“赵冬斌”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果58个，建议您升级VIP下载更多相关专利

[发明专利]面向地铁视觉图像的轨道检测方法及系统-CN202010466033.0有效
发明人：李浩然;张启超;赵冬斌 -专利权人：中国科学院自动化研究所
申请日： 2020-05-28 - 公布日： 2023-09-26 - 主分类号： G06V20/54 文献下载
摘要：本发明涉及一种面向地铁视觉图像的轨道检测方法及系统，所述检测方法包括：采集地铁场景下的多个轨道图像，作为训练图像；通过基于卷积神经网络的特征提取网络，对训练图像进行特征提取，得到对应的图像特征；采用信息聚合算法，根据所述图像特征，得到基于轨道形状和分布特征的融合特征；根据所述融合特征，建立分类预测模型；根据所述分类预测模型，预测待处理轨道图像的各像素点的类别。本发明通过对训练图像特征提取，得到图像特征，进一步考虑轨道特殊的分布和形状特征，采用信息聚合算法，根据图像特征得到基于轨道形状和分布特征的融合特征；进而根据融合特征建立分类预测模型，可以准确、有效地预测出待处理轨道图像的各像素点的类别。
面向地铁视觉图像轨道检测方法系统

[发明专利]网络架构搜索方法、图像分类方法、装置和电子设备-CN202310707540.2在审
发明人：陈亚冉;李楠楠;赵冬斌 -专利权人：中国科学院自动化研究所
申请日： 2023-06-14 - 公布日： 2023-09-22 - 主分类号： G06N3/045 文献下载
摘要：本发明涉及人工智能领域，提供一种网络架构搜索方法、图像分类方法、装置和电子设备，其中搜索方法包括：获取初始网络结构，并基于所述初始网络结构的各结构参数，确定搜索空间；基于所述搜索空间搭建超网络，并基于第一样本图像对所述超网络进行预训练，得到预训练超网络的预训练权重；基于当前演化代数下候选突变操作的自适应概率分布，采用演化算法对当前演化代数下的网络结构进行搜索优化，得到下一演化代数下的网络结构，直至停止演化，得到目标网络结构。本发明提供的网络架构搜索方法、图像分类方法、装置和电子设备，提高了搜索效率，可以稳定且高效地实现对高性能的小规模ViT网络的优化。
网络架构搜索方法图像分类装置电子设备

[发明专利]一种面向空战一对一博弈对抗的飞行器控制方法及装置-CN202310127494.9在审
发明人：朱圆恒;柴嘉骏;赵冬斌 -专利权人：中国科学院自动化研究所
申请日： 2023-02-06 - 公布日： 2023-09-05 - 主分类号： G05B13/04 文献下载
摘要：本发明提供一种面向空战一对一博弈对抗的飞行器控制方法及装置，该方法包括：获取第一飞行器所在环境对应的外层状态信息，外层状态信息包括第一飞行器对应的相关状态信息及第二飞行器相对于第一飞行器的位置信息；将外层状态信息输入至外层策略网络中，得到外层策略网络输出的外层指令；将第一飞行器对应的内层状态信息输入至内层飞行控制器网络，得到内层飞行控制器网络输出的内层动作，内层状态信息包括相关状态信息及外层指令中的目标控制信号；根据外层指令及多个内层动作，控制第一飞行器对抗第二飞行器。该方法使得第一飞行器具有较高的自主智能决策能力，能够对第二飞行器进行有效且准确地对抗。
一种面向空战一对一博弈对抗飞行器控制方法装置

[发明专利]多机器人协作对抗方法、装置、电子设备和存储介质-CN202111136603.0有效
发明人： 赵冬斌;唐振韬;朱圆恒 -专利权人：中国科学院自动化研究所
申请日： 2021-09-27 - 公布日： 2023-05-05 - 主分类号： B25J9/16 文献下载
摘要：本发明提供一种多机器人协作对抗方法、装置、电子设备和存储介质，其中方法包括：获取对抗环境的当前全局状态信息，以及每一己方机器人的当前局部观测信息；将所述对抗环境的当前全局状态信息和每一己方机器人的当前局部观测信息输入至协作对抗模型，得到所述协作对抗模型输出的每一己方机器人的当前决策行为；基于每一己方机器人的当前决策行为，对每一己方机器人进行控制。本发明提供的方法、装置、电子设备和存储介质，利用了对方机器人的训练数据，扩大了训练样本，提高了训练数据的利用率，提高了协作对抗模型的鲁棒性和准确性。
机器人协作对抗方法装置电子设备存储介质

