-
公开(公告)号：CN114235679A
公开(公告)日：2022-03-25
申请号：CN202111345929.4
申请日：2021-11-15
Applicant: 同济大学
Abstract: 本发明涉及一种基于激光雷达的路面附着系数估计方法及系统，所述方法包括：S1：获取不同光照条件、不同路面类型上车辆行驶中车载激光雷达采集的点云信息；S2：提取点云信息中的路面区域点云；S3：基于路面区域点云的反射强度概率分布模型参数，建立路面反射强度分布模型参数数据库；S4：获取实测路面点云数据，利用分布相似度进行路面类型辨识和附着系数估计。与现有技术相比，本发明具有估计精度高、鲁棒性强等优点。
-
Patent Agency Ranking
公开(公告)号：CN116311125A
公开(公告)日：2023-06-23
申请号：CN202310251415.5
申请日：2023-03-15
Applicant: 同济大学
IPC: G06V20/56 , G06V10/25 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于车路协同的路面附着系数多源融合估计方法，包括：S1、利用路端摄像头获取指定路段的路面图像，将路面图像输入预先构建的路面分类模型中，输出得到路端的路面分类结果；S2、车载终端获取并识别车辆前方的路面图像，得到车端的路面分类结果；S3、将车端的路面分类结果和路端的路面分类结果相融合，得到路面融合分类结果；S4、对融合分类结果进行时空转换，得到当前峰值附着系数视觉估计值θimage；S5、建立Burckhardt轮胎模型，计算得到峰值附着系数的动力学估计值θdynamics，将视觉估计值θimage和动力学估计值θdynamics进行融合，得到峰值附着系数的融合估计结果θfusion。与现有技术相比，本发明具有估计精度高、实时性好、受前车遮挡影响小等优点。
-
公开(公告)号：CN115186577A
公开(公告)日：2022-10-14
申请号：CN202210714607.0
申请日：2022-06-22
Applicant: 同济大学
IPC: G06F30/27 , G06K9/62 , G06N3/04 , G06F119/14
Abstract: 本发明涉及一种基于估计器参数自适应优化的路面附着系数融合估计方法，包括：建立基于机器视觉的视觉估计器；建立综合利用纵侧向激励的动力学估计器；确定不同路面类型下动力学估计器局部弱能观性成立的激励阈值范围，实现动力学估计器的有效启停；设计基于视觉估计器边界层厚度的动力学估计器参数自校正算法；设计基于模糊C均值的自适应自调整策略，优化路面附着系数的映射经验值和视觉估计器边界层厚度，得到视觉动力学融合估计器；将实际车辆状态参数以及车载摄像头采集的路面图像输入视觉动力学融合估计器，输出得到路面附着系数估计值。与现有技术相比，本发明能有效提高路面附着系数的估计精度，且具有实时性好、鲁棒性强的优点。
-
公开(公告)号：CN114235679B
公开(公告)日：2023-02-10
申请号：CN202111345929.4
申请日：2021-11-15
Applicant: 同济大学
Abstract: 本发明涉及一种基于激光雷达的路面附着系数估计方法及系统，所述方法包括：S1：获取不同光照条件、不同路面类型上车辆行驶中车载激光雷达采集的点云信息；S2：提取点云信息中的路面区域点云；S3：基于路面区域点云的反射强度概率分布模型参数，建立路面反射强度分布模型参数数据库；S4：获取实测路面点云数据，利用分布相似度进行路面类型辨识和附着系数估计。与现有技术相比，本发明具有估计精度高、鲁棒性强等优点。
-
公开(公告)号：CN112373484B
公开(公告)日：2021-12-31
申请号：CN202011344194.9
申请日：2020-11-26
Applicant: 同济大学
Abstract: 本发明涉及一种基于前馈神经网络的汽车整车质量动力学获取方法，包括以下步骤：1)获取车辆行驶过程中的动力学信息；2)将动力学信息输入训练完成的前馈神经网络，得到当前采样时刻整车质量的神经网络估计值MNN(k)；3)利用整车质量动力学估计器，获取当前采样时刻整车质量的动力学估计值MDynamic(k)；4)将当前采样时刻整车质量的神经网络估计值MNN(k)和动力学估计值MDynamic(k)，以及上一采样时刻整车质量的最终估计值MFusion(k‑1)，进行加权融合，得到当前采样时刻整车质量的最终估计值MFusion(k)，与现有技术相比，本发明具有适用范围广、成本低、鲁棒性好等优点。
-
公开(公告)号：CN112373484A
公开(公告)日：2021-02-19
申请号：CN202011344194.9
申请日：2020-11-26
Applicant: 同济大学
Abstract: 本发明涉及一种基于前馈神经网络的汽车整车质量动力学获取方法，包括以下步骤：1)获取车辆行驶过程中的动力学信息；2)将动力学信息输入训练完成的前馈神经网络，得到当前采样时刻整车质量的神经网络估计值MNN(k)；3)利用整车质量动力学估计器，获取当前采样时刻整车质量的动力学估计值MDynamic(k)；4)将当前采样时刻整车质量的神经网络估计值MNN(k)和动力学估计值MDynamic(k)，以及上一采样时刻整车质量的最终估计值MFusion(k‑1)，进行加权融合，得到当前采样时刻整车质量的最终估计值MFusion(k)，与现有技术相比，本发明具有适用范围广、成本低、鲁棒性好等优点。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
