-
公开(公告)号：CN119105496A
公开(公告)日：2024-12-10
申请号：CN202411220115.1
申请日：2024-09-02
Applicant: 长安大学
Abstract: 本发明提供了一种自动驾驶货运编队协同决策方法、装置、设备及存储介质。具体而言，本发明提出了一种定制的部分可观测马尔科夫决策过程(POMDP)模型，该模型针对高速公路场景下的货运编队协同决策，利用交错结构的编队控制方法增强货运编队在训练阶段的感知信息，进一步提升智能体决策网络在测试阶段的效果。进一步地，结合QMIX算法构建了一个基于中心化训练与去中心化执行(CTDE)训练范式的多智能体强化学习框架，对货运编队的安全性、通行效率及能耗目标进行优化，从而促使货运编队产生自发的协同行为。本发明与传统的货运编队控制方法相比，所提出的模型和框架在提升货运编队协同决策方面展现出了优越性能。
-
公开(公告)号：CN106529391B
公开(公告)日：2019-06-18
申请号：CN201610810614.5
申请日：2016-09-08
Applicant: 长安大学
Abstract: 本发明公开了一种鲁棒的限速交通标志检测与识别方法，首先建立多特征融合的显著性模型，再通过对每一层的多特征融合显著性模型进行更新与迭代，得到层次显著性度图；然后对多层显著度图进行求解，得到最优显著度图，并在最优显著图上获得ROI，将获得的ROI送入基于超像素预训练好的CNN模型中，对ROI进行分类，给出识别结果；本发明算法基于先验位置与边界特征的显著性模型能够更好地突出两侧的交通标志，通过多层次融合后的显著度图有效地利用了图像的结构信息，且保留了圆形标志内的诸多小尺度细节信息，使目标更完整均匀，有利于提高识别的效率与精度。
-
公开(公告)号：CN109241865A
公开(公告)日：2019-01-18
申请号：CN201810925021.2
申请日：2018-08-14
Applicant: 长安大学
Abstract: 本发明公开了一种弱对比度交通场景下的车辆分割算法方法，通过确定交通场景下的车辆分割任务建立分割目标的数据库，并训练全卷积神经网络语义分割模型通过训练好的全卷积神经网络的对弱对比度交通场景下的前方车辆进行初步分割，从而得到车辆的概率图与分割结果接着对分割结果图进行平滑滤波及去噪操作，去除因为语义分割中反卷积操作而造成的噪点和微小空洞接着将去噪后的分割结果图映射回原图，对原图进行均值漂移语义分割从而得到细化的分割结果，最后将卷积神经网络模型的分割结果、均值漂移分割得到分割结果与卷积神经网络得到的前车概率图按照合并规则进行区域合并，从而实现弱对比度交通环境下的车辆细化分割。
-
公开(公告)号：CN108986471A
公开(公告)日：2018-12-11
申请号：CN201810650342.6
申请日：2018-06-22
Applicant: 长安大学
IPC: G08G1/015 , G08G1/052 , G08G1/0967
Abstract: 本发明公开了一种混合交通条件下交叉口车辆引导方法，在含有网联车和普通车的交叉口，通过对网联车采用三角函数速度引导的方法进行速度引导，对普通车的速度引导是根据跟驰模型通过引导网联车的速度间接对普通车的行驶速度进行引导；本发明提供的方法考虑了混合车队的情况，利用网联车作为头车，间接引导普通车的车速，既提高了交叉口的通行效率，又降低了机动车在交叉口区域的尾气排放；该方法算法简单，运算复杂度较低，满足速度引导方法对延时的敏感性。
-
公开(公告)号：CN106529391A
公开(公告)日：2017-03-22
申请号：CN201610810614.5
申请日：2016-09-08
Applicant: 长安大学
CPC classification number: G06K9/00818 , G06K9/6267
Abstract: 本发明公开了一种鲁棒的限速交通标志检测与识别方法，首先建立多特征融合的显著性模型，再通过对每一层的多特征融合显著性模型进行更新与迭代，得到层次显著性度图；然后对多层显著度图进行求解，得到最优显著度图，并在最优显著图上获得ROI，将获得的ROI送入基于超像素预训练好的CNN模型中，对ROI进行分类，给出识别结果；本发明算法基于先验位置与边界特征的显著性模型能够更好地突出两侧的交通标志，通过多层次融合后的显著度图有效地利用了图像的结构信息，且保留了圆形标志内的诸多小尺度细节信息，使目标更完整均匀，有利于提高识别的效率与精度。
