CN107015632A - 基于脑电驾驶的车辆控制方法、系统 - Google Patents
基于脑电驾驶的车辆控制方法、系统 Download PDFInfo
- Publication number
- CN107015632A CN107015632A CN201610063541.8A CN201610063541A CN107015632A CN 107015632 A CN107015632 A CN 107015632A CN 201610063541 A CN201610063541 A CN 201610063541A CN 107015632 A CN107015632 A CN 107015632A
- Authority
- CN
- China
- Prior art keywords
- signal
- brain
- eeg signal
- control
- vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Neurosurgery (AREA)
- General Health & Medical Sciences (AREA)
- Neurology (AREA)
- Health & Medical Sciences (AREA)
- Dermatology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明提供了一种基于脑电驾驶的车辆控制方法、系统,其中方法包括以下步骤:采集驾驶员的脑电波信号,并对驾驶员的脑电波信号进行处理和分类识别以获取脑电波信号的产生方式,其中,脑电波信号的产生方式包括稳态视觉诱发产生方式、事件关联诱发产生方式或运动想象产生方式;根据脑电波信号的产生方式和预先设定的规则将脑电波信号转换为驾驶员的意图信号;接收意图信号,并对意图信号进行运算处理以获取车辆控制指令;以及根据车辆控制指令对车辆进行驾驶控制。本发明的方法能够使驾驶员利用意图实现对车辆的驾驶控制,包括电话的拨出与接听、饮料的选择、车窗和天窗的开闭、空调的调节、车载多媒体的控制以及车辆的行驶控制等。
Description
技术领域
本发明涉及汽车技术领域,特别涉及一种基于脑电驾驶的车辆控制方法、系统。
背景技术
脑机接口是一种连接大脑和外部设备的实时通信系统,可以代替人正常的外围神经和肌肉组织,实现人与计算机之间或者人与外部环境之间的通信,是在人脑与计算机或其它电子设备之间建立的直接交流和控制的通道。通过这种通道,人就可以直接通过脑来表达想法或操纵设备,把大脑发出的信息直接转换成能够驱动外部设备的命令,代替人的肢体或语言器官实现人与外界的交流以及对外部环境的控制。例如,可以通过脑机接口对车辆进行控制。
发明内容
有鉴于此,本发明旨在提出一种基于脑电驾驶的车辆控制方法,该方法能够使驾驶员利用意图实现对车辆的驾驶控制。
为达到上述目的,本发明的技术方案是这样实现的:
一种基于脑电驾驶的车辆控制方法,包括以下步骤:S1:采集驾驶员的脑电波信号,并对所述驾驶员的脑电波信号进行处理和分类识别以获取所述脑电波信号的产生方式,其中,所述脑电波信号的产生方式包括稳态视觉诱发产生方式、事件关联诱发产生方式或运动想象产生方式;S2:根据所述脑电波信号的产生方式和预先设定的规则将所述脑电波信号转换为所述驾驶员的意图信号;S3:接收所述意图信号,并对所述意图信号进行运算处理以获取车辆控制指令;S4:根据所述车辆控制指令对所述车辆进行驾驶控制。
进一步的,所述车辆控制指令包括脑电控制电话的拨出与接听指令、脑电控制饮料的选择指令、脑电控制车窗升降和天窗开闭指令、脑电控制车内空调的制冷或制热指令、脑电控制车载多媒体指令、脑电控制发动机的启动或停止指令、脑电控制车辆前进或后退指令、脑电控制车辆转向指令以及脑电控制车辆制动指令中的一种或多种。
进一步的,对所述驾驶员的脑电波信号进行处理和分类识别以获取所述脑电波信号的产生方式,包括:对所述驾驶员的脑电波信号进行整形、滤波和放大处理以获得第一脑电处理信号;对所述第一脑电处理信号进行去噪处理以获得第二脑电处理信号;以及对所述第二脑电处理信号进行特征提取和分类识别,以根据每种产生方式对应的脑电波信号强度阈值判断所述脑电波信号的产生方式。
进一步的,采用典型相关分析算法、人工神经网络算法、贝叶斯-卡尔曼滤波算法、线性判别分析算法、遗传算法或概率模型算法对提取到的特征信号进行分类识别。
进一步的,所述脑电波信号的采集区域与所述脑电波信号的产生方式相对应。
相对于现有技术,本发明所述的基于脑电驾驶的车辆控制方法具有以下优势:
本发明所述的基于脑电驾驶的车辆控制方法,通过采集驾驶员的脑电波信号,并对驾驶员的脑电波信号进行处理和分类识别以获取脑电波信号的产生方式,其中,脑电波信号的产生方式包括稳态视觉诱发产生方式、事件关联诱发产生方式或运动想象产生方式,然后根据脑电波信号的产生方式和预先设定的规则将脑电波信号转换为驾驶员的意图信号,并对意图信号进行运算处理以获取车辆控制指令,以及根据车辆控制指令对车辆进行驾驶控制,从而能够使驾驶员利用意图实现对车辆的驾驶控制。
