-
公开(公告)号：CN115719479B
公开(公告)日：2024-09-17
申请号：CN202211524442.7
申请日：2022-11-30
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06V20/56 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于编码器‑解码器架构的轨迹预测方法，涉及自动驾驶技术领域，包括：基于卷积神经网络对道路图片进行编码，得到路网特征信息，将其与物体特征信息合并得到提取向量图；将提取向量图输入带有注意力机制的图注意力网络，输出得到具有注意力信息的提取向量图，将该提取向量图输入至第一长短期记忆递归神经网络，输出得到第一结果数据；将第一结果数据输入到解码器图注意力网络之后得到带有注意力的第二结果；将第二结果数据输入至第二长短期记忆递归神经网络，输出得到轨迹预测结果，第二长短期记忆递归神经网络的损失函数包括位置信息损失和碰撞面积约束。本发明轨迹预测效率高，预测精度高，可靠性好。
-
公开(公告)号：CN114782493A
公开(公告)日：2022-07-22
申请号：CN202210426595.1
申请日：2022-04-21
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开了一种基于自编码器的不定长行人轨迹预测方法，包括：S1、采用自编码器提取不定长行人轨迹特征，并将不同的历史轨迹在编码阶段扩充到相同的维度；S2、计算目标行人对周围每一个行人编码后的向量的注意力得分，并将这些注意力得分经过权重矩阵合并求值，得到每个行人对于目标行人的注意力权值，并以此作为输出传递给LSTM进行最终的轨迹预测；S3、利用迁移学习方法对自编码器进行模型训练；S4、循环步骤S1～S3。本发明通过利用历史轨迹以及行人之间的相互作用使得目标行人的未来轨迹预测更加接近其真实的未来轨迹。
-
公开(公告)号：CN117922612A
公开(公告)日：2024-04-26
申请号：CN202410097215.3
申请日：2024-01-24
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开了一种基于协同感知和自适应信息融合的互联自动驾驶决策方法，主要解决现有自动驾驶决策在复杂的道路结构和交通灯信息条件下适用性较低的问题。该方法考虑在世界坐标系统下的多车道交通环境，其中有互联自动驾驶车辆和人类驾驶车辆组成的混合交通流。每个CAV都可以通过车载传感器和离线高精度地图获得周围的多模态环境特征(如车道信息、HDV车辆信息和红绿交通灯信息)。在车对车通信的帮助下，CAV可以共享其信息，并在指定的时间步长t内做出决策。该方法的目标是为CAV生成速度决策和转向角度决策。有了这样的动作决策，自动驾驶车辆可以安全有效地按特定路线行驶，同时最大限度地提高乘客的舒适度以及减少其对周围HDV的影响。
-
公开(公告)号：CN112885079B
公开(公告)日：2022-11-29
申请号：CN202110030043.4
申请日：2021-01-11
Applicant: 成都语动未来科技有限公司 , 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开了一种基于全局注意力和状态共享的车辆轨迹预测方法，该解决方法包括使用具有全局注意力机制和状态共享的编解码器LSTM模型的GAS‑LED轨迹预测模型；在GAS‑LED轨迹预测模型中，采用具有编码器和解码器状态共享机制来减少计算工作量，同时采用两个并行计算的GAS‑LED轨迹预测模型来并行输出车辆横向变道行为和纵向行驶距离的预测；在车道级别的轨迹预测任务中，重点关注车辆所在的车道，GAS‑LED轨迹预测模型一对横向变道和纵向行驶距离输出相应预测结果；将当前车辆及其周围车辆的历史信息作为GAS‑LED轨迹预测模型二的输入，然后将两个GAS‑LED轨迹预测模型并行使用，以获得更多方便预测的输出结果。通过上述方案，本发明达到了高精度预测的目的，具有很高的实用价值和推广价值。
-
公开(公告)号：CN112885079A
公开(公告)日：2021-06-01
申请号：CN202110030043.4
申请日：2021-01-11
Applicant: 成都语动未来科技有限公司 , 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开了一种基于全局注意力和状态共享的车辆轨迹预测方法，该解决方法包括使用具有全局注意力机制和状态共享的编解码器LSTM模型的GAS‑LED轨迹预测模型；在GAS‑LED轨迹预测模型中，采用具有编码器和解码器状态共享机制来减少计算工作量，同时采用两个并行计算的GAS‑LED轨迹预测模型来并行输出车辆横向变道行为和纵向行驶距离的预测；在车道级别的轨迹预测任务中，重点关注车辆所在的车道，GAS‑LED轨迹预测模型一对横向变道和纵向行驶距离输出相应预测结果；将当前车辆及其周围车辆的历史信息作为GAS‑LED轨迹预测模型二的输入，然后将两个GAS‑LED轨迹预测模型并行使用，以获得更多方便预测的输出结果。通过上述方案，本发明达到了高精度预测的目的，具有很高的实用价值和推广价值。
