-
公开(公告)号：CN112614373B
公开(公告)日：2021-12-21
申请号：CN202011593241.3
申请日：2020-12-29
IPC: G08G1/0967 , G08G1/16 , G06N3/04 , G06N3/08
Abstract: 一种基于BiLSTM周车换道意图预测方法，涉及智能车辆技术领域。包括以下步骤：1)换道意图预测模型的离线训练过程：通过大规模真实驾驶场景的采集和处理构建训练数据库；然后训练换道意图预测模型；2)换道意图预测模型在线实时预测：在自车实时采集数据和数据预处理之后，用训练好的换道意图预测模型在线实时预测，即可预测得到周车当前换道意图。综合考虑影响周围车辆换道的因素，利用Inception‑ResNet‑v2网络提取车辆视频的帧水平特征，并融合车辆状态和帧水平特征，提高BiLSTM网络预测的能力，进一步提高检测精度和效率，有效实现预测周围车辆的换道意图，对提高无人驾驶车辆的安全性能有很大的作用。
-
公开(公告)号：CN112614373A
公开(公告)日：2021-04-06
申请号：CN202011593241.3
申请日：2020-12-29
IPC: G08G1/0967 , G08G1/16 , G06N3/04 , G06N3/08
Abstract: 一种基于BiLSTM周车换道意图预测方法，涉及智能车辆技术领域。包括以下步骤：1)换道意图预测模型的离线训练过程：通过大规模真实驾驶场景的采集和处理构建训练数据库；然后训练换道意图预测模型；2)换道意图预测模型在线实时预测：在自车实时采集数据和数据预处理之后，用训练好的换道意图预测模型在线实时预测，即可预测得到周车当前换道意图。综合考虑影响周围车辆换道的因素，利用Inception‑ResNet‑v2网络提取车辆视频的帧水平特征，并融合车辆状态和帧水平特征，提高BiLSTM网络预测的能力，进一步提高检测精度和效率，有效实现预测周围车辆的换道意图，对提高无人驾驶车辆的安全性能有很大的作用。
-
公开(公告)号：CN117141517A
公开(公告)日：2023-12-01
申请号：CN202311179871.X
申请日：2023-09-13
Applicant: 厦门大学
IPC: B60W60/00 , G06V20/58 , G06V10/22 , G06V10/36 , G06V10/72 , G06V10/764 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08 , B60W50/00
Abstract: 数据驱动与知识引导相结合的车辆轨迹预测模型构建方法，涉及智能驾驶。步骤：1)数据的处理：将车辆配备的摄像头、毫米波雷达等车载传感器采集的周车行驶数据进行处理，设立规则定义周车的驾驶意图类型，为各个序列数据设置标签，获得实现车辆运动预测所需的数据；2)采用编码器‑解码器框架，提出一种基于意图感知时空注意网络的车辆轨迹预测模型；3)提供决策信息：根据联合预测的结果为主车的后续操纵提供丰富的信息依据。通过自动驾驶汽车配备的传感器采集的周车行驶信息，利用深度学习网络对周车的驾驶意图和行驶轨迹进行联合预测，提升长期轨迹预测的精度，实现更准确的位置预测，为车辆提供丰富的决策信息以保证车辆的行驶安全。
-
公开(公告)号：CN114779752A
公开(公告)日：2022-07-22
申请号：CN202210423341.4
申请日：2022-04-21
Applicant: 厦门大学
Abstract: 网络攻击下智能电动车辆轨迹跟踪控制方法，涉及汽车智能安全与自动驾驶。1：建立准确表征智能电动车辆行为机理的动力学模型；2：设计基于扩展卡尔曼滤波原理的多传感器信息融合的网络攻击检测方法；3：设计基于网络攻击检测的模型预测控制器的目标函数和约束条件，控制车辆在网络攻击下的跟踪期望轨迹的偏差尽可能小；当智能电动车辆在正常行驶过程遭受网络攻击时，利用网络攻击检测模块进行网络攻击检测，检测到传感器受网络攻击时，屏蔽受网络攻击传感器并利用未受网络攻击传感器信息进行状态估计，利用网络攻击检测模块估计的车身状态信息和模型预测控制器轨迹跟踪控制，在传感器遭受网络攻击时仍进行有效轨迹跟踪控制，确保安全行驶。
-
公开(公告)号：CN114067178A
公开(公告)日：2022-02-18
申请号：CN202111368338.9
申请日：2021-11-18
Applicant: 厦门大学
IPC: G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 一种无人驾驶汽车对周边车辆切入轨迹预测系统及方法，涉及无人驾驶。系统包括数据集获取模块、模型训练模块和轨迹预测模块。方法：1)数据集获取：通过大规模真实驾驶场景采集驾驶数据，处理并构建训练神经网络所需的轨迹数据集；2)模型训练：构建切入轨迹预测模型，并利用所得轨迹数据集进行训练；3)实时车辆切入轨迹预测：通过自车实时采集行驶数据，经过数据处理，用训练好的切入轨迹预测模型进行在线预测，即可获得相邻车辆未来一段时间内的轨迹预测。采用基于数据驱动的深度学习方法，简单高效。通过构建基于DR‑Connect改进的Bi‑LSTM网络构架，实现对周围车辆切入轨迹的实时长时间准确预测，有效提高交通安全。