本发明的另一个目的在于提出一种基于脑电驾驶的车辆控制系统,该系统能够使驾驶员利用意图实现对车辆的驾驶控制。
为达到上述目的,本发明的技术方案是这样实现的:
一种基于脑电驾驶的车辆控制系统,包括:包括脑电信号采集装置和车辆控制装置,所述脑电信号采集装置与所述车辆控制装置之间进行通信,其中,所述脑电信号采集装置,用于采集驾驶员的脑电波信号,并对所述驾驶员的脑电波信号进行处理和分类识别以获取所述脑电波信号的产生方式,以及根据所述脑电波信号的产生方式和预先设定的规则将所述脑电波信号转换为所述驾驶员的意图信号,其中,所述脑电波信号的产生方式包括稳态视觉诱发产生方式、事件关联诱发产生方式或运动想象产生方式;所述车辆控制装置,用于接收所述意图信号,并对所述意图信号进行运算处理以获取车辆控制指令,以及根据所述车辆控制指令对所述车辆进行驾驶控制。
进一步的,所述车辆控制指令包括脑电控制电话的拨出与接听指令、脑电控制饮料的选择指令、脑电控制车窗升降和天窗开闭指令、脑电控制车内空调的制冷或制热指令、脑电控制车载多媒体指令、脑电控制发动机的启动或停止指令、脑电控制车辆前进或后退指令、脑电控制车辆转向指令以及脑电控制车辆制动指令中的一种或多种。
进一步的,所述脑电信号采集装置包括:脑电采集器,用于采集所述驾驶员的脑电波信号;第一处理单元,用于对所述驾驶员的脑电波信号进行整形、滤波和放大处理以获得第一脑电处理信号;第二处理单元,用于对所述第一脑电处理信号进行去噪处理以获得第二脑电处理信号,并对所述第二脑电处理信号进行特征提取和分类识别以根据每种产生方式对应的脑电波信号强度阈值判断所述脑电波信号的产生方式,以及根据所述脑电波信号的产生方式和所述预先设定的规则将所述脑电波信号转换为所述驾驶员的意图信号;发射单元,用于发射所述意图信号。
进一步的,所述第二处理单元采用典型相关分析算法、人工神经网络算法、贝叶斯-卡尔曼滤波算法、线性判别分析算法、遗传算法或概率模型算法对提取到的特征信号进行分类识别。
进一步的,所述脑电波信号的采集区域与所述脑电波信号的产生方式相对应。
所述的基于脑电驾驶的车辆控制系统与上述的基于脑电驾驶的车辆控制方法相对于现有技术所具有的优势相同,在此不再赘述。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例所述的基于脑电驾驶的车辆控制方法的流程图;
图2为临床上脑电波信号采集的标准电极位置图;
图3为根据本发明一个实施例的稳态视觉诱发脑电波信号的视觉信号源;
图4为根据本发明一个实施例的诱发P300脑电波信号的视觉信号源;
图5为根据本发明一个实施例的脑电控制电话的拨出与接听的示意图;
图6为根据本发明一个实施例的脑电控制饮料选择的示意图;
图7为根据本发明一个实施例的脑电控制车窗升降和天窗开闭的示意图;
图8为根据本发明一个实施例的脑电控制空调的制冷或制热的示意图;
图9为根据本发明一个实施例的脑电控制车载多媒体的示意图;
图10为根据本发明一个实施例的脑电控制发动机的启动或停止的示意图;
图11为根据本发明一个实施例的脑电控制车辆行驶的示意图;
图12为根据本发明一个实施例的脑电控制选择GPS导航系统中的目的地及行车路线的示意图;
图13为根据本发明另一个实施例所述的基于脑电驾驶的车辆控制方法的流程图;
图14为本发明实施例所述的基于脑电驾驶的车辆控制系统的结构框图;以及
图15为本发明实施例所述的基于脑电驾驶的车辆控制系统另一个结构框图。
附图标记说明:
100-基于脑电驾驶的车辆控制系统、脑电信号采集装置10、车辆控制装置20、脑电采集器11、第一处理单元12、第二处理单元13和发射单元14。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面将参考附图并结合实施例来详细说明本发明。
图1是根据本发明一个实施例的基于脑电驾驶的车辆控制方法的流程图。
如图1所示,根据本发明一个实施例的基于脑电驾驶的车辆控制方法,包括如下步骤:
S101:采集驾驶员的脑电波信号,并对驾驶员的脑电波信号进行处理和分类识别以获取脑电波信号的产生方式,其中,脑电波信号的产生方式包括稳态视觉诱发产生方式、事件关联诱发产生方式或运动想象产生方式。
具体地,人脑信号的采集方式大体分为侵入式和非侵入式,其中,侵入式是将电极直接植入大脑皮层区域,该方式对人脑有很大的损伤,容易引发免疫等不良反应;非侵入式的装置(如电极帽)具有佩戴方便、对大脑无伤害且便于操作的优点,但信号的空间分辨率不高。出于安全性考虑,本发明采用非侵入式采集人脑信号。
在采用非浸入式采集人脑信号时,可采集的信号包括:脑电波信号、脑磁信号、功能性核磁共振成像和血氧水平依赖信号。出于对价格低廉、操作方便、实用性强等方面的考虑,本发明通过采集驾驶员的脑电波信号来对车辆进行驾驶控制,而且脑电波信号还具有良好的时间分辨率、易用性和便携性。临床上,对脑电波信号进行采集的标准电极位置如图2所示,脑电波信号的采集区域与脑电波信号的产生方式相对应。