-
Patent Agency Ranking
-
公开(公告)号：CN114881339B
公开(公告)日：2025-02-07
申请号：CN202210545736.1
申请日：2022-05-19
Applicant: 长安大学
IPC: G06Q10/04 , G06Q50/40 , G06F18/213 , G06F18/2415 , G06F18/25 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06F123/02
Abstract: 本发明属于自动驾驶领域，公开了一种车辆轨迹预测方法、系统、计算机设备及存储介质，包括：提取待预测车辆及待预测车辆各相邻车辆的历史运动轨迹数据，得到待预测车辆的多维动态场景特征向量；提取待预测车辆的多维动态场景特征向量，得到待预测车辆的交通感知信息；编码待预测车辆的交通感知信息以及历史运动状态数据，得到待预测车辆的隐状态信息；根据待预测车辆的隐状态信息，得到待预测车辆的混合注意力矩阵，并通过待预测车辆的混合注意力矩阵为待预测车辆的隐状态信息分配权重，然后依次通过最大池化处理和全连接处理，得到待预测车辆的轨迹预测值，最终有效提升了车辆轨迹预测准确性。
-
公开(公告)号：CN119378371A
公开(公告)日：2025-01-28
申请号：CN202411396267.7
申请日：2024-10-08
Applicant: 长安大学
IPC: G06F30/27 , G06N3/0455 , G06N3/0499 , G06N3/08 , G06F30/20
Abstract: 本申请涉及车辆测试技术领域，尤其涉及一种自动驾驶关键测试场景泛化生成系统和生成方法。场景生成系统包括：编码器、解码器、生成器以及判别器。其中，编码器，用于对输入的真实场景信息进行特征提取，并对提取的特征信息进行编码，得到编码后的真实场景信息；生成器和判别器，用于根据输入的噪声信息，通过生成器和判别器相互博弈，生成潜在场景信息；解码器，用于对真实场景信息和潜在场景信息进行解码，得到测试评价场景。这样可以根据真实场景信息和潜在的随机噪声信号构造接近真实场景的测试场景，以满足自动驾驶车辆的仿真测试，且可以通过调整场景构建信息以构建不同的、多样的场景，使得自动驾驶车辆的测试场景更加全面。
-
公开(公告)号：CN118865323A
公开(公告)日：2024-10-29
申请号：CN202410909438.5
申请日：2024-07-08
Applicant: 长安大学
IPC: G06V20/58 , G08G1/095 , G06V10/774 , G06V10/82
Abstract: 本申请涉及智慧交通技术领域，尤其涉及一种自动驾驶汽车信号灯状态识别跟踪方法和识别跟踪装置。识别跟踪方法包括，首先获取信号灯图像；将信号灯图像输入至训练好的状态识别模型中，得到信号灯图像对应的信号灯状态。其中，状态识别模型包括骨干网络、编码器、解码器和预测网络；骨干网络，用于得到多尺度信号灯状态特征图；编码器，用于对状态特征图进行编码，得到编码后的特征信息；解码器，用于对编码后的特征信息进行信息匹配，得到正样本图像和负样本图像；预测网络，用于对正样本图像和负样本图像进行状态识别，得到信号灯图像对应的信号灯状态。本申请通过对信号灯图像进行特征提取和轨迹跟踪，可以精确的识别出信号灯的状态信息。
-
公开(公告)号：CN118629207A
公开(公告)日：2024-09-10
申请号：CN202410815233.0
申请日：2024-06-24
Applicant: 长安大学
Abstract: 本发明公开了一种高速匝道合流区混合交通流决策控制方法、装置及设备。其中，高速匝道合流区混合交通流决策控制方法包括：获取进入高速匝道合流区的目标车辆的运行状态，高速匝道合流区设于预先建立的混合交通多车道合流场景模型中，目标车辆包括智能网联车辆和人工驾驶车辆；设计生成符合目标车辆的驾驶效益的成本函数；根据目标车辆在当前时间步内的交互状况预测下一时间步的终端状态；根据目标车辆在当前时间步的初始状态和下一时间步的终端状态求解成本函数，以得到博弈决策结果；根据博弈决策结果控制智能网联车辆完成交通合流。本发明可以实现智能网联车辆和人工驾驶车辆共存的混合交通流下高速匝道的合流控制，且适用范围广。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.042 seconds)
