-
公开(公告)号：CN116434193A
公开(公告)日：2023-07-14
申请号：CN202310419930.X
申请日：2023-04-19
Applicant: 江苏大学 , 镇江市江苏大学工程技术研究院 , 汉得利(常州)电子股份有限公司
Abstract: 本发明公开了一种面向决策支持的自动驾驶目标检测算法综合评价方法，包括：获取目标检测数据集；根据目标检测数据集，建立因素集；其中，因素集包括距离、方位和类别；根据因素集，建立评价集；其中，评价集包括距离因素评价集、方位因素评价集和类别因素评价集；设定各个评价集以及各个评价集中每个评价等级的权重；根据各个评价集、各个评价集中每个评价等级以及对应的权重，对自动驾驶目标检测算法进行综合评价。本发明同时考虑了目标物体与当前车辆之间的距离因素的权重、目标物体与当前车辆之间的方位信息的权重和目标物体的类别权重，能够面向自动驾驶决策端，甄别出对危险系数较大目标的识别能力的目标检测算法及其模型。
-
公开(公告)号：CN116310345A
公开(公告)日：2023-06-23
申请号：CN202310363274.6
申请日：2023-04-07
Applicant: 江苏大学 , 镇江市江苏大学工程技术研究院 , 汉得利(常州)电子股份有限公司
IPC: G06V10/26 , G06V20/56 , G06V20/70 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种用于交通路面的多要素语义分割方法，包括：获取目标图片集；目标图片集中的每个目标图片均包括可行驶区域、车道线和路面交通标志；对目标图片集的目标图片进行标签标注，并将标注后的目标图片集划分为训练集和测试集；构建实时语义分割网络模型；利用训练集对实时语义分割网络模型进行训练，得到训练好的实时语义分割网络模型；利用训练好的实时语义分割网络模型对测试集进行测试，得到交通路面的语义分割结果。本发明中能够将可行驶区域分割、车道线检测和道路路面交通标志检测整合到同一个实时语义分割网络模型中同时进行处理，能够取得较好的分割效果和较快的推理速度，从而减少推理消耗的时间，节省计算资源。
-
公开(公告)号：CN119928486A
公开(公告)日：2025-05-06
申请号：CN202510250183.0
申请日：2025-03-04
Applicant: 江苏大学
IPC: B60G17/015 , B60G17/0165 , B60G17/018
Abstract: 本发明公开了基于高精度定位路面状态识别的超视距主动悬架预瞄控制方法，基于低轨卫星定位、高精度地图与惯性导航系统的组合定位系统，对车辆进行定位，获取车辆的位置信息；基于车辆的位置信息，进行路面状态识别，所述路面状态包括路面等级和脉冲激励；且建立车辆与车辆之间的信号交互，实现自车与周围车辆之间关于路面状态、悬架参数、车辆定位信息的交互传输；依据接收到的路面状态、悬架参数、车辆定位信息，制定超视距预瞄控制策略；若路段不存在脉冲激励时，车辆悬架控制器采用模糊控制；若存在脉冲激励时，车辆悬架控制器采用含有预瞄信息的LQG控制；本发明能够有效解决预瞄控制过程中感知范围有限，车载电子控制单元计算能力不足等问题。
-
公开(公告)号：CN119644710A
公开(公告)日：2025-03-18
申请号：CN202411950567.5
申请日：2024-12-27
Applicant: 江苏大学
IPC: G05B11/42
Abstract: 本发明公开了一种基于在线学习的自适应RNN车辆轨迹跟踪控制器及控制方法，引入了循环神经网络(RNN)方法，充分利用其能够捕捉时间序列中的动态变化规律、对长期依赖关系建模的核心优势，同时具备非线性映射能力和网络内部特征表达能力，从而显著提升了复杂系统状态与控制输入之间非线性耦合关系的建模能力。通过这一改进，本发明有效解决了车辆动力学在复杂工况(如模型失配)下的控制精度与轨迹跟踪性能问题，在车辆动力学控制领域展现出显著的优越性。通过预测‑反馈控制器的协同作用，使系统在保持在线预测控制高效性的同时，实现了在复杂环境下更为精准和稳定的路径跟踪。
-
公开(公告)号：CN119598782A
公开(公告)日：2025-03-11
申请号：CN202411558736.0
申请日：2024-11-04
Applicant: 江苏大学
IPC: G06F30/23 , G06F30/27 , G06F30/15 , G06N3/006 , G06F18/27 , G06F18/243 , G06F119/14
Abstract: 本发明公开了一种基于压电型智能轮胎技术和BKA‑GPR的轮胎三向力预测方法。构建了轮胎及PVDF(聚偏二氟乙烯)传感器的有限元模型，并结合Inp融合法建立了压电型智能轮胎模型；通过全局灵敏度分析，评估纵向力(Fx)、侧向力(Fy)和垂向力(Fz)变化对不同胎内位置的PVDF传感器电压输出的敏感性，确定了传感器的最佳安装位置；使用Sobol方法采集电压‑轮胎力数据集，并对接地印迹区域信号进行提取和归一化处理；根据数据特征设计轮胎力高斯过程回归(Gaussian process regression，GPR)模型，并通过黑翅鸢算法(Black‑winged kite algorithm，BKA)优化其超参数；通过随机森林(Random forest，RF)算法确定最佳输入特征和数据规模，重新训练模型可得到低成本、高精度、稳定性和泛化性能良好的轮胎三向力预测模型。
-
Patent Agency Ranking
公开(公告)号：CN119125930A
