-
公开(公告)号：CN113093158B
公开(公告)日：2024-02-27
申请号：CN202110370026.5
申请日：2021-04-06
Applicant: 吉林大学
IPC: G01S7/497 , G01S17/931
Abstract: 免激光雷达的数据出现较大误差。本发明提供一种用于安全监测的智能汽车传感器数据修正方法，涉及智能汽车安全监测技术领域。该智能汽车传感器数据的修正方法，包括，用于检测物体位置的激光雷达，用于采集外界图像的图像模块，用于接收雷达信号和图像信号的信号接收模块，所述激光雷达和图像模块与信号接收模块的输入端连接；用于检测传感器信号是否完整、修正结果是否有效的故障检测模块，所述故障检测模块与信号接收模块输出端连接；用于记录处理信息的第一储存模块。该智能(56)对比文件Hans G. Kerkhoff, Jinbo Wan and YongZhao.Hierarchical Modelling of AutomotiveSensor Front-Ends For StructuralDiagnosis of Aging Faults《.2012 IEEE 18thInternational Mixed-Signal, Sensors, andSystems Test Workshop》.2012,全文.张健;齐胜男;王纪圣;邱鹏.一种基于北斗导航和5G通信的无人驾驶汽车系统设计.中国科技信息.2020,(第Z1期),全文.张宇波;成丽君.基于信号抑制追踪定位的汽车GPS信号源检测.计算机仿真.2015,(第03期),全文.曲昭伟;魏福禄;魏巍;李志慧;胡宏宇.雷达与视觉信息融合的行人检测方法.吉林大学学报(工学版).2013,(第05期),全文.曲昭伟;魏福禄;魏巍;李志慧;胡宏宇.雷达与视觉信息融合的行人检测方法.吉林大学学报(工学版).2013,(第05期),全文.
-
公开(公告)号：CN113044045B
公开(公告)日：2023-07-04
申请号：CN202110252601.1
申请日：2021-03-09
Applicant: 吉林大学
IPC: B60W40/08 , B60W40/00 , B60W50/00 , B60R16/037
Abstract: 本发明公开了一种智能座舱内座椅自适应调整方法，包括如下步骤：步骤一、采集驾驶员及车内图像；步骤二、提取驾驶员大腿、小腿、上身躯干的特征点并转换为三维坐标；步骤三、建立数据集并获得座椅调节变量预测值；步骤四、优化座椅调节量的损失函数直至最小值，调整第一权重、第二权重、第三权重、第四权重、第五权重、第六权重、第七权重、第八权重、第一误差、第二误差和第三误差的值，获得座椅调节变量，完成座椅的自动调节。本发明采用双目相机采集驾驶员以及车内图像，从图像信息映射出驾驶员数据，进一步构建深度学习线性回归模型，预测座椅调节量，自动调节座椅位置，保证座椅舒适性。
-
公开(公告)号：CN112215487B
公开(公告)日：2023-05-23
申请号：CN202011076552.2
申请日：2020-10-10
Applicant: 吉林大学
IPC: G06Q10/0635 , G06Q50/30 , G06N3/0464 , G06N3/0895 , G08G1/01 , G08G1/16
Abstract: 本发明公开了一种基于神经网络模型的车辆行驶风险预测方法，步骤一：采集车辆行驶数据，形成车辆历史数据；步骤二：采用上下文时间窗对所述车辆历史数据进行特征的提取，形成统计特征；步骤三：对所述统计特征进行提取，步骤四：对步骤三的提取结果数据进行划分，步骤五：构建神经网络；构建LSTM编码器‑1DCNN‑LSTM解码器网络架构；步骤六：无标签数据集记做{XU}；将带标签数据集划分为训练集与测试集，其中训练集记做SL＝{XL，YL}；运用带标签数据集SL对神经网络进行预训练；然后进入自学习阶段，对集合YPL进行预测，以预测值直接作为其真实标签；完成后，得到了所有的无标签数据的标签与训练好的网络模型。
-
公开(公告)号：CN114987551A
公开(公告)日：2022-09-02
申请号：CN202210732395.9
申请日：2022-06-27
Applicant: 吉林大学
IPC: B60W60/00 , B60W50/14 , B60W30/12 , B60W40/06 , G06V20/56 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于双流卷积神经网络的车道偏离预警方法，该方法包括以下步骤：将一段摄像头采集的包含车道信息的视频分成多个等长不重叠的分段，对每个分段分别进行稀疏采样；将每个分段采样得到的静态帧图像和光流图像分别输入到空间流卷积神经网络和时间流卷积神经网络进行特征提取；将各个分段提取的空间特征和时间特征分别进行特征融合；将融合后的时间特征和空间特征进行特征集成；将集成特征输入分类器，得到分类结果；根据分类结果判断车道偏离情况并进行车道偏离预警。相比其他车道偏离预警方法，该方法只需要根据车道视频信息而不需要结合车辆信息就可以实现车道偏离判断；该方法所需要输入的信息少，并且简化了车道偏离判断过程。
-
公开(公告)号：CN113593273B
公开(公告)日：2022-07-01
申请号：CN202110830282.8
申请日：2021-07-22
Applicant: 吉林大学