[发明专利]面向智能驾驶的移动目标轨迹预测方法、系统、装置-CN202010400600.2有效
发明人：陈亚冉;赵晓东;赵冬斌 -专利权人：中国科学院自动化研究所
申请日： 2020-05-13 - 公布日： 2023-04-25 - 主分类号： G06V20/56 文献下载
摘要：本发明属于数据挖掘、智能驾驶领域，具体涉及一种面向智能驾驶的移动目标轨迹预测方法、系统、装置，旨在解决现有的移动目标轨迹预测方法预测精度较低的问题。本系统方法包括：获取输入视频中的图像帧；获取各图像帧中所有移动目标对应的检测区域，并分别计算第一影响；提取各第一影响、各第一位置信息的特征分别构建第一特征序列、第二特征序列；通过注意力机制分别对第一特征序列、第二特征序列中的各特征进行时间维度上的加权求和；结合待预测目标在待预测时刻上一时刻的位置信息提取的特征，进行加权求和，并通过解码器得到待预测目标待预测时刻的预测位置；迭代获取设定时间段内的多个预测位置，构建预测轨迹。本发明提高了轨迹预测的精度。
面向智能驾驶移动目标轨迹预测方法系统装置

[发明专利]基于光流和卡尔曼滤波的多目标追踪方法、系统、装置-CN201910669359.0有效
发明人：陈亚冉;赵冬斌;张启超 -专利权人：中国科学院自动化研究所
申请日： 2019-07-24 - 公布日： 2022-03-08 - 主分类号： G06T7/277 文献下载
摘要：本发明属于智能驾驶领域，具体涉及一种基于光流和卡尔曼滤波的多目标追踪方法、系统、装置，旨在解决多目标追踪过分依赖于检测及匹配难度大的问题。本系统方法包括获取输入视频中t时刻的图像帧；对图像帧进行多目标检测，构建检测目标的目标区域集合；根据t‑1时刻追踪到的目标，通过预设的追踪模型分别预测目标在t时刻图像帧中对应的目标区域，构建预测目标的目标区域集合；对检测目标、预测目标的目标区域集合，通过区域相似度，以及匈牙利算法获取两个目标区域集合中目标区域匹配关系；将检测目标的目标区域集合中匹配成功的目标区域作为t时刻追踪到的目标区域。本发明实现多目标的准确预测，提高了多帧目标的位置匹配及追踪的准确率。
基于卡尔滤波多目标追踪方法系统装置

[发明专利]基于强化学习的变化环境多智能体控制方法与装置-CN202110858503.2在审
发明人：朱圆恒;柴嘉骏;李伟凡;赵冬斌;孙科武;丁季时雨;董博 -专利权人：中国科学院自动化研究所
申请日： 2021-07-28 - 公布日： 2021-12-24 - 主分类号： G06N3/02 文献下载
摘要：本发明提供一种基于强化学习的变化环境多智能体控制方法与装置，包括：将当前环境信息和各个智能体的隐含状态输入到智能体网络，得到智能体网络输出的各个智能体的观测动作价值；观测动作价值用于表征对应智能体当前执行所有动作的预估价值；基于各个智能体的观测动作价值，控制各个智能体执行动作；其中，智能体网络是基于样本环境信息和样本智能体的样本隐含状态，联合自加权网络进行强化学习得到的；自加权网络用于确定所有样本智能体执行动作的联合动作价值；在强化学习过程中，自加权网络的输入包括智能体网络输出的所有样本智能体的样本观测动作价值。本发明提供的方法与装置能够避免变化环境中智能体数量动态变化对训练过程的影响。
基于强化学习变化环境智能控制方法装置