在对驾驶员的脑电波信号采集完成后,需要对脑电波信号进行处理和分类识别以获取脑电波信号的产生方式。其中,对驾驶员的脑电波信号进行处理和分类识别以获取脑电波信号的产生方式,包括:对驾驶员的脑电波信号进行整形、滤波和放大处理以获得第一脑电处理信号;对第一脑电处理信号进行去噪处理以获得第二脑电处理信号;以及对第二脑电处理信号进行特征提取和分类识别,以根据每种产生方式对应的脑电波信号强度阈值判断脑电波信号的产生方式。其中,采用典型相关分析算法、人工神经网络算法、贝叶斯-卡尔曼滤波算法、线性判别分析算法、遗传算法或概率模型算法对提取到的特征信号进行分类识别。
具体而言,特征提取是以特征信号作为源信号,确定各种特征参数并以此作为向量,组成表征信号特征的特征向量。特征参数包括时域信号(如幅值)和频域信号(如频率)两大类,相应的特征提取方法也分为时域法、频域法和时-频域方法,如:短时快速傅里叶变换。
特征信号的分类识别是基于不同的人为意识使脑电活动产生不同特性的响应,确定意识的类型与特征信号之间的关联,分类识别后的特征信号对应相应的控制信号。特征信号的分类识别方法包括:典型相关分析算法、人工神经网络算法、贝叶斯-卡尔曼滤波算法、线性判别分析算法、遗传算法或概率模型算法等。
另外,为了降低人为意图误识别的概率,可以为脑电波信号设置脑电波信号强度阈值,并且当采集到的脑电波信号的强度大于脑电波信号强度阈值时,该脑电波信号才视为有效。其中,强度阈值是采集驾驶员在不接受任何诱导和刺激,即大脑处于空想状态下的脑电波信号的强度。由于不同驾驶员在不接受任何诱导以及刺激,即大脑处于空想状态下的脑电波信号的强度不同,因此不同的驾驶员所设置的强度阈值不同。
也就是说,在对驾驶员的脑电波信号采集完成后,首先对脑电波信号进行整形、滤波、放大和去噪处理,然后利用短时快速傅里叶变换等方法提取脑电波信号的特征信号,并采用典型相关分析算法、人工神经网络算法、贝叶斯-卡尔曼滤波算法、线性判别分析算法、遗传算法或概率模型算法对提取到的特征信号进行分类识别,并通过对脑电波信号强度阈值比较,以获取脑电波信号的产生方式,包括稳态视觉诱发产生方式、事件关联诱发产生方式或运动想象产生方式。
其中,(1)稳态视觉诱发方式是指当视觉器官受到一个固定频率的视觉刺激时,在人脑视觉皮层Oz区域,即头部枕区(睡觉时头部与枕头相接触的位置),产生一个连续的与刺激频率相关的响应(通常是刺激频率的基频或倍频),形成脑电波信号电位变化。而且,无论通过何种视觉刺激,包括视觉信号源的闪烁、旋转、放大和缩小等,都可以产生视觉诱发现象。当人眼看到上述视觉信号源时,通过视觉神经传输至大脑皮层,刺激大脑皮层活动,生成脑电波信号,此时通过传感器可以采集到相应的脑电波信号。如图3所示,不同的视觉信号源,如不同的闪烁频率7Hz、8Hz、9Hz可以对应不同的控制信号,当识别到相应频率的视觉信号源诱发的脑电波信号时,输出相对应的控制信号。
在根据视觉信号源诱发的脑电波信号输出相应的控制信号时,需要预先确定视觉信号源的个数以及不同视觉信号源的闪烁频率。视觉信号源的个数依据所需的控制信号而定,每个视觉信号源对应一个控制信号。由于稳态视觉诱发脑电波信号的频率与视觉信号源的闪烁频率相关(通常是相等或倍数的关系),因此,通过对稳态视觉诱发脑电波信号的频率与视觉信号源的闪烁频率进行匹配,相关度最大的,即为脑电波信号的识别结果,然后将与识别出的脑电波信号相对应的控制信号输出至外部设备,即可对外部设备实施控制。
(2)事件关联诱发产生方式利用了事件相关电位,事件相关电位是一种能够反映人认知过程的脑电波信号,利用特定的多个或多样的刺激引起大脑的电位变化,在大脑的相应部位产生可以检测出的、与刺激有相对固定时间间隔的生物电反应,通过从头颅表面采集获取大脑诱发电位,可以分析脑部神经的生理变化,从而反映人的认知状态。
P300电位是一种典型的事件相关电位。当人在受到特定刺激后300~400ms左右的时间范围内,被诱发的脑电波信号在时间及空间上相互叠加,正电位波幅达到最大。因此,可以利用通过物理刺激等事件的发生诱发产生的P300电位,对外部设备进行控制。
在采用视觉刺激的方式诱发P300电位时,可以在脑区Fz、Cz、Pz、Oz、P3、P4、P7、P8等位置对脑电波信号进行采集。与稳态视觉诱发方式相似,事件关联诱发产生方式也需要预先确定视觉信号源的个数(依据所需的控制信号而定),每个视觉信号源对应一个控制信号,诱发P300电位的视觉信号源如图4所示。视觉信号源的分布应尽量增加彼此之间的距离,避免相互之间对被试者产生干扰,而且,视觉信号源要以随机的时间间隔发亮,并且同时只能有一个视觉信号源处于明亮状态。在对外部设备进行控制的过程中,被试者需要保持清醒,将注意力集中在所要发送指令对应的视觉信号源上。由于P300电位在受到特定刺激后300~400ms的时间范围内,达到最大正向波幅,但波幅也会很快减弱甚至消失。因此,在视觉信号源发亮后的300~400ms的时间范围内,可以检测到明显的P300电位,即可将与该视觉信号源相对应的控制信号输出至外部设备,实现对外部设备的控制。