Abstract: 本发明属于道路交通技术领域，具体为一种基于V2I通信的无信号控制道路交叉口碰撞预警方法，包括如下阶段：基于V2I通信的道路交叉口路段信息匹配与冲突区域匹配，用于建立道路交叉口周边车辆定位信息与路段信息之间的关联，进而筛选存在碰撞可能性的车辆与其对应的冲突区域；基于V2I通信的道路交叉口碰撞检测与预警，用于实时检测前车离开与后车到达冲突区域的时间差是否满足动态阈值约束，以判断是否存在碰撞风险并发布碰撞预警信息。本发明提出的无信号控制道路交叉口碰撞预警方法，能够通过车辆网联信息弥补自车感知系统固有的局限性，通过路段信息与冲突区域预先匹配显著降低冲提高冲突检测效率。
-
Patent Agency Ranking
公开(公告)号：CN112053587B
公开(公告)日：2021-09-14
申请号：CN202010952093.3
申请日：2020-09-11
Applicant: 吉林大学
Abstract: 本发明提供一种基于自动驾驶车辆的自动让位方法、存储介质和系统，其中的方法包括：响应于当前停车场的车位需求信号，获取所述当前停车场的空余车位数量；若所述当前停车场的空余车位数量为零，则获取所述当前停车场中的自动驾驶车辆的信息；根据所述自动驾驶车辆的信息向所述自动驾驶车辆发送让位信号，以使所述自动驾驶车辆驶离所述当前停车场，并将所述自动驾驶车辆所占用的停车位作为空余车位。上述方案能在最大程度内保证人工驾驶车辆可以及时停进停车场，节约用户的停车时间，为用户提供便利。
-
公开(公告)号：CN110155168B
公开(公告)日：2021-08-24
申请号：CN201910338319.8
申请日：2019-04-25
Applicant: 吉林大学
IPC: B62D6/00 , B62D137/00
Abstract: 本发明提供一种基于驾驶员体感的车辆智能转向调节方法和系统，其中的方法包括如下步骤：检测到车辆处于转弯状态时，获取车辆的实时侧向加速度；将所述实时侧向加速度与预存的侧向加速度阈值进行比对，所述侧向加速度阈值与所述驾驶员的生理状态参数匹配；若所述实时侧向加速度大于或等于所述侧向加速度阈值，则调整所述车辆的转弯纵向加速度，直到所述实时侧向加速度小于所述侧向加速度阈值。本发明提供的以上方案，通过设置侧向加速度阈值的方式，使得车辆在转弯过程中的实时侧向加速度满足小于侧向加速度阈值的条件，从而能够提高车辆转弯行驶过程中驾驶员的舒适度，提升转弯过程中的驾驶体验。
-
公开(公告)号：CN109637261B
公开(公告)日：2021-08-24
申请号：CN201910041564.2
申请日：2019-01-16
Applicant: 吉林大学
IPC: G09B9/04
Abstract: 本发明提供一种自动‑人工驾驶权切换情景下驾驶员反应能力训练系统，包括：驾驶模拟器，模拟车辆驾驶场景，驾驶场景包括自动驾驶场景和人工驾驶场景，当车辆驾驶场景需从自动驾驶场景切换至人工驾驶场景时，其输出端发送请求接管信号；任务发布模块，与驾驶模拟器通信连接，用于在驾驶模拟器模拟自动驾驶场景时，发布任务指示以供驾驶员执行；反应结果记录模块，与驾驶模拟器通信连接，用于在驾驶模拟器发出请求接管信号后，记录驾驶员从执行所述任务到进入人工驾驶汽车场景的反应时间。采用本发明提供的上述技术方案，能提高驾驶员对交通环境的视觉搜索能力和认知能力，缩短驾驶员反应和找回情景意识的时间，实现驾驶权安全、快速地切换。
-
公开(公告)号：CN113221843A
公开(公告)日：2021-08-06
申请号：CN202110631751.3
申请日：2021-06-07
Applicant: 吉林大学
Abstract: 本发明属于自动驾驶技术领域，尤其为一种基于经验模态分解特征的驾驶风格分类方法，包括以下步骤：步骤S1、选择转弯事件作为判断驾驶风格的事件片段；步骤S2、收集数据，根据方向盘转角方差进行转弯事件提取；步骤S3、在每个转弯事件内对横向加速度和速度特征进行EMD分解，对得到的若干I MF进行特征参数计算，对特征参数形成的特征矩阵进行PCA降维，根据累积贡献率筛选特征参数。本发明通过采用EMD信号分解的方法，筛选出能代表原始信号主要特性能量大的高频分量，丰富了原始样本数据。特征信号选择时同时考虑了横纵两个方向，通过PCA累积的主成分贡献率进行特征参数选择，保证了特征参数提取的独立性与准确性。
-
公开(公告)号：CN111797809A
公开(公告)日：2020-10-20
申请号：CN202010696893.3
申请日：2020-07-20
Applicant: 吉林大学
Abstract: 本发明公开了一种面向自动驾驶轨迹跟踪的驾驶员视觉融合方法，包括：步骤一、获取驾驶员视角的前视图像及眼动数据；步骤二、从驾驶员视角的前视图像中分离出驾驶员注视点；步骤三、将驾驶员注视点定位到固定坐标系下后，得到驾驶员有效注视点的固定坐标；步骤四、确定驾驶员有效注视点的固定坐标的正态分布特性，并且根据注视点正态分布的拟合参数确定驾驶员预瞄点；步骤五、将驾驶员预瞄点变换到地面坐标系，得到预瞄点的地面坐标；根据预瞄点的地面坐标计算预瞄点对应的前视预瞄时间，并且根据车速、预瞄点的概率密度及预瞄点对应的前视预瞄时间得到前视预瞄时间概率密度图；步骤六、根据前视预瞄时间概率密度图对预测控制驾驶员模型进行修正。
-
-
-
-
-
-
-
-
-
Search Results
158
records
(took 0.037 seconds)