[发明专利]一种基于强化学习的导弹制导方法和装置-CN202110775732.8有效
发明人：朱圆恒;李伟凡;熊华;赵冬斌 -专利权人：中国科学院自动化研究所;北京电子工程总体研究所
申请日： 2021-07-09 - 公布日： 2021-09-21 - 主分类号： G06F30/15 文献下载
摘要：本发明提供一种基于强化学习的导弹制导方法和装置，其中方法包括：基于雷达信号，获取当前导弹和目标的位置、姿态信息，以及导弹当前剩余能量信息；基于当前导弹和目标的位置、姿态信息，以及导弹当前剩余能量信息，确定当前时刻的观测向量，并基于当前时刻以及上一时刻的观测向量，确定当前状态；将所述当前状态输入至动作网络，得到所述动作网络输出的动作，并基于所述动作，确定所述导弹的控制量；其中，所述动作网络是基于样本观测向量、每一时刻导弹采取的样本动作及其对应的奖励进行强化学习得到的。本发明提高了带角度约束的导弹围捕准确性。
一种基于强化学习导弹制导方法装置

[发明专利]基于加速度前馈的异构车队协同自适应巡航控制方法-CN201911110197.3有效
发明人：朱圆恒;赵冬斌 -专利权人：中国科学院自动化研究所
申请日： 2019-11-14 - 公布日： 2021-04-13 - 主分类号： G05B13/04 文献下载
摘要：本发明属于智能驾驶技术领域，具体涉及了一种基于加速度前馈的异构车队协同自适应巡航控制方法，旨在解决现有的协同自适应巡航控制方法依赖开发人员的专业经验，设计难度大的问题。本发明方法包括：建立被控车辆纵向动力学模型，定义跟车策略；获取被控车辆与前车的传递函数，并分析车队频域弦稳定条件；建立被控车队的状态空间模型；确定被控车队时域弦稳定条件；基于预设车辆间隔时间参数，获取前馈控制参数和反馈控制参数进行车辆巡航控制。本发明方法方便使用计算工具求解问题的可行解，降低了设计难度；获取最小间隔时间参数，从而获得具有最好跟随性能的协同自适应巡航控制器，提高了整个车队的通行能力。
基于加速度车队协同自适应巡航控制方法

[发明专利]智能驾驶横向换道决策方法、系统和装置-CN201910552495.1有效
发明人：张启超;王俊杰;赵冬斌 -专利权人：中国科学院自动化研究所
申请日： 2019-06-25 - 公布日： 2020-12-15 - 主分类号： B60W30/02 文献下载
摘要：本发明属于智能驾驶领域，具体涉及一种智能驾驶横向换道决策方法，旨在为了解决现有决策方法对未知情况的泛化能力和对异常情况的抗干扰能力较差的问题。本发明采集目标车辆及相邻车辆的速度信息和位置信息，转化为环境表征；通过基于深度强化学习算法构建的高层决策模型获取高层横向驾驶决策动作；基于环境信息和高层横向驾驶决策动作，通过基于规则的低层校正器校正高层横向驾驶决策动作，获取目标车辆最终的横向驾驶决策动作。本发明在基于学习的方法的基础上，加入规则的限制，相比于规则的方法提高了泛化能力，相比于学习的方法提高了对异常情况的抗干扰能力，提高了稳定性，可实现高速路场景下安全、稳定的车辆自主横向换道决策。
智能驾驶横向决策方法系统装置

[发明专利]智能驾驶车道保持方法及系统-CN201811260601.0有效
发明人： 赵冬斌;李栋;张启超;陈亚冉;朱圆恒 -专利权人：中国科学院自动化研究所
申请日： 2018-10-26 - 公布日： 2020-07-28 - 主分类号： B60W30/12 文献下载
摘要：本发明涉及一种智能驾驶车道保持方法及系统，所述智能驾驶车道保持方法包括：获取驾驶员视角的当前前方图像；基于预设的驾驶图像感知模型，预测所述当前前方图像的车道特征；基于预设的数据驱动车道保持模型，根据所述车道特征，计算方向盘转角控制量；根据所述方向盘转角控制量，控制本车行驶在车道中央。本发明通过采用多任务学习网络构建所述驾驶图像感知模型，促使所述驾驶图像感知模型学习到多个相关任务共有的图像特征，可提高车道特征预测的准确率；在方向盘转角控制量计算中，采用数据驱动的方法，不依赖于车辆模型，可提高方向盘转角控制量计算的准确性与鲁棒性。
智能驾驶车道保持方法系统