运动想象产生方式是指通过想象人体某部位的运动(实际部位并未发生任何运动),在大脑相应的运动区域,激发具有运动记忆的脑部细胞,产生脑电电位变化。与稳态视觉诱发方式和事件相关诱发方式不同的是,运动想象产生方式激发的脑电波信号属于自发的脑电波信号,可以在脑区Fz、Cz、Pz、Oz、C3、C4、Cp3、Cp4等位置对脑电波信号进行采集。被试者通过想象身体不同部位的运动,如左手、右手、脚、舌头等,激发脑部相应运动区域的脑电波信号。由于人在想象身体不同部位的运动时,脑电波信号在脑部不同的位置被激发,因此,可以通过分析采集区域采集到的脑电波信号的强弱差异,判断被试者当前正在进行哪个部位的运动想象。一般情况下,如果脑区C3位置采集到的脑电波信号的强度明显高于其他位置的脑电波信号,则被试者正在进行右手运动的想象;如果脑区C4位置采集到的脑电波信号的强度明显高于其他位置的脑电波信号,则被试者正在进行左手运动的想象;如果脑区Cp3和Cp4位置采集到的脑电波信号的强度明显高于其他位置的脑电波信号,则被试者正在进行舌头运动的想象;如果脑区Fz位置采集到的脑电波信号的强度明显高于其他位置的脑电波信号,则被试者正在进行脚部运动的想象。
为了提高识别运动想象的正确率,在对运动想象产生的脑电波信号进行识别之前,先记录被试者进行不同部位运动想象时的脑电波信号,并将其作为标准样本。在对外部设备进行控制时,将实时采集到的脑电波信号与标准样本进行匹配,将此时的脑电波信号归为相似程度最高的一类中,并将相对应的控制信号输出至外部设备,实现对外部设备的控制。
由于三种不同的脑电波信号的产生方式不同,脑电波信号的采集区域不同,相对应的识别方法不同,因此,三者之间不会产生相互影响,可以同时区分。而且,脑电波信号都是通过人为意图,自发或诱发的方式产生,脑电波信号的强度远远高于大脑其他活动产生的脑电强度,因此在脑电波信号的识别过程中,可以忽略大脑潜意识等其他活动产生的脑波辐射。
S102:根据脑电波信号的产生方式和预先设定的规则将脑电波信号转换为驾驶员的意图信号。
具体地,在利用三种不同的脑电波信号对车辆进行控制时,由于三种不同的脑电波信号通过不同的方式被诱发,并且脑电波信号的采集区域与脑电波信号的产生方式相对应,因此,通过对不同脑区位置进行脑电波信号的采集、处理和分类识别,可以判断出当前脑电波信号的变化是由哪种方式诱发的,然后根据脑电波信号的产生方式和预先设定的规则,可以识别出驾驶员的意图。
S103:接收意图信号,并对意图信号进行运算处理以获取车辆控制指令。
具体地,由于脑电波信号所代表的人为意图是一一对应的,因此,在对车辆进行驾驶控制时,可以预先根据需要控制的车辆上的设备确定所需要的控制信号的个数以及控制内容,并保证脑电波信号与控制信号一一对应。
S104:根据车辆控制指令对车辆进行驾驶控制。
具体地,车辆控制指令包括脑电控制电话的拨出与接听指令、脑电控制饮料的选择指令、脑电控制车窗升降和天窗开闭指令、脑电控制车内空调的制冷或制热指令、脑电控制车载多媒体指令、脑电控制发动机的启动或停止指令、脑电控制车辆前进或后退指令、脑电控制车辆转向指令以及脑电控制车辆制动指令中的一种或多种。
(1)脑电控制电话的拨出与接听
在驾驶员拨打电话时,可以通过对不同字母组合分类选项的闪烁频率或P300等视觉诱发的脑电波信号的识别,转换为控制信号,对电话通讯录中的人名按照预先排列分类的字母组合进行选择,如图5a和图5b所示,确定后拨出电话进行呼叫;通过想象左手运动和右手运动诱发的脑电波信号的识别,转换为控制信号,对电话通讯录中的人名按照预先排列分类的字母组合进行选择,如图5a和图5b所示,确认后拨出电话进行呼叫;通过心里默念字母或姓名等方式诱发的脑电波信号的识别,转换为控制信号,对电话通讯录中的人名进行选择,确定后拨出电话进行呼叫。
在驾驶员接听电话时,如图5c所示,可以通过对接听或拒绝两种不同选项的闪烁频率或P300等视觉诱发的脑电波信号的识别,转换为控制信号,对电话进行接听或拒绝的选择控制;通过想象左手运动和右手运动诱发的脑电波信号的识别,转换为控制信号,对电话进行接听或拒绝的选择控制。
(2)脑电控制饮料的选择
在驾驶员选择饮料时,可以通过对不同种类饮料选项的闪烁频率或P300等视觉诱发的脑电波信号的识别,转换为控制信号,对饮料进行选择,如图6所示;通过想象左手运动和右手运动诱发的脑电波信号的识别,转换为控制信号,对饮料的种类选项进行选择切换,确认后进行控制,如图6所示;通过心里默念字母或饮料的种类等方式诱发的脑电波信号的识别,转换为控制信号,对饮料进行选择。
(3)脑电控制车窗升降和天窗开闭
