-
公开(公告)号：CN118310514A
公开(公告)日：2024-07-09
申请号：CN202410409727.9
申请日：2024-04-07
Applicant: 长安大学
Abstract: 本发明提供了一种弱GNSS环境下车辆定位方法和系统，该方法包括：对自动驾驶车辆的系统运行数据信息进行预处理，其中系统运行数据信息包括从GNSS系统获取的经纬度数据和从INS系统获取的三轴加速度、三轴角速度及航向信息；将预处理后的从INS系统获取系统运行数据信息训练位置预测网络，最终输出预测网络的监督信息；根据步骤S2中的监督信息以及预处理后系统运行数据信息和位置修正网络的监督信息训练位置修正网络；最终输出预测值进行修正；在弱GNSS环境或GNSS中断情况下，通过位置预测网络和位置修正网络，输出最终预测值。以解决如何在不增加额外传感器的前提下，仅利用GNSS/INS组合导航系统的数据，提升GNSS/INS组合导航系统在弱GNSS条件下的车辆定位性能的问题。
-
公开(公告)号：CN119975359A
公开(公告)日：2025-05-13
申请号：CN202510326979.X
申请日：2025-03-19
Applicant: 长安大学
Abstract: 本发明基于多智能体的多车道匝道合流区车辆控制方法及系统，该车辆控制方法包括：构建多车道混合交通流匝道合流区的仿真系统；基于多车道混合交通流匝道合流区的仿真系统获取智能体运动状态；基于多智能体深度确定性策略梯度MADDPG算法，调整智能体在混合交通匝道合流区运动状态；基于二次神经元的Actor网络，构建基于二次神经元的多智能体深度策略性梯度BQ‑MADDPG算法；基于二次神经元的多智能体深度策略性梯度BQ‑MADDPG算法中，调整智能体在多车道匝道合流区运动状态，直至智能体完全驶离多车道匝道合流区，用以解决现有多智能体深度强化学习MADRL算法在训练中难以达到稳定状态导致模型收敛困难，无法高效解决混合交通下多车道匝道合流区场景的车辆汇入决策控制问题。
-
公开(公告)号：CN115964676A
公开(公告)日：2023-04-14
申请号：CN202211738905.X
申请日：2022-12-30
Applicant: 长安大学
IPC: G06F18/25 , G06F18/214 , G06N3/088 , G06N20/10 , G06N3/0455
Abstract: 本发明公开了一种无监督自动驾驶汽车故障检测方法及系统，通过实时采集自动驾驶汽车的行驶状态数据，利用不同结构的自动编码器对获取的行驶状态数据进行检测，对不同结构的自动编码器检测结果进行融合得到编码器融合检测结果；同时采用一类支持向量机模型、局部离群因子模型和孤立森林模型分别对自动驾驶汽车的行驶状态数据进行检测得到各自的检测结果，将一类支持向量机模型、局部离群因子模型和孤立森林模型的检测结果与编码器融合检测结果进一步融合得到最终的检测结果，从数据驱动的角度设计了融合多个针对解决故障检测问题的方法的集成框架，可以有效地检测传感器数据异常和自动驾驶汽车运行状态的故障。
-
公开(公告)号：CN119205903A
公开(公告)日：2024-12-27
申请号：CN202410975727.5
申请日：2024-07-19
Applicant: 长安大学
IPC: G06T7/73 , G06N3/0464 , G01C21/00
Abstract: 本发明公开了一种基于点云描述符提取的车辆位置识别方法及系统，通过对获取的车辆激光点云数据进行去噪处理；采用点云描述符预训练模型对去噪处理后的激光点云数据进行点云全局描述符提取，根据获取的点云全局描述符获取车辆位置，本发明同时使用点云深度图与点云鸟瞰图作为输入，避免使用数据量庞大的原始点云数据的同时极大程度的保留了点云的几何信息，引入注意力机制同时提取数据的空间和时间维度特征，构建了具有旋转不变性的全局描述符。与传统描述符构建方法相比，本发明构建的描述符更加鲁棒，位置重识别效果好，在反向重访或带有一定旋转角度的重访情况下，能够以很好的进行位置重识别。
-
公开(公告)号：CN118991806A
公开(公告)日：2024-11-22
申请号：CN202411086767.0
申请日：2024-08-08
Applicant: 长安大学
IPC: B60W50/02 , G06F18/21 , G06F18/24 , G06F18/214 , G06N3/0455 , G06N3/088 , G01M17/007
Abstract: 本发明公开了一种自动驾驶汽车传感器数据异常检测方法及系统，通过重构预训练模型对车辆传感器数据进行异常重构获取重构数据；对获取的重构数据以及获取该重构数据的车辆传感器数据进行误差计算，如果重构数据与获取该重构数据的车辆传感器数据之间的误差大于设定阈值，则获取该重构数据的车辆传感器数据异常，否则为正常数据，本发明可有效检测并解释异常，保证了自动驾驶汽车运行的安全性。增强模型对传感器数据的多种异常类型的检测性能。并且通过计算每个输入维度对样本异常检测结果的贡献对异常检测结果进行解释，增强了模型的可信度。
-
Patent Agency Ranking
公开(公告)号：CN118565471A
