Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 北京科技大学丁大伟获国家专利权

北京科技大学丁大伟获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉北京科技大学申请的专利一种面向行人交互场景的智能驾驶规划方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119296077B

龙图腾网通过国家知识产权局官网在2025-06-24发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411431989.1,技术领域涉及:G06V20/58;该发明授权一种面向行人交互场景的智能驾驶规划方法是由丁大伟;高胤峰;安翠娟;任莹莹;张云翊设计研发完成,并于2024-10-14向国家知识产权局提交的专利申请。

一种面向行人交互场景的智能驾驶规划方法在说明书摘要公布了:本发明公开了一种面向行人交互场景的智能驾驶规划方法,属于智能驾驶技术领域,该方法包括:搭建园区环境行人交互驾驶场景并定义车辆传感器观测、感知状态,目标函数和底层横纵向控制器;初始化模型参数和经验回放池;人类专家在仿真场景内驾驶车辆,生成驾驶数据序列,存至经验回放池;使用经验回放池中的数据对模型进行训练;在仿真场景中部署训练好的模型,规划出车辆运行轨迹,并使用车辆底层横纵向控制器控制车辆按照规划的轨迹运行;判断模型表现是否达标,如不达标,则继续训练;获取最后一次更新的模型作为训练的结果。本发明可有效提高行人交互场景下智能驾驶规划任务的安全性和运行效率。

本发明授权一种面向行人交互场景的智能驾驶规划方法在权利要求书中公布了:1.一种面向行人交互场景的智能驾驶规划方法,其特征在于,包括: S1,搭建园区环境行人交互驾驶场景,并定义车辆传感器观测、车辆感知状态,目标函数以及车辆底层横纵向控制器; S2,初始化神经网络模型参数,并初始化经验回放池;其中,神经网络模型用于生成候选的规划轨迹;经验回放池用于储存人类专家的驾驶数据序列,每条驾驶数据序列由多个时刻的车辆传感器观测、车辆感知状态以及目标函数值组成; S3,人类专家在园区环境行人交互驾驶场景内驾驶车辆,在各种行人密度和各类道路条件下完成车辆导航任务,生成相应的驾驶数据序列,存至经验回放池; S4,使用经验回放池中的驾驶数据序列对神经网络模型进行训练,直至达到预设的训练终止条件; S5,在园区环境行人交互驾驶场景中部署训练好的神经网络模型,规划出车辆运行轨迹,并使用车辆底层横纵向控制器控制车辆按照规划的轨迹运行; S6,判断神经网络模型表现是否达标,如存在神经网络模型在某一场景中表现不达标的情况,则通过人类专家收集不达标的场景下的更多的驾驶数据序列,存至经验回放池,并重复S4至S5,直至神经网络模型在所有场景中表现达标; S7,训练结束,获取最后一次更新的神经网络模型作为训练的结果; 所述车辆传感器观测包括车辆环视摄像头采集的图像信息和车辆激光雷达采集的点云信息;其中,车辆激光雷达采集的点云信息被转换为具有固定分辨率的鸟瞰图,构成以车辆为中心,预设长度为边长的正方形网格,将网格划分为多个大小相同的网格块,并将每个网格块的高度信息量化为预设数量的层级; 所述车辆感知状态包括车辆运动状态、行人运动状态以及车道线位置状态;其中,所述车辆运动状态包括车辆的全局坐标、速度、加速度、朝向以及车身的宽和长;所述行人运动状态包括行人全局坐标、速度、加速度以及朝向;所述车道线位置状态包括每条车道线的多个二维坐标点; 所述目标函数表示为: c=α1csafe+α2cspeed+α3clane+α4ccomfort 其中,c表示目标函数;α1、α2、α3、α4是预设的加权系数; 其中,Nobs是行人数,dsafe是预设的安全距离,di是第i个行人与车辆之间的距离;cspeed=β1vcar+β2acar,其中,vcar是车辆的速度,acar是车辆的加速度,β1和β2是预设的权重系数;clane=-dcenter 2,其中,dcenter是车辆与道路中心线的距离;ccomfort=-β3Δacar 2+β4Δδcar 2,其中,Δacar和Δδcar分别是车辆的加速度和转向角变化率,β3和β4是预设的权重系数; 所述神经网络模型参数包括场景感知模型、交互增强的环境模型以及路径规划模型;其中,场景感知模型用于从车辆传感器观测中提取车辆感知状态;交互增强的环境模型用于建模车辆、行人与地图三者之间的交互关系,并对未来车辆感知状态和目标函数值进行预测;路径规划模型用于输出车辆候选的规划轨迹; 训练时,首先使用经验回放池中的驾驶数据序列对所述场景感知模型和所述交互增强的环境模型依次进行训练,然后使用经验回放池中的驾驶数据序列,基于行为克隆方法对所述路径规划模型进行训练,使得训练后的所述路径规划模型能够以自回归的方式生成未来一段时间的车辆规划轨迹;其中,在训练过程中,利用梯度下降方法更新所述场景感知模型、交互增强的环境模型和所述路径规划模型的参数。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人北京科技大学,其通讯地址为:100083 北京市海淀区学院路30号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。