[发明专利]多电池储能系统的优化控制方法、系统及存储介质-CN201810967603.7有效
发明人：朱圆恒;赵冬斌;李相俊;周建华 -专利权人：中国科学院自动化研究所;中国电力科学研究院有限公司;国网江苏省电力有限公司电力科学研究院
申请日： 2018-08-23 - 公布日： 2020-06-30 - 主分类号： H02J7/00 文献下载
摘要：本发明涉及一种多电池储能系统的优化控制方法、系统及存储介质，本发明的方法与单电池管理系统不同，多个电池的不同属性被考虑进来，以整个系统的长期优化指标作为优化目标，此外，价值函数被定义为关于所有电池状态的模糊系统，根据电池动力学特性计算模糊系统的参数，电池的充放电动作考虑各个电池的容量和功率约束，整个优化过程是在受限的动作空间完成的。这样得到的最优动作一方面有助于延长电池寿命，另一方面保证了最优的性能指标。
电池系统优化控制方法存储介质

[发明专利]面向驾驶辅助系统的危险目标检测方法、装置-CN201710696755.3有效
发明人： 赵冬斌;陈亚冉 -专利权人：中国科学院自动化研究所
申请日： 2017-08-15 - 公布日： 2020-06-16 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及智能驾驶领域，具体提出了一种面向驾驶辅助系统的危险目标检测方法、装置，旨在解决现场复杂交通场景下危险目标检测精度低的问题。为此目的，本发明中的危险目标检测方法，通过依据预设的危险目标检测模型，识别所获取的车体外部图像中的危险目标的检测框位置以及目标类别和距离类别的笛卡尔积；依据笛卡尔积和危险等级匹配表，获取目标的危险等级；依据危险等级对应的颜色标注图像中目标的检测框。同时本发明中的危险目标检测装置、存储及处理装置，可以执行上述危险目标检测方法中的各步骤。本发明中的技术方案，可以在现实复杂交通场景下，提升基于图像的危险目标检测的精准度，有预防交通事故的作用。
面向驾驶辅助系统危险目标检测方法装置

[发明专利]基于反事实回报的多智能体深度强化学习方法、系统-CN201911343902.4在审
发明人： 赵冬斌;邵坤;朱圆恒 -专利权人：中国科学院自动化研究所
申请日： 2019-12-24 - 公布日： 2020-05-05 - 主分类号： G06N3/08 文献下载
摘要：本发明属于学习算法领域，具体涉及一种基于反事实回报的多智能体深度强化学习方法、系统，旨在为了解决解决多智能体信誉分配问题。本发明方法包括：基于多智能体的运行环境，定义全局状态；基于局部观测量，通过预设的Q网络模型，获取各智能体对应的执行动作；获取各智能体对应的经验数据对，并增入经验池；从经验回放池中随机获取训练样本，训练并更新Q网络模型的权重；每隔设定的步长，将基于Q网络模型的权重更新目标Q网络模型；重复上述Q网络模型权重优化步骤，直至达到训练结束条件，获取最后一次权重更新的Q网络模型。本发明实现了完全合作多智能体间的信誉分配，进而实现了多智能体的协同决策，而且收敛快，效率高。
基于事实回报智能深度强化学习方法系统

[发明专利]驾驶员跟车行为分析中的期望跟车距离计算方法-CN201710226893.5有效
发明人： 赵冬斌;张启超;夏中谱 -专利权人：中国科学院自动化研究所
申请日： 2017-04-06 - 公布日： 2020-02-14 - 主分类号： G06F30/20 文献下载
摘要：本发明涉及一种驾驶员跟车行为分析中的期望跟车距离计算方法。基于驾驶员在环汽车仿真测试平台，在采集数据时，设计多种不同的驾驶场景，针对多个驾驶员进行驾驶数据的采集；从中提取每个驾驶员的跟车行为特征参数数据集；对所有驾驶员的特征行为参数数据集进行聚类，聚类为几种不同的驾驶类别，作为训练数据集；然后利用上述训练数据集，对待分类的当前驾驶员进行类别判断。既实现了对不同跟车行为进行分类，又提高了采集跟车行为数据的效率，而且成本低、安全性好。本发明还利用高斯过程模拟驾驶员的纵向驾驶行为，能够为当前驾驶员提供个性化的期望跟车距离，提升了辅助驾驶系统对不同驾驶员的主动适应能力。
驾驶员车行分析中的期望距离计算方法

1
2
3
4
下一页»
尾页
共 58 条