行一致性检验，将其添加到已编号的轨迹中去。对于新出现的车辆，按照最开始的步骤进行轨迹生成、轨迹关联与编号。本发明结合了毫米波雷达和视觉深度学习的优势，能有效提高对于前方多车辆目标跟踪的准确度与鲁棒性。
-
公开(公告)号：CN111144015A
公开(公告)日：2020-05-12
申请号：CN201911392624.1
申请日：2019-12-30
Applicant: 吉林大学
Abstract: 本发明涉及一种自动驾驶汽车虚拟场景库构建方法，包括数据采集、数据提取、数据清洗、标注场景要素、形成数据集、确定最佳k值、确定聚类初始中心、获得逻辑场景、构建虚拟场景库等步骤，本发明为自动驾驶虚拟场景库的构建提供了理论依据和技术支持，该方法操作简便，可提供大量不同要求的测试目标场景环境，用于测试自动驾驶系统在虚拟场景下的安全性，代替实车在实际环境中的测试，节约大量成本，而且测试效率更高，可重复性更强，并且可以模拟各种不同要求的场景，能够加快自动驾驶汽车的研发，从而促进自动驾驶汽车快速、安全上路。
-
公开(公告)号：CN111027505A
公开(公告)日：2020-04-17
申请号：CN201911314479.5
申请日：2019-12-19
Applicant: 吉林大学
Abstract: 本发明涉及一种基于显著性检测的分层多目标跟踪方法，包括以下步骤：构建基于已有标准数据集与人工标注混合的混合数据集；构建道路交通场景显著性区域检测子网络生成显著性区域与非显著性区域；利用目标检测算法检测每一帧目标；构建卷积网络、长短时记忆与图卷积网络相结合的多目标跟踪网络模型，并跟踪显著性区域目标；构建并行KCF池对非显著性区域内目标进行单目标跟踪；将显著性区域与非显著性区域轨迹结合并后处理生成整体轨迹。本发明通过增加快速显著性检测方法，生成显著性区域包围框，对以输入检测和跟踪目标；能够加快检测速度同时，保持检测精度；可为真实情景下自动驾驶多目标跟踪降低计算复杂度，加速跟踪。
-
公开(公告)号：CN110001654A
公开(公告)日：2019-07-12
申请号：CN201910370185.8
申请日：2019-05-06
Applicant: 吉林大学
IPC: B60W40/08 , B60R16/023
Abstract: 本发明涉及一种自适应驾驶员类型的智能车纵向速度跟踪控制方法，包括以下步骤：数据采集单元实时采集车速信息；数据处理单元对前一步采集的信息进行预处理；向逻辑运算单元手动输入驾驶员类型并自动读取系统目标车速；判断车辆是否需要加速或者减速；根据前一步的判断结果进入相应的加速控制模块或者减速控制模块；根据前一步的计算结果作为输出信号输出到相应的线控系统。本发明的方法能够为不同特性驾驶员提供接受度极高的智能车纵向速度跟踪控制策略，提高汽车行驶安全以及改善乘坐体验，同时，设计中的加速和制动切换策略避免了纵向动力学系统在不必要时刻的频繁动作，提升了车辆纵向控制时的安全性且降低了能量消耗。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.019 seconds)
