“朱越美”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5个，建议您升级VIP下载更多相关专利

[发明专利]一种通行决策模型训练方法、装置、介质及设备-CN202210228232.7在审
发明人：张兆瑞;王鲁宁;张磊;朱越美 -专利权人：魔门塔（苏州）科技有限公司
申请日： 2022-03-10 - 公布日： 2023-09-19 - 主分类号： G06F30/27 文献下载
摘要：本申请公开了一种通行决策模型训练方法、装置、介质及设备，属于数据处理领域。该方法主要包括：在信号灯状态可获取的路口，获取自车周围的参考车辆的运动状态信息；将参考车辆的运动状态信息和自车的运动状态信息作为在信号灯状态被遮挡路口的数据样本进行模型的训练，得到通行决策模型，通行决策模型用于对信号灯状态被遮挡路口的通行决策；其中，运动状态信息包括速度、加速度、距离信息和/或所在车道信息。本申请能够在信号灯状态被遮挡路口的数据样本不足的情况下，训练得到能够准确进行决策的模型。
一种通行决策模型训练方法装置介质设备

[发明专利]车辆轨迹评价网络模型的训练方法、装置和存储介质-CN202110450469.5有效
发明人： 朱越美;张立志 -专利权人：浙江吉利控股集团有限公司;吉利汽车研究院（宁波）有限公司
申请日： 2021-04-25 - 公布日： 2023-04-18 - 主分类号： G06F18/214 文献下载
摘要：本发明涉及一种车辆轨迹评价网络模型的训练方法、装置和存储介质，训练方法包括：获取实车数据；以实车数据为基础，通过路径规划算法和采样算法生成采样规划轨迹；获取人类驾驶员驾驶车辆形成的专家规划轨迹；将采样规划轨迹和专家规划轨迹转换为多维时间序列，得到样本数据集；以样本数据集为基础，训练得到评价网络模型。与现有技术相比，本发明基于采集的实车数据得到采样规划路径，结合人类驾驶员驾驶车辆形成的专家规划路径得到样本数据集，基于样本数据集训练得到评价网络模型，越符合人类驾驶经验的规划轨迹在评价网络模型中的代价越低，这样能够更加客观的对驾驶时的候选轨迹进行评价，得到更贴合人类实际驾驶的候选轨迹。
车辆轨迹评价网络模型训练方法装置存储介质

[发明专利]一种路口通行决策方法、装置、介质、设备及车辆-CN202210191618.5有效
发明人：张兆瑞;张磊;王鲁宁;朱越美;李黄河 -专利权人：魔门塔（苏州）科技有限公司
申请日： 2022-03-01 - 公布日： 2022-05-03 - 主分类号： B60W30/18 文献下载
摘要：本申请公开了一种路口通行决策方法、装置、介质、设备及车辆，属于数据处理领域。该方法包括：在车辆能在停止线之内刹停，车辆获取的路口信号灯为允许通行或警示通行时，向车辆发出通行决策，若车辆获取的路口信号灯为停止通行或允许通行即将结束，则向车辆发出停车决策；在车辆不能在停止线内刹停，且车辆所获取的路口信号灯为允许通行、警示通行或允许通行即将结束，向车辆发出通行决策，若车辆所获取的信号灯为停止通行，根据车辆行驶方向的前方是否存在参考车辆进行车辆通行状态决策。本申请在无法获取路口信号灯状态的条件下，利用历史信息和自车信息进行是否通行的判断，使自动驾驶更安全。
一种路口通行决策方法装置介质设备车辆

[发明专利]基于深度学习方法和非参数化采样的侧扫声呐图像合成方法-CN201810270164.4有效
发明人：何波;宋艳;朱越美 -专利权人：中国海洋大学
申请日： 2018-03-29 - 公布日： 2021-07-27 - 主分类号： G06T5/00 文献下载
摘要：本发明属于图像处理技术领域，具体涉及一种基于深度学习方法和非参数化采样的侧扫声呐图像合成方法，包括，S1.合成初步侧扫声呐图像；S2.深度学习模型建立及训练；S21.训练样本的获取；S22.建立深度学习模型；S23.深度学习模型的训练；S3.测扫声呐图像的合成。本发明的方法，在此过程中，非参数化采样给出一幅初始的合成结果，但是由于非参数化采样只考虑填充图像中的其各自负责的部分，不考虑每个部分边缘过渡是否平滑，此时初步合成的结果与真实图像有差距。而深度学习可以学习初始合成的声呐图像与真实声呐图像之间的关系，因此，将初始合成的图像用训练好的深度学习模型进行处理后，可以得到与真实声呐图像更像的合成结果。
基于深度学习方法参数采样声呐图像合成方法

[发明专利]基于数据驱动的自主式水下航行器海底路径规划方法-CN201810269820.9有效
发明人：何波;朱越美;宋艳 -专利权人：中国海洋大学
申请日： 2018-03-29 - 公布日： 2021-03-02 - 主分类号： G05D1/10 文献下载
摘要：本发明属于自主式水下航行器技术领域，涉及一种基于数据驱动的自主式水下航行器海底路径规划方法，包括，AUV探测前，将拟探测区栅格化，规划AUV的全局路径，此时设定以全局探测模式遍历路径；AUV探测时，实时分析扫描数据，计算目标特征在单位栅格中的密集度，若目标特征密集度满足探测需求，则AUV转换为局部探测模式，AUV实时分析周围特征，若此时局部路径周围一直存在探测目标且目标特征密集度满足探测需求，则一直采用局部探测模式；如果目标特征密集度不满足探测需求，则局部探测模式结束，AUV根据未探测区域重新规划一条探测路径，采用全局模式对未探测区域进行探测。本发明的路径规划方法，效率高，智能性高。
基于数据驱动自主水下航行海底路径规划方法