在驾驶员控制车窗升降时,可以通过对不同车窗或天窗选项的闪烁频率或P300等视觉诱发的脑电波信号的识别,转换为控制信号,对车窗或天窗进行选择,如图7所示,然后通过升降对应的不同的闪烁频率或P300等视觉诱发的脑电波信号的识别,转换为控制信号,对选定的车窗或天窗进行升降控制;通过对想象左手运动和右手运动诱发的脑电波信号的识别,转换为控制信号,对车窗或天窗进行分类或选择,如图7所示,然后通过对想象左手运动和右手运动诱发的脑电波信号的识别,转换为控制信号,对选定的车窗或天窗进行升降控制;通过心里默念车窗或天窗的方式诱发的脑电波信号的识别,转换为控制信号,对车窗或天窗进行选择,然后通过心里默念升降的方式诱发的脑电信号的识别,转换为控制信号,对车窗或天窗的升降进行控制。
(4)脑电控制车内空调的制冷或制热
在驾驶员控制车内空调的制冷或制热时,可以通过对增加温度或降低温度选项的闪烁频率或P300等视觉诱发的脑电波信号的识别,转换为控制信号,对温度升降进行选择,如图8所示;通过对想象左手运动和右手运动诱发的脑电波信号的识别,转换为控制信号,对温度升降进行选择,如图8所示;通过心里默念增加温度或降低温度的方式诱发的脑电波信号的识别,转换为控制信号,对温度升降进行控制。
(5)脑电控制车载多媒体
在驾驶员控制车载多媒体如收音机时,可以通过车内收音机不同节目选项的闪烁频率或P300等视觉诱发的脑电波信号的识别,转换为控制信号,对收音机不同节目进行选择,如图9a所示;通过对想象左手运动和右手运动诱发的脑电波信号的识别,转换为控制信号,对收音机不同节目进行选择,如图9a所示。
在驾驶员控制车载多媒体如CD机时,可以通过车内CD机不同文件选项的闪烁频率或P300等视觉诱发的脑电波信号的识别,转换为控制信号,对CD机不同文件进行选择,如图9b所示;通过对想象左手运动和右手运动诱发的脑电波信号的识别,转换为控制信号,对CD机不同文件进行选择,如图9b所示。
然后,通过多媒体设备音量增减选项的闪烁频率或P300等视觉诱发的脑电波信号的识别,转换为控制信号,对多媒体设备音量的增减进行控制,如图9a和9b所示;通过对想象左手运动和右手运动诱发的脑电波信号的识别,转换为控制信号,对车内多媒体设备的音量进行控制,如图9a和9b所示;通过心里默念音量增加或音量降低的方式诱发的脑电波信号的识别,转换为控制信号,对音量的增减进行控制。
(6)脑电控制发动机的启动或停止
在驾驶员控制发动机的启动或停止时,可以通过发动机的启动和停止选项对应的不同的闪烁频率或P300等视觉诱发的脑电波信号的识别,转换为控制信号,对发动机的启动和停止进行控制,如图10所示;通过对想象左手运动和右手运动诱发的脑电波信号的识别,转换为控制信号,对发动机的启动和停止进行控制,如图10所示;通过心里默念启动和停止的方式诱发的脑电波信号的识别,转换为控制信号,对发动机的启动和停止进行控制。
(7)脑电控制车辆前进或后退、脑电控制车辆转向以及脑电控制车辆制动中的一种或多种
在驾驶员控制车辆前进或后退、左转或右转以及制动时,可以通过车辆的前进、后退、制动、左转和右转选项对应的不同的闪烁频率或P300等视觉诱发的脑电波信号的识别,转换为控制信号,对车辆的前进、后退、制动、左转和右转进行控制,如图11所示;通过对想象左手运动和右手运动诱发的脑电波信号的识别,转换为控制信号,对车辆的前进和制动进行控制,如图11所示;通过对想象左手运动和右手运动诱发的脑电波信号的识别,转换为控制信号,对车辆的左转和右转进行控制,如图11所示;通过心里默念前进、后退、制动、左转和右转的方式诱发的脑电波信号的识别,转换为控制信号,对车辆的前进、后退、制动、左转和右转进行控制。
(8)脑电控制雨刷摆动
在驾驶员控制雨刷摆动时,可以通过雨刷摆动和停止选项对应的不同的闪烁频率或P300等视觉诱发的脑电波信号的识别,转换为控制信号,对雨刷的摆动和停止进行控制;通过对想象左手运动和右手运动诱发的脑电波信号的识别,转换为控制信号,对雨刷摆动和停止进行控制;通过心里默念雨刷摆动和停止的方式诱发的脑电波信号的识别,转换为控制信号,对雨刷摆动和停止进行控制。
(9)脑电控制选择GPS导航系统中的目的地及行车路线
在驾驶员通过GPS导航系统选择目的地时,可以通过GPS导航系统中的目的地选项对应的不同的闪烁频率或P300等视觉诱发的脑电波信号的识别,转换为控制信号,对目的地进行选择,如图12a所示;通过对想象左手运动和右手运动诱发的脑电波信号的识别,转换为控制信号,对目的地进行控制,如图12a所示;通过心里默念字母或目的地的方式诱发的脑电波信号的识别,转换为控制信号,对目的地进行控制。
在驾驶员通过GPS导航系统选择目的地后,还对行车路线进行选择,此时可以通过GPS导航系统中的行车路线选项对应的不同的闪烁频率或P300等视觉诱发的脑电波信号的识别,转换为控制信号,对行车路线进行选择,如图12b所示;通过对想象左手运动和右手运动诱发的脑电波信号的识别,转换为控制信号,对行车路线进行控制,如图12b所示;通过心里默念字母或行车路线的方式诱发的脑电波信号的识别,转换为控制信号,对行车路线进行控制。
(10)脑电控制车辆经过改装增加的其他辅助设备
也就是说,脑电控制车辆并不局限于普通车辆内部已有的设备功能,对于经过改装增加的其他辅助设备功能,同样可以在脑电控制方式下完成。