公开(公告)日：2024-08-30
申请号：CN202410724047.6
申请日：2024-06-05
Applicant: 长安大学
Abstract: 本发明公开了一种具有容错性的智能网联汽车协同定位方法及系统，属于智能网联汽车定位领域，通过将预处理后的车辆的当前位置的经度、维度、高程信息、车辆的角速度、速度、加速度、轮速、转向角和里程数据以及校准后的车辆相对于其他合作车辆的相对距离的估计值进行高斯置信传播迭代融合，得到车辆的最终位置；通过融合车辆的各传感器测量值包括车辆的经纬度信息，里程计信息以及车间距离信息，保证了协同定位数据的完整性；在图模型中进行故障检测和排除方法，保证了协定定位系统的容错性；通过融合不同来源的车间相对距离，使得定位系统具有更高的鲁棒性和精度。
-
公开(公告)号：CN118212779A
公开(公告)日：2024-06-18
申请号：CN202410429603.7
申请日：2024-04-10
Applicant: 长安大学
Abstract: 本发明涉及自动驾驶测试技术领域，具体涉及一种基于数字孪生虚实结合的混合交通流测试方法及系统，包括：采集现实试验场场地数据，实现数字孪生虚拟场景的构建，设置真实环境与虚拟环境的交互，实现虚实结合的系统设置；根据系统设置数据集生成不同风格的虚拟人驾车辆，同时真实驾驶员通过驾驶模拟器采集的数据生成不同风格的真实人驾车辆，部分虚拟人驾车辆和部分真实人驾车辆共同组成具有不同驾驶风格的人类驾驶车辆，获取不同人类驾驶车辆的状态和位置信息；根据人类驾驶车辆的状态和位置信息为智能网联汽车设置全套的感知、定位、规划、控制以及V2X通信方法，实现智能网联汽车在系统中的自动驾驶。本发在测试过程中实时交互，生成连续可制定、贴合实际使用的行驶场景，可进行虚实结合的仿真测试，真实性更高。
-
公开(公告)号：CN117056845A
公开(公告)日：2023-11-14
申请号：CN202311083571.1
申请日：2023-08-25
Applicant: 长安大学
IPC: G06F18/2433 , G06F18/2411 , G06N3/0442 , G06N3/0455 , G06N3/08 , G06N20/10
Abstract: 本发明公开了一种自动驾驶汽车异常检测方法及系统，采用自动驾驶车辆正常行驶状态下的系统运行数据信息训练深度神经网络异常检测模型得到训练好的异常检测模型；利用异常检测模型对自动驾驶车辆的实时数据进行检测得到自动驾驶车辆的检测结果，本发明能够有效支持工程师或相关领域专家调查黑箱异常检测模型预测的异常。除了有助于节省时间和维护成本外，它还实现了模型的透明性，从而促进工程师或相关领域专家信任所提出的异常检测模型。能够很好的展现对模型输出有重要影响的特征，以及展现这些特征单一地对模型输出产生的影响，进而提升领域专家对深度学习模型决策的理解，更为重要的是加快了领域专家对异常的定位和故障的诊断。
-
公开(公告)号：CN118366120A
公开(公告)日：2024-07-19
申请号：CN202410436499.4
申请日：2024-04-11
Applicant: 长安大学
IPC: G06V20/58 , G06V10/25 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06N3/09 , G06V10/94 , H04W4/46 , G06N3/048
Abstract: 本发明提供了一种考虑通信延迟的车辆协同感知方法及装置，该方法包括：获取自车和协同车辆各自的点云数据；根据自车和协同车辆点云数据提取自车和协同车辆的感知特征；对自车和协同车辆感知特征分别计算注意力权重，得到加权自车和协同车辆的感知特征；将加权协同车辆的感知特征与加权自车的感知特征进行融合，得到融合特征；根据融合特征最终感知输出自车周围车辆的位置，大小及类别。以解消除自动驾驶过程因信号延迟或信号丢失，导致周围目标检测不准确的技术问题，以及如何避免预测结果级联误差，提高确估计精准度。
-
公开(公告)号：CN117008621A
公开(公告)日：2023-11-07
申请号：CN202311084199.6
申请日：2023-08-25
Applicant: 长安大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于深度强化学习的车辆队列控制方法及系统，根据车辆的动力学模型构建车辆队列运行的运动仿真模型；基于车辆队列运行的运动仿真模型和车辆运行状态，使用恒定时间间距策略，获取车辆队列控制的状态空间和动作空间；基于车辆队列控制的状态空间和动作空间建立DDPG网络，并利用奖励函数机制对DDPG网络进行训练，直至训练过程中每个回合获得的总奖励不再增加时停止训练，得到训练好的控制策略网络，利用训练好的控制策略网络进行队列控制；本发明考虑多种因素实现队列的控制，并且该队列控制方法的控制策略训练完成后，不需要在执行过程中进行复杂计算，控制效率非常高，并且可以当前场景的不同状况下保持控制效果，不需要更换参数。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.031 seconds)
