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！

龙图腾网获悉吉林大学申请的专利面向超视距场景的车路协同感知与融合估计车辆稳控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：CN121375748B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202511891695.1，技术领域涉及：B60W30/02；该发明授权面向超视距场景的车路协同感知与融合估计车辆稳控方法是由孙文财;史册;王鹏屹;严睎伦;云正设计研发完成，并于2025-12-16向国家知识产权局提交的专利申请。

本面向超视距场景的车路协同感知与融合估计车辆稳控方法在说明书摘要公布了：本发明面向超视距场景的车路协同感知与融合估计车辆稳控方法，属于智能交通、车辆控制工程与汽车安全技术交叉技术领域。通过车端传感器获取车辆动力学数据基于七自由度模型与无迹卡尔曼滤波估计动力学路面附着系数，利用路侧摄像头采集路面图像后，MobileNetV3+模型识别路面状态并映射为视觉路面附着系数；采用离散时间卡尔曼滤波器融合动力学与视觉估计结果，根据置信度动态调整融合权重；将融合后的路面附着系数传输至车端控制器，基于滑模控制与路面附着系数识别设计上下层控制器，实现车辆在复杂道路条件下的稳定性控制。可有效提升路面附着系数估计的准确性与前瞻性，增强车辆在极限工况下的操纵稳定性。

本发明授权面向超视距场景的车路协同感知与融合估计车辆稳控方法在权利要求书中公布了：1.面向超视距场景的车路协同感知与融合估计车辆稳控方法，在视觉盲区与事故历史数据确定的特定弯道路段被触发；其特征在于：包括以下步骤，且以下步骤顺次进行： 步骤一：获取车辆动力学道路附着系数； 步骤二：获取路端摄像头的视觉路面附着系数； 步骤三：融合视觉路面附着系数和动力学路面附着系数； 步骤四：路端工作站与车端建立通讯联系； 步骤五：基于路面附着系数判断当前失稳危险； 步骤六：根据危险的判断执行车辆操稳性控制策略； 步骤三所述融合视觉路面附着系数和动力学路面附着系数方法为： 步骤1：使用一个离散时间卡尔曼滤波器，状态为附着系数μ，建立系统模型： ，式中，wk是过程噪声，服从均值为零、方差为Q的高斯分布； 步骤2：代入两个观测源：估计的动力学道路附着系数μdyn和估计的视觉路面附着系数μvis； ，式中，和是观测噪声，σ2 dyn和σ2 vis分别服从均值为零、方差为的高斯分布，且两者相互独立，观测噪声的协方差矩阵为： ，步骤3：根据置信度动态调整观测噪声方差σ2 dyn和σ2 vis； 动力学观测噪声方差： ； 式中，是动力学估计的置信度，S是车辆状态，其中，表示动力学观测噪声方差的计算函数，具体由基础噪声方差 、动力学置信度的倒数、以及基于车辆状态的调整因子相乘得到； 具体表示为： ，视觉观测噪声方差： ，式中：：视觉观测的基础噪声方差，表示在理想条件下视觉估计的固有不确定性； ：视觉估计的置信度，由视觉识别模型输出； ：基于环境条件E的调整因子，环境条件E包括光照强度、天气状况、路面纹理、摄像头遮挡及影响视觉识别准确性的因素； ：基于路面变化标志 的调整函数，当 =1 时，表示检测到路面类型变化，函数通过增大噪声方差反映更高的不确定性； E：环境条件，包括光照、天气、路面纹理及视觉感知相关因素； 步骤4：置信度计算，动力学置信度和视觉置信度由以下公式计算： ,式中，和是置信度计算函数; 步骤5：路面变化检测通过视觉观测值的突变检测路面类型变化： ,当超过阈值且较大时，判定为路面变化，触发 标志1； 步骤6：卡尔曼滤波并最终融合结果： 预测步骤：，更新步骤： ①计算卡尔曼增益： ，式中，； ②状态更新： ，式中，； ③协方差更新： ，滤波器的状态输出即为融合后的附着系数估计值。

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吉林大学，其通讯地址为：130012 吉林省长春市高新产业开发区前进大街2699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”。

以上内容由龙图腾AI智能生成。