-
公开(公告)号：CN109191788B
公开(公告)日：2020-06-23
申请号：CN201811056490.1
申请日：2018-09-11
Applicant: 吉林大学
Abstract: 本发明提供一种驾驶员疲劳驾驶判断方法、存储介质及电子设备，其中的方法包括：根据预设采样周期，在设定采样时间点采集车辆的行驶参数；解析采集到的行驶参数，判断每一行驶参数是否为异常状态，将每一行驶参数的判断结果与对应的采样时间相关联；若在预设周期内行驶参数为异常状态的次数超过设定阈值则判定驾驶员为疲劳驾驶；其中，所述预设周期为所述预设采样周期的三倍以上。本发明提供的上述方案，首先根据短时间(采样周期)采集到的行驶参数判断车辆的行驶状态，之后在长时间(预设周期)内通过统计车辆信息状态的异常次数，判断驾驶员是否处于疲劳的状态，不需要在车内增加额外的仪器和装置，而且具有较高的检测精度、较低的误报率。
-
公开(公告)号：CN110766677A
公开(公告)日：2020-02-07
申请号：CN201911015172.5
申请日：2019-10-24
Applicant: 吉林大学
Abstract: 本发明属于机器视觉检测领域，特别是涉及一种基于机器视觉的气囊点爆过程参数与异常的自动检测方法；该方法首先设计了多台相机与气囊的空间位置关系，以保证算法可以以较高的鲁棒性对气囊点爆过程参数测量与异常检测。在气囊点爆过程开始的同时多台相机进行同步图像采集至点爆过程结束；对图像整理与分组，将分组后的图像进行气囊分割，生成气囊的Vapprox-t曲线，划分气囊点爆过程；在气囊点爆过程的Tt1～Tt2时间段进行气囊弹出异常检测，对气囊点爆过程的Tt2～Tt3时间段对气囊空间拓扑形状进行恢复与气囊各参数测定，最终显示气囊点爆过程的参数与异常信息；本发明检测过程高效灵活,检测结果可视性良好,适用范围广,可以适用于汽车中所有位置的气囊。
-
公开(公告)号：CN109859465A
公开(公告)日：2019-06-07
申请号：CN201910018284.X
申请日：2019-01-09
Applicant: 吉林大学
IPC: G08G1/01 , G08G1/0967
Abstract: 本发明公开了一种基于交通流动态特性的自动驾驶纵向控制参数调整系统，交通流信息采集模块提取道路交通流参数并上传至交通云平台；交通云平台形成特定区域内的交通流数据集；交通流状态云识别模块依据车辆当前所处路段调取交通流数据集并通过模糊C-均值聚类算法实现对当前交通流状态的辨识，将识别状态发送至车辆纵向参数模糊决策模块；模糊控制模块以当前交通流状态和交通流状态变化量为控制输入，通过模糊规则集决策出当前交通流状态下的期望车间时距；车辆纵向控制模块以模糊控制器输出的期望车间时距输入决策层，决策出车辆适应当前交通流状态的期望纵向加速度，继而通过控制层实现相应的驱动与制动控制策略。
-
公开(公告)号：CN109760691A
公开(公告)日：2019-05-17
申请号：CN201910201868.0
申请日：2019-03-18
Applicant: 吉林大学
IPC: B60W40/08 , A61B5/0488
Abstract: 本发明公开了一种考虑肌电信号的驾驶员舒适驾驶姿态下的人机布置参数匹配的方法，包括：步骤一、分别调整测试车辆的方向盘、座椅、油门踏板位置，确定多组不同实验位置；步骤二、使驾驶员分别在所述实验位置进行测试，选取肌肉激活程度大的活动肌肉群，采集静态驾驶姿势的肌电信号；步骤三、通过所述肌电信号确定肌肉激活程度后，建立肌肉激活程度与不舒适度之间的关系函数，分析肌肉对所述不舒适度的影响权重，计算所述不同实验位置对应的静态驾驶姿势的整体不舒适度；步骤四、确定所述整体不舒适度最小值的实验位置为所述人机布置参数。
-
公开(公告)号：CN109177982A
公开(公告)日：2019-01-11
申请号：CN201811282354.4
申请日：2018-10-31
Applicant: 吉林大学
Abstract: 本发明公开了一种考虑驾驶风格的车辆行驶危险度评价方法,克服了现有技术没有考虑到不同风格驾驶员驾驶习惯的差异，评估方法不够个性化、人性化的问题，其步骤：1)采用历史驾驶操纵数据对驾驶员激进程度进行评估；2)基于实时车辆运行数据并利用隐马尔科夫模型对行驶状态进行预测；3)对于不同的行驶状态，以不同的特征参量建立模糊控制器，对行驶危险度进行评估；4)利用驾驶员激进程度对行驶危险度进行修正得出最终行驶危险度：对于驾驶风险度在[0.3,0.7]范围内的值进行驾驶员激进程度的叠加修正，得到最终的行驶风险度输出结果；因此对于激进程度高或激进程度低的驾驶员，行驶风险度在[0.3,0.7]之内的值将增大或减小。
