-
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：CN118521981A
公开(公告)日：2024-08-20
申请号：CN202410599701.5
申请日：2024-05-15
Applicant: 江苏大学 , 汉得利(常州)电子股份有限公司
IPC: G06V20/56 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/52 , G06N3/0464 , G06N3/045 , G06N3/09
Abstract: 本发明公开了一种基于关键点的全局关联车道线检测方法、系统、介质和设备，包括：获取带有标注的数据集；构建基于关键点的全局关联车道线检测模型；利用带有标注的数据集对基于关键点的全局关联车道线检测模型进行训练，得到训练好的基于关键点的全局关联车道线检测模型；利用基于关键点的全局关联车道线检测模型对待测车道线进行检测，得到预测车道线；其中，基于关键点的全局关联车道线检测模型包括数据预处理模块、特征提取模块、通道空间注意力模块CBAM、特征金字塔网络FPN、解码器和后处理模块。本发明大大提高了检测效率。
-
公开(公告)号：CN114581866A
公开(公告)日：2022-06-03
申请号：CN202210077170.4
申请日：2022-01-24
Applicant: 江苏大学 , 汉得利(常州)电子股份有限公司
Abstract: 本发明涉及智能汽车驾驶技术领域，尤其是一种基于改进CenterNet的自动驾驶场景的多目标视觉检测算法，包括：将车载相机捕获的自动驾驶汽车周围的图片进行特征提取，获得不同尺度的特征图，对生成的特征图进行采样处理，生成由不同尺度的特征图组成的特征金字塔，不同的特征图作为检测头模块的输入，对不同的特征图进行卷积操作，生成最终的预测结果。本发明的一种基于改进CenterNet的自动驾驶场景的多目标视觉检测算法，通过使用特征提取模块生成的不同尺度的特征图组成的特征金字塔结构，提高了驾驶环境下无人驾驶汽车对小目标的检测精度；提高了无人驾驶汽车检测的鲁棒性；满足无人驾驶检测的实时性要求。
-
公开(公告)号：CN118314541A
公开(公告)日：2024-07-09
申请号：CN202410441105.4
申请日：2024-04-12
Applicant: 江苏大学 , 汉得利(常州)电子股份有限公司
IPC: G06V20/56 , G06V20/64 , G06V20/70 , G06V10/26 , G06V10/44 , G06V10/52 , G06V10/62 , G06V10/80 , G06T3/08 , G06T19/00
Abstract: 本发明公开了一种全景动态驾驶环境感知方法、系统、介质和设备，包括：获取待预测的多帧连续的三维点云数据；将待预测的多帧连续的三维点云数据输入预先构建的基于激光雷达的全景驾驶感知预测模型中进行感知，得到最终感知结果；其中，基于激光雷达的全景驾驶感知模型包括：预处理模块、双分支骨干网络、多任务检测头和后处理模块。本发明以多帧连续的三维点云数据作为输入，不严重依赖于相邻帧的感知结果，而且可以在单个网络中强大地执行自由空间分割、静态物体语义分割和移动物体实例分割，有效节约了计算资源，提供了实时、准确和稳健的感知结果，显著提高了驾驶安全性。
-
Patent Agency Ranking
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。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
692
records
(took 0.048 seconds)