公开(公告)日：2024-12-13
申请号：CN202411308217.9
申请日：2024-09-19
IPC: G01R31/392 , G01R31/36 , G01R31/378 , G01R31/367
Abstract: 本发明公开了一种融合恒压充电阶段多维特征参数的锂离子电池健康状态估算方法，包括：离线确定电池模型具体结构；计算并提取电池恒压工况下对应不同等效截止电流的电流曲线显性候选特征参数和隐性候选特征参数；进行斯皮尔曼相关性分析，确定表征电池老化的特征参数集合及对应的有效电流区间；构建对应不同等效恒压截止电流的电池健康状态估算模型并存储；记录并存储电池恒压充电时间‑电流序列，并实时计算显性特征参数；查询得到对应实际恒压充电截止电流值的电池健康状态估算模型；估算电池的实际健康状态。本发明相比于基于动态放电数据和恒流充电数据的电池健康状态估算方法，本发明提供的估算方法具有较高的鲁棒性。
-
公开(公告)号：CN118982061A
公开(公告)日：2024-11-19
申请号：CN202411109882.5
申请日：2024-08-13
Applicant: 江苏大学
Abstract: 本发明公开了一面向多智能体可信交互式决策控制的联邦强化学习系统、方法及设备。系统框架采用基于机理模型的数据分析方法建立样本置信度综合量化指标，实现精准、全面、可解释的偏好建模，并依据偏好模型从目标对齐和协同优化角度，解构联邦强化学习算法，实现算法多层级解释；创新采用数据机理双驱动的混合视觉注意力模型，解决传统深度强化学习在城市复杂交通环境下的高维状态空间表征难题，实现高可用性算法表现；该系统将多智能体联邦强化学习协同优化过程建模为可解释的自组织性群体合作过程，通过偏好启发式参数聚合实现模型鲁棒性与样本效率之间的平衡，解决了城市自动驾驶算法可信任难题。
-
公开(公告)号：CN118886303A
公开(公告)日：2024-11-01
申请号：CN202410907531.2
申请日：2024-07-08
Applicant: 江苏大学
IPC: G06F30/27 , G06T7/246 , G06V10/764 , G06V10/774 , G06N3/0455 , G06N3/0442 , G06N3/0499 , G06N3/048 , G06N3/096
Abstract: 本发明公开了基于扩散模型的自适应片段划分与数据演化的自动驾驶车辆轨迹生成方法及系统，在获取车辆轨迹数据的基础上，首先，利用贪婪策略动态选择最优历史轨迹片段长度，得到不同条件下的历史轨迹片段长度，其次，将历史轨迹片段输入数据扩散模型进行训练，经过改进的Transformer模型训练得到不同车辆行为的多种车辆轨迹数据，之后，利用数据编辑模型构建无预测器引导下的车辆轨迹数据，生成目标域内的新样本；然后，利用数据演化模型预测下一段片段的模式、长度和幅度，将所得信息输入至数据扩散和数据编辑模型得到新样本，并进行组合得到生成轨迹。本发明能提高生成轨迹的稳定性和可靠性，从而提高驾驶的安全性和适应性。
-
公开(公告)号：CN118799759A
公开(公告)日：2024-10-18
申请号：CN202410935888.1
申请日：2024-07-12
Applicant: 江苏大学
IPC: G06V20/17 , G06F16/29 , G06V10/44 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/0475 , G06N3/094 , G06N3/0455 , G06V10/762 , G06V10/25 , G06N3/047 , G06T7/70
Abstract: 本发明公开了一种面向GNSS拒止场景的车载无人机动平台自主降落环境感知方法及系统，可用于无人机物流递送、无人机道路巡检和农林植保领域等。主要包括以下步骤：S1、对无人机搭载的视觉传感器获得的可见光图像、红外图像进行图像融合；S2、将融合后的图像输入具有注意力机制主干网络的进行特征提取；S3、将特征提取后的图像进行融合并通过YOLO head模块预测目标降落平台的位置和类别；S4、将目标降落平台边缘的交点作为特征点，然后匹配2D特征点与场景模型中的3D坐标点间的关系；S5、基于正交迭代算法实现参数估计结果的优化，并解算出六自由度的位姿参数。本发明能够显著提升GNSS拒止场景下车载无人机动平台自主降落的环境感知能力和精准度。
-
公开(公告)号：CN118781221A
公开(公告)日：2024-10-15
申请号：CN202410935881.X
申请日：2024-07-12
Applicant: 江苏大学
IPC: G06T11/20 , G06T17/05 , G06V10/44 , G06V20/56 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于高阶建模的端到端矢量化高清地图模型、设备及存储介质，包括：将高阶建模思想用于地图构建任务，在高维空间中对每个实例进行划分，通过计算高阶统计量捕获地图元素的相关性；引入鸟瞰图增强模块，强化语义和几何信息；使用实例查询作为解码器的输入，增强查询能力，避免实例内信息不一致。本发明设计的高阶建模模块可以有效促进实例之间进行特征交互，增强对复杂环境的建模能力。引入的鸟瞰图增强模块，可以利用高阶统计信息强化鸟瞰图特征。整个模型在复杂的驾驶环境中也能保持良好的建图效果。
-
-
-
-
-
-
-
-
-
Search Results
692
records
(took 0.041 seconds)