-
Patent Agency Ranking
公开(公告)号：CN108445503A
公开(公告)日：2018-08-24
申请号：CN201810198483.9
申请日：2018-03-12
Applicant: 吉林大学
Abstract: 本发明公开了一种基于激光雷达与高精度地图融合的无人驾驶路径规划算法，包括基于激光雷达的目标障碍物识别算法、通过障碍物模糊标记可行驶区域覆盖算法与融合高精度地图的最优路径规划算法，充分利用障碍物的位置信息，模糊计算出可行驶区域，通过与预先存储的高精度地图对比得到最优路径。本发明有利于无人驾驶车辆完成在城市工况下多障碍物区域进行路径选择和规划，保障无人驾驶车辆实现自主驾驶的功能。
-
公开(公告)号：CN107380161B
公开(公告)日：2018-03-09
申请号：CN201710583639.0
申请日：2017-07-18
Applicant: 吉林大学
IPC: B60W30/045 , B60W40/10 , B62D6/00 , B62D137/00
Abstract: 本发明公开了一种辅助驾驶员实现理想行驶轨迹的主动转向控制装置，包括：传感模块，用于采集实时路况环境信息及车辆运行状态信息；控制模块，基于车辆二自由度模型建立行驶场景模型，通过传感模块输入的实时信息预测车辆未来行驶轨迹，并与优秀驾驶员操控下的理想行驶轨迹进行偏差计算，进而在线控转向系统的PID控制环节中采取反馈控制并向执行模块发送补偿信号；执行模块，执行电机通过控制模块发送的补偿信号主动调控控制方向盘总成，执行转向需求。本发明既实现了对方向盘转向控制的主动辅助调整，同时也使得车辆运动轨迹趋于理想。
-
公开(公告)号：CN107633220A
公开(公告)日：2018-01-26
申请号：CN201710821353.1
申请日：2017-09-13
Applicant: 吉林大学
Abstract: 本发明公开了一种基于卷积神经网络的车辆前方目标识别方法，其实现步骤为：1.获取大量车辆交通相关图像作为样本，对收集的图像进行左右镜像化变换，扩充数据集并制作标签；2.将每个彩色图像进行色彩通道的合并，制作灰度化的训练数据集和测试数据集；3.在MATLAB平台搭建卷积神经网络模型；4.将训练数据集输入到卷积神经网络中，得到训练好的卷积神经网络；5.将测试数据集输入到训练好的卷积神经网络中，可得到识别率。本发明能够检测出单目摄像头所摄画面中的车辆和行人，具有识别率高的特点，实现了对不同类型的车辆前方障碍物进行分类的功能。
-
公开(公告)号：CN107609602A
公开(公告)日：2018-01-19
申请号：CN201710894156.2
申请日：2017-09-28
Applicant: 吉林大学
Abstract: 本发明公开了一种基于卷积神经网络的驾驶场景分类方法，包括以下步骤：道路环境视频图像采集；交通场景类别划分并建立交通场景识别数据库；从交通场景识别数据库中提取不同驾驶场景的样本图片，利用深度卷积神经网络对样本图片进行特征提取和多重卷积训练，将像素值光栅化，并连接成一个向量输入到传统的神经网络，得到卷积神经网络输出，实现对不同种类驾驶场景的深度学习；对搭建的卷积神经网络的网络结构进行参数优化，得到训练好的卷积神经网络分类器，对交通场景识别模型进行调整，选出最优方式作为交通场景识别模型的标准；实时采集待测交通场景图像，输入到交通场景识别模型中对道路环境场景进行识别。
-
公开(公告)号：CN107458224A
公开(公告)日：2017-12-12
申请号：CN201710583608.5
申请日：2017-07-18
Applicant: 吉林大学
IPC: B60K28/06
CPC classification number: B60K28/06 , B60K28/066
Abstract: 本发明公开了一种防止驾驶员踏板误操作的提醒装置，包括电子油门控制系统、肌电信息采集模块、误操作判断模块、语音提示模块；肌电信息采集模块用于实时采集驾驶员右腿踩踏踏板时主要发力肌肉的表面肌电信号；误操作判断模块根据肌电信息采集模块采集的驾驶员肌肉表面肌电信号及踏板位移传感器发送的踏板位置变化信息，判断驾驶员是否存在误踩踏板操作，并根据判断结果向语音提示模块和ECU发送控制信号；语音提示模块接受误操作判断模块控制发出语音提醒；ECU接收误操作判断模块控制信号，决定是否响应踏板动作。本发明通过测量右腿肌肉的肌电信号来更精确辨别驾驶员是否误踩踏板，发出语音提醒并进行延时响应以避免交通事故的发生。
-
-
-
-
-
-
-
-
-
Search Results
158
records
(took 0.033 seconds)