结合图13所示,该基于脑电驾驶的车辆控制方法,可以有以下步骤:
S1301:固定频率的视觉刺激,或者事件发生刺激,或者想象人体部位的运动。也就是说,可以利用稳态视觉、事件关联诱发脑电波信号,或者利用运动想象产生脑电波信号。利用多种方式产生脑电波信号,不仅可以大大提高控制指令的个数,而且可以在控制不同的外部设备时进行切换,即利用不同方式产生的脑电波信号对不同的外部设备进行控制。
S1302:脑电波信号的采集。
S1303:脑电波信号的预处理(整形、滤波、放大、去噪)。
S1304:通过预先设置的强度阈值判断是否检测到明显的稳态视觉诱发的脑电波信号。如果是,执行步骤S1305;如果否,执行步骤S1306。
S1305:分类识别稳态视觉诱发的脑电波信号的频率。
S1306:通过预先设置的强度阈值判断是否检测到明显的P300脑电波信号。如果是,执行步骤S1307;如果否,执行步骤S1308。
S1307:分类识别P300脑电波信号的诱发事件。
S1308:通过预先设置的强度阈值判断是否检测到明显的运动想象产生的脑电波信号。如果是,执行步骤S1309;如果否,执行步骤S1310。
S1309:分类识别人想象运动的部位。
S1310:当前为空想状态,无控制命令输出。
S1311:按照预先设定的规则将脑电波信号转换为控制信号。
S1312:输出控制信号实现对外部设备的控制。
本发明所述的基于脑电驾驶的车辆控制方法,通过采集驾驶员的脑电波信号,并对驾驶员的脑电波信号进行处理和分类识别以获取脑电波信号的产生方式,其中,脑电波信号的产生方式包括稳态视觉诱发产生方式、事件关联诱发产生方式或运动想象产生方式,然后根据脑电波信号的产生方式和预先设定的规则将脑电波信号转换为驾驶员的意图信号,并对意图信号进行运算处理以获取车辆控制指令,以及根据车辆控制指令对车辆进行驾驶控制,从而能够使驾驶员利用意图实现对车辆的驾驶控制,包括电话的拨出与接听、饮料的选择、车窗升降和天窗开闭、车内空调的制冷或制热、车载多媒体的控制、发动机的启动或停止、车辆的前进或后退、车辆转向以及车辆制动等。
进一步地,如图14所示,本发明的实施例公开了一种基于脑电驾驶的车辆控制系统100,包括:脑电信号采集装置10和车辆控制装置20。
具体而言,结合图14所示,脑电信号采集装置10与车辆控制装置20之间进行通信,脑电信号采集装置10用于采集驾驶员的脑电波信号,并对驾驶员的脑电波信号进行处理和分类识别以获取脑电波信号的产生方式,以及根据脑电波信号的产生方式和预先设定的规则将脑电波信号转换为驾驶员的意图信号,其中,脑电波信号的产生方式包括稳态视觉诱发产生方式、事件关联诱发产生方式或运动想象产生方式;车辆控制装置20用于接收意图信号,并对意图信号进行运算处理以获取车辆控制指令,以及根据车辆控制指令对车辆进行驾驶控制。
其中,人脑信号的采集方式大体分为侵入式和非侵入式,其中,侵入式是将电极直接植入大脑皮层区域,该方式对人脑有很大的损伤,容易引发免疫等不良反应;非侵入式的装置(如电极帽)具有佩戴方便、对大脑无伤害且便于操作的优点,但信号的空间分辨率不高。出于安全性考虑,本发明采用非侵入式采集人脑信号。
在采用非浸入式采集人脑信号时,可采集的信号包括:脑电波信号、脑磁信号、功能性核磁共振成像和血氧水平依赖信号。出于对价格低廉、操作方便、实用性强等方面的考虑,本发明通过采集驾驶员的脑电波信号来对车辆进行驾驶控制,而且脑电波信号还具有良好的时间分辨率、易用性和便携性。临床上,对脑电波信号进行采集的标准电极位置如图2所示,脑电波信号的采集区域与脑电波信号的产生方式相对应。
在对驾驶员的脑电波信号采集完成后,需要对脑电波信号进行处理和分类识别以获取脑电波信号的产生方式。进一步的,如图15所示,脑电信号采集装置10包括:脑电采集器11、第一处理单元12、第二处理单元13和发射单元14。脑电采集器11用于采集驾驶员的脑电波信号;第一处理单元12用于对驾驶员的脑电波信号进行整形、滤波和放大处理以获得第一脑电处理信号;第二处理单元13用于对第一脑电处理信号进行去噪处理以获得第二脑电处理信号,并对第二脑电处理信号进行特征提取和分类识别以根据每种产生方式对应的脑电波信号强度阈值判断脑电波信号的产生方式,以及根据脑电波信号的产生方式和预先设定的规则将脑电波信号转换为驾驶员的意图信号;发射单元14用于发射意图信号。其中,第二处理单元13采用典型相关分析算法、人工神经网络算法、贝叶斯-卡尔曼滤波算法、线性判别分析算法、遗传算法或概率模型算法对提取到的特征信号进行分类识别。
具体而言,特征提取是以特征信号作为源信号,确定各种特征参数并以此作为向量,组成表征信号特征的特征向量。特征参数包括时域信号(如幅值)和频域信号(如频率)两大类,相应的特征提取方法也分为时域法、频域法和时-频域方法,如:短时快速傅里叶变换。
特征信号的分类识别是基于不同的人为意识使脑电活动产生不同特性的响应,确定意识的类型与特征信号之间的关联,分类识别后的特征信号对应相应的控制信号。特征信号的分类识别方法包括:典型相关分析算法、人工神经网络算法、贝叶斯-卡尔曼滤波算法、线性判别分析算法、遗传算法或概率模型算法等。
