-
公开(公告)号:CN109920246B
公开(公告)日:2022-02-11
申请号:CN201910133334.9
申请日:2019-02-22
Applicant: 重庆邮电大学
IPC: G08G1/01 , G08G1/0968 , H04L67/12 , H04W4/02 , H04W4/024 , H04W4/44 , G06V20/58 , G01C21/20 , G01C21/34 , G05D1/02
Abstract: 本发明请求保护一种基于V2X通信与双目视觉的协同局部路径规划方法。OBU通过双目前置摄像头、OBD设备和V2X通信获取车身信息和环境信息并传输给协同局部路径规划控制器;然后通过交通对象混合态势估计模型对交通对象状态进行状态预测,再通过多源数据融合算法将态势估计后的交通对象信息与交通规则进行时空数据融合,然后将融合后的交通数据通过坐标映射模型构建具有高可信度的交通路况地图,再结合自车车辆信息通过自车态势估计模型计算自车态势,然后通过改进局部路径规划算法计算出当前车辆最优平滑行驶路径;最后将该路径传输给OBU,并通过V2X广播给其他车辆。本方法结合视距和非视距的交通对象状态感知,提高了车辆环境感知、局部路径规划的准确性。
-
公开(公告)号:CN109920246A
公开(公告)日:2019-06-21
申请号:CN201910133334.9
申请日:2019-02-22
Applicant: 重庆邮电大学
IPC: G08G1/01 , G08G1/0968 , H04L29/08 , H04W4/02 , H04W4/024 , H04W4/44 , G06K9/00 , G01C21/20 , G01C21/34 , G05D1/02
Abstract: 本发明请求保护一种基于V2X通信与双目视觉的协同局部路径规划方法。OBU通过双目前置摄像头、OBD设备和V2X通信获取车身信息和环境信息并传输给协同局部路径规划控制器;然后通过交通对象混合态势估计模型对交通对象状态进行状态预测,再通过多源数据融合算法将态势估计后的交通对象信息与交通规则进行时空数据融合,然后将融合后的交通数据通过坐标映射模型构建具有高可信度的交通路况地图,再结合自车车辆信息通过自车态势估计模型计算自车态势,然后通过改进局部路径规划算法计算出当前车辆最优平滑行驶路径;最后将该路径传输给OBU,并通过V2X广播给其他车辆。本方法结合视距和非视距的交通对象状态感知,提高了车辆环境感知、局部路径规划的准确性。
-
公开(公告)号:CN109902562A
公开(公告)日:2019-06-18
申请号:CN201910039704.2
申请日:2019-01-16
Applicant: 重庆邮电大学
IPC: G06K9/00
Abstract: 本发明请求保护一种基于强化学习的驾驶员异常姿态监测方法,包括步骤:获取驾驶员驾驶视频后,利用OpenPose系统提取远小于图像像素点数量的驾驶员面部关键点和骨骼关键点,同时将面部关键点通过三次样条插值构建面部特征,进行驾驶员身份识别。关键帧提取方法基于强化学习的方式,通过姿态检测模型获取相应的奖励,并根据奖励和姿态的每个动作来更新动作价值函数,直到得到适用于每个驾驶员的稳定的关键帧提取策略。基于时间与空间变化的驾驶员动态行为,利用机器学习算法训练得到姿态检测模型。结合保护动机理论建立具有引导性质的安全预警机制。本发明增加了检测的实时性和准确性,增强了安全预警的可靠性。
-
公开(公告)号:CN109902562B
公开(公告)日:2022-07-01
申请号:CN201910039704.2
申请日:2019-01-16
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于强化学习的驾驶员异常姿态监测方法,包括步骤:获取驾驶员驾驶视频后,利用OpenPose系统提取远小于图像像素点数量的驾驶员面部关键点和骨骼关键点,同时将面部关键点通过三次样条插值构建面部特征,进行驾驶员身份识别。关键帧提取方法基于强化学习的方式,通过姿态检测模型获取相应的奖励,并根据奖励和姿态的每个动作来更新动作价值函数,直到得到适用于每个驾驶员的稳定的关键帧提取策略。基于时间与空间变化的驾驶员动态行为,利用机器学习算法训练得到姿态检测模型。结合保护动机理论建立具有引导性质的安全预警机制。本发明增加了检测的实时性和准确性,增强了安全预警的可靠性。
-
公开(公告)号:CN111681454A
公开(公告)日:2020-09-18
申请号:CN202010495487.0
申请日:2020-06-03
Applicant: 重庆邮电大学
IPC: G08G1/16
Abstract: 本发明涉及一种基于驾驶行为的车车协同防撞预警方法,属于智能驾驶领域。该方法主要车载终端、移动终端、嵌入式AI设备以及车内摄像头完成。首先,车内摄像头采集驾驶员驾驶视频,通过USB将驾驶员驾驶视频传输到嵌入式AI设备,嵌入式AI设备对视频中驾驶员的异常驾驶行为进行识别,将监测到的驾驶员异常驾驶行为通过Socket通信传输至OBU;然后,OBU通过GPS/IMU模块或CAN通信获取主车车辆运动数据;该方法在对超视距范围内的车辆进行感知的基础上,结合驾驶员异常驾驶行为对车辆防撞预警的影响,提高车辆安全距离模型的准确性,从而提高了车辆防撞预警的准确性和车辆驾乘的安全性。
-
-
-
-