-
Patent Agency Ranking
公开(公告)号：CN117799637B
公开(公告)日：2025-05-09
申请号：CN202311710703.9
申请日：2023-12-13
Applicant: 电子科技大学长三角研究院(衢州)
IPC: B60W60/00 , B60W50/00 , G06N3/0455 , G06N3/0475 , G06N3/042 , G06N3/092 , G06N3/0499 , G06N3/0442 , G06N3/096
Abstract: 本发明公开了一种基于模仿学习的可变驾驶风格的自动驾驶决策方法，本发明提出了一个支持增量学习的模仿学习模型，基础的模仿学习模型可以通过多种驾驶风格的专家数据进行训练，并在模仿专家驾驶行为方面实现超越专家的性能。通过增量学习，模型可以根据不断积累的数据不断改进性能，而无需每次重新训练整个模型。这将使自动驾驶车辆能够更及时地更新模型参数，以适应新的道路情境和交通条件。本发明能够根据不同的驾驶风格偏好快速微调基本的基于模仿学习自动驾驶决策模型，同时减少计算、存储和时间的大量开销。本发明基于注意力环境感知框架，以致力于使自动驾驶决策算法在多变的交通场景中关注更有用的关键信息。
-
公开(公告)号：CN116476861A
公开(公告)日：2023-07-25
申请号：CN202310191784.X
申请日：2023-03-02
Applicant: 电子科技大学长三角研究院(衢州)
IPC: B60W60/00
Abstract: 本发明公开了一种基于多模态感知和分层动作的自动驾驶决策系统，包括数据预处理模块、状态表征模块、演员评论家模块、混合奖励函数模块和多进程训练模块；通过并行训练来加快模型的训练速度和提升模型的训练表现。本发明的适用性更好，运用了多种传感器和深度学习算法来对周围环境信息进行一个全面的感知，从而让自动驾驶车能够更好的应对一些突发情况，分车道的跨模态聚合模型让自动驾驶车能够更快更好地提取有用的特征。基于分层动作的强化学习模型更好地优化自动驾驶车的车道保持行为和变道行为。满足自动驾驶车每一次决策的安全性、效率性和舒适性，并减少由于自动驾驶车急剧的变速和变道引发的车流波动，提升整个车流的交通效率和车流稳定。
-
公开(公告)号：CN115719479A
公开(公告)日：2023-02-28
申请号：CN202211524442.7
申请日：2022-11-30
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06V20/56 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于编码器‑解码器架构的轨迹预测方法，涉及自动驾驶技术领域，包括：基于卷积神经网络对道路图片进行编码，得到路网特征信息，将其与物体特征信息合并得到提取向量图；将提取向量图输入带有注意力机制的图注意力网络，输出得到具有注意力信息的提取向量图，将该提取向量图输入至第一长短期记忆递归神经网络，输出得到第一结果数据；将第一结果数据输入到解码器图注意力网络之后得到带有注意力的第二结果；将第二结果数据输入至第二长短期记忆递归神经网络，输出得到轨迹预测结果，第二长短期记忆递归神经网络的损失函数包括位置信息损失和碰撞面积约束。本发明轨迹预测效率高，预测精度高，可靠性好。
-
公开(公告)号：CN112721948A
公开(公告)日：2021-04-30
申请号：CN202110030996.0
申请日：2021-01-11
Applicant: 成都语动未来科技有限公司 , 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开了基于预测和搜索框架的自动驾驶汽车变道调度的实现方法，该方法包括(S1)轨迹预测：通过GAS‑LED轨迹预测模型对周围常规车辆的未来轨迹进行预测；(S2)行为决策：包括行为处理模块和行为处理模块，通过GAS‑LED轨迹预测模型输出周围常规车辆的行为序列，Cheetah猎豹搜索自动驾驶车辆的最优行为序列，并决定如何进行调度；(S3)结果输出：收到调度信息后，行为决策模块首先使用行为搜索模块来得到离散的自动驾驶车辆行为，然后行为处理模块进行连续化，最终输出精确的自动驾驶车辆调度行为。通过上述方案，本发明达到了辆高效、智能地进行变换车道的目的，具有很高的实用价值和推广价值。
-
公开(公告)号：CN112721929A
公开(公告)日：2021-04-30
申请号：CN202110030986.7
申请日：2021-01-11
Applicant: 成都语动未来科技有限公司 , 电子科技大学长三角研究院(衢州)
IPC: B60W30/18
Abstract: 本发明公开了一种基于搜索技术的自动驾驶车辆变道行为决策方法，该决策方法包括如下步骤：(S1)在预测了周围车辆的未来轨迹之后，自动驾驶汽车决策自己的驾驶行为；(S2)在行为决策中，分别通过行为搜索模块和行为处理模块对自动驾驶车辆的变道行为进行决策。通过上述方案，本发明达到了高效的自动驾驶目的，具有很高的实用价值和推广价值。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.024 seconds)