另外,为了降低人为意图误识别的概率,可以为脑电波信号设置脑电波信号强度阈值,并且当采集到的脑电波信号的强度大于脑电波信号强度阈值时,该脑电波信号才视为有效。其中,强度阈值是采集驾驶员在不接受任何诱导和刺激,即大脑处于空想状态下的脑电波信号的强度。由于不同驾驶员在不接受任何诱导以及刺激,即大脑处于空想状态下的脑电波信号的强度不同,因此不同的驾驶员所设置的强度阈值不同。
也就是说,在脑电采集器11对驾驶员的脑电波信号采集完成后,首先通过第一处理单元12对脑电波信号进行整形、滤波和放大处理,然后通过第二处理单元13进行去噪处理,并利用短时快速傅里叶变换等方法提取脑电波信号的特征信号,并采用典型相关分析算法、人工神经网络算法、贝叶斯-卡尔曼滤波算法、线性判别分析算法、遗传算法或概率模型算法对提取到的特征信号进行分类识别,并通过对脑电波信号强度阈值比较,以获取脑电波信号的产生方式,以及根据脑电波信号的产生方式和预先设定的规则将脑电波信号转换为驾驶员的意图信号,最后发射单元14通过蓝牙、WIFI、无线局域网、zigbee、USB以及RS232等方式将意图信号发送至车辆控制装置20。
由于三种不同的脑电波信号的产生方式不同,脑电波信号的采集区域不同,相对应的识别方法不同,因此,三者之间不会产生相互影响,可以同时区分。而且,脑电波信号都是通过人为意图,自发或诱发的方式产生,脑电波信号的强度远远高于大脑其他活动产生的脑电强度,因此在脑电波信号的识别过程中,可以忽略大脑潜意识等其他活动产生的脑波辐射。
车辆控制装置20在接收到意图信号后,对意图信号进行运算处理以获取车辆控制指令,其中,车辆控制指令包括脑电控制电话的拨出与接听指令、脑电控制饮料的选择指令、脑电控制车窗升降和天窗开闭指令、脑电控制车内空调的制冷或制热指令、脑电控制车载多媒体指令、脑电控制发动机的启动或停止指令、脑电控制车辆前进或后退指令、脑电控制车辆转向指令以及脑电控制车辆制动指令中的一种或多种。然后,车辆控制装置20通过低速、中速和高速CAN总线将车辆控制指令发送至对应的设备以对车辆进行驾驶控制。
需要说明的是,本发明实施例的基于脑电驾驶的车辆控制系统的具体实现方式与本发明实施例的基于脑电驾驶的车辆控制方法的具体实现方式类似,具体请参见方法部分的描述,为了减少冗余,不做赘述。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于脑电驾驶的车辆控制方法,其特征在于,包括以下步骤:
采集驾驶员的脑电波信号,并对所述驾驶员的脑电波信号进行处理和分类识别以获取所述脑电波信号的产生方式,其中,所述脑电波信号的产生方式包括稳态视觉诱发产生方式、事件关联诱发产生方式或运动想象产生方式;
根据所述脑电波信号的产生方式和预先设定的规则将所述脑电波信号转换为所述驾驶员的意图信号;
接收所述意图信号,并对所述意图信号进行运算处理以获取车辆控制指令;以及
根据所述车辆控制指令对所述车辆进行驾驶控制。
2.根据权利要求1所述的基于脑电驾驶的车辆控制方法,其特征在于,所述车辆控制指令包括脑电控制电话的拨出与接听指令、脑电控制饮料的选择指令、脑电控制车窗升降和天窗开闭指令、脑电控制车内空调的制冷或制热指令、脑电控制车载多媒体指令、脑电控制发动机的启动或停止指令、脑电控制车辆前进或后退指令、脑电控制车辆转向指令以及脑电控制车辆制动指令中的一种或多种。
3.根据权利要求1或2所述的基于脑电驾驶的车辆控制方法,其特征在于,对所述驾驶员的脑电波信号进行处理和分类识别以获取所述脑电波信号的产生方式,包括:
对所述驾驶员的脑电波信号进行整形、滤波和放大处理以获得第一脑电处理信号;
对所述第一脑电处理信号进行去噪处理以获得第二脑电处理信号;以及
对所述第二脑电处理信号进行特征提取和分类识别,以根据每种产生方式对应的脑电波信号强度阈值判断所述脑电波信号的产生方式。
4.根据权利要求3所述的基于脑电驾驶的车辆控制方法,其特征在于,采用典型相关分析算法、人工神经网络算法、贝叶斯-卡尔曼滤波算法、线性判别分析算法、遗传算法或概率模型算法对提取到的特征信号进行分类识别。
5.根据权利要求1所述的基于脑电驾驶的车辆控制方法,其特征在于,所述脑电波信号的采集区域与所述脑电波信号的产生方式相对应。
6.一种基于脑电驾驶的车辆控制系统,其特征在于,包括脑电信号采集装置和车辆控制装置,所述脑电信号采集装置与所述车辆控制装置之间进行通信,其中,
所述脑电信号采集装置,用于采集驾驶员的脑电波信号,并对所述驾驶员的脑电波信号进行处理和分类识别以获取所述脑电波信号的产生方式,以及根据所述脑电波信号的产生方式和预先设定的规则将所述脑电波信号转换为所述驾驶员的意图信号,其中,所述脑电波信号的产生方式包括稳态视觉诱发产生方式、事件关联诱发产生方式或运动想象产生方式;
所述车辆控制装置,用于接收所述意图信号,并对所述意图信号进行运算处理以获取车辆控制指令,以及根据所述车辆控制指令对所述车辆进行驾驶控制。
