-
公开(公告)号：CN114064656B
公开(公告)日：2024-05-14
申请号：CN202111400766.5
申请日：2021-11-19
Applicant: 重庆大学
Abstract: 本发明提供一种基于路端感知系统的自动驾驶场景识别与转化方法，包括：获取路端感知系统采集到的驾驶数据；根据驾驶数据对可作为主车的所有车辆进行遍历，以不同车辆为主车将驾驶数据分割为多个片段，得到主从车独立数据片段；在主从车独立数据片段内，将从车的运动信息进行坐标转换，投影到主车坐标系中；判断主车、从车是否处于直接交互区间内，根据判断结果评估碰撞时间；当碰撞时间大于或等于0且小于或等于TTC阈值时，对驾驶数据进行数据切片，得到功能标记切片数据并配置说明文件。本发明可以将路端感知系统采集到大量驾驶数据进行识别、转化，输出带有功能标记的切片数据，为自动驾驶训练的大体量数据库的建设提供数据源。
-
公开(公告)号：CN114429008A
公开(公告)日：2022-05-03
申请号：CN202210116723.2
申请日：2022-02-07
Applicant: 重庆大学
IPC: G06F30/17 , G06F30/20 , G06Q10/04 , G06F111/04 , G06F119/14
Abstract: 本发明提供一种基于模型预测控制的拟人化自动驾驶策略，包括以下步骤：根据车辆非线性运动学模型建立基于模型预测控制算法的车辆状态预测模型；基于混合逻辑动态方法，结合车辆状态预测模型建立自动驾驶车辆碰撞安全硬约束；根据碰撞安全硬约束，以表征舒适性和控制能耗的性能目标为目标函数，建立决策规划优化模型；基于驾驶员拟人化行为特征，对决策规划优化模型中的性能目标进行权重赋值，得到基于模型预测控制的拟人化自动驾驶策略。本发明可以解决现有的自动驾驶决策规划仅能实现简单环境下的避障行驶，面对复杂动态行驶环境时无法实时、准确的评估车辆行驶风险的技术问题。
-
公开(公告)号：CN114064656A
公开(公告)日：2022-02-18
申请号：CN202111400766.5
申请日：2021-11-19
Applicant: 重庆大学
Abstract: 本发明提供一种基于路端感知系统的自动驾驶场景识别与转化方法，包括：获取路端感知系统采集到的驾驶数据；根据驾驶数据对可作为主车的所有车辆进行遍历，以不同车辆为主车将驾驶数据分割为多个片段，得到主从车独立数据片段；在主从车独立数据片段内，将从车的运动信息进行坐标转换，投影到主车坐标系中；判断主车、从车是否处于直接交互区间内，根据判断结果评估碰撞时间；当碰撞时间大于或等于0且小于或等于TTC阈值时，对驾驶数据进行数据切片，得到功能标记切片数据并配置说明文件。本发明可以将路端感知系统采集到大量驾驶数据进行识别、转化，输出带有功能标记的切片数据，为自动驾驶训练的大体量数据库的建设提供数据源。
-
公开(公告)号：CN114429008B
公开(公告)日：2024-09-10
申请号：CN202210116723.2
申请日：2022-02-07
Applicant: 重庆大学
IPC: G06F30/17 , G06F30/20 , G06Q10/04 , G06F111/04 , G06F119/14
Abstract: 本发明提供一种基于模型预测控制的拟人化自动驾驶策略，包括以下步骤：根据车辆非线性运动学模型建立基于模型预测控制算法的车辆状态预测模型；基于混合逻辑动态方法，结合车辆状态预测模型建立自动驾驶车辆碰撞安全硬约束；根据碰撞安全硬约束，以表征舒适性和控制能耗的性能目标为目标函数，建立决策规划优化模型；基于驾驶员拟人化行为特征，对决策规划优化模型中的性能目标进行权重赋值，得到基于模型预测控制的拟人化自动驾驶策略。本发明可以解决现有的自动驾驶决策规划仅能实现简单环境下的避障行驶，面对复杂动态行驶环境时无法实时、准确的评估车辆行驶风险的技术问题。
-
公开(公告)号：CN110309983A
公开(公告)日：2019-10-08
申请号：CN201910616852.6
申请日：2019-07-09
Applicant: 重庆大学
Abstract: 本发明公开了一种工业云服务资源调度匹配组合方法，包括如下步骤：S1、获取候选服务组合方案，每个候选服务组合包括若干个任务，每个候选服务组合中的每个任务选定了一个候选服务，任意两个候选服务组合中至少有一个任务对应的候选服务不同；S2、获取候选服务间的质量约束条件，基于候选服务间的质量约束条件计算各候选服务组合的适应值；S3、选择适应值最高的候选服务组合作为最终的服务组合。本发明充分考虑了不同任务之间的候选服务的相互影响，从而能够更加准确的计算出各种候选服务组合的适应值，从而匹配得到最优的服务组合。
-
Patent Agency Ranking
公开(公告)号：CN119026673B