-
Patent Agency Ranking
公开(公告)号：CN114067178B
公开(公告)日：2024-09-06
申请号：CN202111368338.9
申请日：2021-11-18
Applicant: 厦门大学
IPC: G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N3/049
Abstract: 一种无人驾驶汽车对周边车辆切入轨迹预测系统及方法，涉及无人驾驶。系统包括数据集获取模块、模型训练模块和轨迹预测模块。方法：1)数据集获取：通过大规模真实驾驶场景采集驾驶数据，处理并构建训练神经网络所需的轨迹数据集；2)模型训练：构建切入轨迹预测模型，并利用所得轨迹数据集进行训练；3)实时车辆切入轨迹预测：通过自车实时采集行驶数据，经过数据处理，用训练好的切入轨迹预测模型进行在线预测，即可获得相邻车辆未来一段时间内的轨迹预测。采用基于数据驱动的深度学习方法，简单高效。通过构建基于DR‑Connect改进的Bi‑LSTM网络构架，实现对周围车辆切入轨迹的实时长时间准确预测，有效提高交通安全。
-
公开(公告)号：CN113682293B
公开(公告)日：2023-08-22
申请号：CN202111153172.9
申请日：2021-09-29
Applicant: 厦门大学
Abstract: 智能网联混合动力汽车多系统动态协调控制系统及方法，涉及汽车智能安全与自动驾驶。系统包括数据模块、数据感知模块、与多系统动态协调控制系统。智能网联混合动力汽车通过车载传感器获得车辆状态信息，并将其发送给多系统动态协调控制模块；多系统动态协调控制模块根据获得的车辆状态信息，求解最优发动机功率与电机功率分配方案以提高车辆的燃油经济性；建立可准确表征智能网联混合动力汽车多过程耦合的车辆动力学模型，作为智能网联混合动力汽车多系统动态协调控制算法的执行机构，执行由多系统动态协调控制器输出的可执行控制信号，进行车辆状态更新。有效解决多目标对于车辆控制要求相矛盾等问题，可获得更好的计算结果，提高计算速度。
-
公开(公告)号：CN115158364B
公开(公告)日：2025-02-14
申请号：CN202210980755.7
申请日：2022-08-16
Applicant: 厦门大学
Abstract: 一种自动驾驶汽车对周车驾驶意图和轨迹联合预测的方法，涉及智能驾驶。1)周车行驶数据处理：采集周车行驶数据，设立规则定义周车的驾驶意图类型，为各序列数据设标签，获得实现车辆运动预测所需数据；2)周车驾驶意图和轨迹联合预测：构建基于BiLSTM的意图识别模型，对周车驾驶意图识别；构建基于LSTM的编码器‑解码器框架的轨迹预测模型，引入注意力机制提升时序问题预测效果，结合周车位置信息、驾驶意图对周车较长时域轨迹预测；3)提供决策信息：根据联合预测的结果为主车的后续操纵提供信息依据。节省计算成本，提高长期轨迹预测准确性；减小深层网络梯度消失和网络退化问题的影响。为车辆提供决策信息，保证安全性和舒适性。
-
公开(公告)号：CN114779752B
公开(公告)日：2024-06-07
申请号：CN202210423341.4
申请日：2022-04-21
Applicant: 厦门大学
Abstract: 网络攻击下智能电动车辆轨迹跟踪控制方法，涉及汽车智能安全与自动驾驶。1：建立准确表征智能电动车辆行为机理的动力学模型；2：设计基于扩展卡尔曼滤波原理的多传感器信息融合的网络攻击检测方法；3：设计基于网络攻击检测的模型预测控制器的目标函数和约束条件，控制车辆在网络攻击下的跟踪期望轨迹的偏差尽可能小；当智能电动车辆在正常行驶过程遭受网络攻击时，利用网络攻击检测模块进行网络攻击检测，检测到传感器受网络攻击时，屏蔽受网络攻击传感器并利用未受网络攻击传感器信息进行状态估计，利用网络攻击检测模块估计的车身状态信息和模型预测控制器轨迹跟踪控制，在传感器遭受网络攻击时仍进行有效轨迹跟踪控制，确保安全行驶。
-
公开(公告)号：CN115063777A
公开(公告)日：2022-09-16
申请号：CN202210741541.4
申请日：2022-06-27
Applicant: 厦门大学
Abstract: 一种野外环境下的无人车障碍物识别方法，涉及智能车辆技术领域。1)制作野外环境障碍物数据集：包括野外环境障碍物图像采集和数据集图像标定；2)基于障碍物特点改进网络模型：以Faster R‑CNN网络模型作为基础网络框架改进，实现野外环境障碍物的识别和分类，改进包括对特征提取网络的改进和对检测网络的改进；3)训练前对数据集预处理，训练过程对参数和学习方法调节，训练好的检测识别模型在线实时预测，即实现野外环境障碍物识别。从野外环境障碍物情况入手，制作新野外环境障碍物数据集，并从野外环境障碍物的特点出发，对Faster R‑CNN网络改进。在野外环境障碍物检测方面具有一定优越性。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.023 seconds)