公开(公告)日：2025-03-04
申请号：CN202411122060.0
申请日：2024-08-15
Applicant: 重庆大学
IPC: G06N3/126
Abstract: 本发明涉及一种基于改进基因遗传算法的极端场景搜索方法，属于自动驾驶测试评价领域。首先根据对应的驾驶场景设置对应的场景参数，并设置对应的参数数量和场景数量；将每个场景作为单独的种群进行两两随机配对，并进行基因全交叉得到交叉子代种群；交叉子代种群筛选得到交叉优选子代种群；优选子代种群进行多重变异操作获取多组变异子代种群；多组变异子代种群筛选得到变异优选子代种群；使用变异优选子代种群进行自动驾驶测试，并根据精英保留策略选择当前的最极端场景；根据测试结果判定是否满足收敛条件，若满足则搜索结束，否则返回基因全交叉过程重复执行。本发明在提高自动驾驶系统极端场景搜索快速性的同时，有效避免陷入局部最优。
-
公开(公告)号：CN119026673A
公开(公告)日：2024-11-26
申请号：CN202411122060.0
申请日：2024-08-15
Applicant: 重庆大学
IPC: G06N3/126
Abstract: 本发明涉及一种基于改进基因遗传算法的极端场景搜索方法，属于自动驾驶测试评价领域。首先根据对应的驾驶场景设置对应的场景参数，并设置对应的参数数量和场景数量；将每个场景作为单独的种群进行两两随机配对，并进行基因全交叉得到交叉子代种群；交叉子代种群筛选得到交叉优选子代种群；优选子代种群进行多重变异操作获取多组变异子代种群；多组变异子代种群筛选得到变异优选子代种群；使用变异优选子代种群进行自动驾驶测试，并根据精英保留策略选择当前的最极端场景；根据测试结果判定是否满足收敛条件，若满足则搜索结束，否则返回基因全交叉过程重复执行。本发明在提高自动驾驶系统极端场景搜索快速性的同时，有效避免陷入局部最优。
-
公开(公告)号：CN118504224A
公开(公告)日：2024-08-16
申请号：CN202410568179.4
申请日：2024-05-09
Applicant: 重庆大学 , 中国汽车工程研究院股份有限公司
IPC: G06F30/20 , G06F30/15 , G06F119/12
Abstract: 本发明涉及一种基于量产车采集数据的自动驾驶测试场景构建方法，属于自动驾驶领域。考虑自动驾驶测试场景及量产车采集数据的特点，建立了场景复建系统的整体架构。对输入的实车采集数据进行预处理后，从场景组成要素的动静态特性出发，分别构建动态交通场景及静态道路环境。通过交通参与者关键信息跟踪，还原多车轨迹，在虚拟环境中复现出实车周围的交通运行状况；通过多项式曲线滚动拟合，获得特征参数并生成静态道路文件；最终合并集成为完整的测试场景。本发明利用低成本的量产车采集数据，在虚拟环境中复建出高保真、非预设、可重复的场景，场景数据的采集工作与实车试验有机结合，降低企业支出，所建场景能够用于自动驾驶系统的开发测试。
-
公开(公告)号：CN110309983B
公开(公告)日：2022-08-02
申请号：CN201910616852.6
申请日：2019-07-09
Applicant: 重庆大学
Abstract: 本发明公开了一种工业云服务资源调度匹配组合方法，包括如下步骤：S1、获取候选服务组合方案，每个候选服务组合包括若干个任务，每个候选服务组合中的每个任务选定了一个候选服务，任意两个候选服务组合中至少有一个任务对应的候选服务不同；S2、获取候选服务间的质量约束条件，基于候选服务间的质量约束条件计算各候选服务组合的适应值；S3、选择适应值最高的候选服务组合作为最终的服务组合。本发明充分考虑了不同任务之间的候选服务的相互影响，从而能够更加准确的计算出各种候选服务组合的适应值，从而匹配得到最优的服务组合。
-
公开(公告)号：CN119863772A
公开(公告)日：2025-04-22
申请号：CN202411871841.X
申请日：2024-12-18
Applicant: 重庆大学
IPC: G06V20/58 , G06V10/72 , G06V10/774 , G06V10/762
Abstract: 本发明涉及自动驾驶技术领域，具体涉及一种基于改进密度峰值聚类的场景提取方法，该场景提取方法，包括以下步骤：S1：将第一场景数据集进行归一化处理，得到第二场景数据集；S2：利用改进的密度公式，分别计算所述第二场景数据集中每一个场景数据的密度值；S3：基于改进密度峰值聚类算法将所述第二场景数据集分为多个簇；S4：将所有簇的簇心组成的集合作为典型场景集输出，其能够大幅提升典型场景提取的准确性，且稳定性适应性高。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.017 seconds)