7.根据权利要求6所述的基于脑电驾驶的车辆控制系统,其特征在于,所述车辆控制指令包括脑电控制电话的拨出与接听指令、脑电控制饮料的选择指令、脑电控制车窗升降和天窗开闭指令、脑电控制车内空调的制冷或制热指令、脑电控制车载多媒体指令、脑电控制发动机的启动或停止指令、脑电控制车辆前进或后退指令、脑电控制车辆转向指令以及脑电控制车辆制动指令中的一种或多种。
8.根据权利要求6或7所述的基于脑电驾驶的车辆控制系统,其特征在于,所述脑电信号采集装置包括:
脑电采集器,用于采集所述驾驶员的脑电波信号;
第一处理单元,用于对所述驾驶员的脑电波信号进行整形、滤波和放大处理以获得第一脑电处理信号;
第二处理单元,用于对所述第一脑电处理信号进行去噪处理以获得第二脑电处理信号,并对所述第二脑电处理信号进行特征提取和分类识别以根据每种产生方式对应的脑电波信号强度阈值判断所述脑电波信号的产生方式,以及根据所述脑电波信号的产生方式和所述预先设定的规则将所述脑电波信号转换为所述驾驶员的意图信号;
发射单元,用于发射所述意图信号。
9.根据权利要求8所述的基于脑电驾驶的车辆控制系统,其特征在于,所述第二处理单元采用典型相关分析算法、人工神经网络算法、贝叶斯-卡尔曼滤波算法、线性判别分析算法、遗传算法或概率模型算法对提取到的特征信号进行分类识别。
10.根据权利要求6所述的基于脑电驾驶的车辆控制系统,其特征在于,所述脑电波信号的采集区域与所述脑电波信号的产生方式相对应。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610063541.8A CN107015632A (zh) | 2016-01-28 | 2016-01-28 | 基于脑电驾驶的车辆控制方法、系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610063541.8A CN107015632A (zh) | 2016-01-28 | 2016-01-28 | 基于脑电驾驶的车辆控制方法、系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107015632A true CN107015632A (zh) | 2017-08-04 |
Family
ID=59439314
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610063541.8A Pending CN107015632A (zh) | 2016-01-28 | 2016-01-28 | 基于脑电驾驶的车辆控制方法、系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107015632A (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107458382A (zh) * | 2017-08-22 | 2017-12-12 | 京东方科技集团股份有限公司 | 车辆控制装置、控制方法和平视显示装置 |
CN107463259A (zh) * | 2017-08-07 | 2017-12-12 | 北京汽车集团有限公司 | 车载显示设备以及用于车载显示设备的交互方法、装置 |
CN107870670A (zh) * | 2017-09-29 | 2018-04-03 | 深圳市易成自动驾驶技术有限公司 | 基于脑电波的智能设备控制方法、设备及可读存储介质 |
CN107909854A (zh) * | 2017-12-13 | 2018-04-13 | 北京交通大学 | 一种基于脑电波的制动预警方法及系统 |
CN108491071A (zh) * | 2018-03-05 | 2018-09-04 | 东南大学 | 一种基于模糊控制的脑控车辆共享控制方法 |
CN108519810A (zh) * | 2018-03-07 | 2018-09-11 | 广东欧珀移动通信有限公司 | 电子装置、脑电波解锁方法及相关产品 |
CN108874137A (zh) * | 2018-06-15 | 2018-11-23 | 北京理工大学 | 一种基于脑电信号的手势动作意图检测的通用模型 |
CN109766845A (zh) * | 2019-01-14 | 2019-05-17 | 首都医科大学宣武医院 | 一种脑电信号分类方法、装置、设备和介质 |
CN110329248A (zh) * | 2019-06-18 | 2019-10-15 | 南京航空航天大学 | 一种脑机交互的线控智能转向系统及其紧急避障方法 |
CN110472395A (zh) * | 2019-08-05 | 2019-11-19 | 武汉联影医疗科技有限公司 | 脑波数据处理方法、装置、设备、介质及脑波数据处理器 |
CN111576539A (zh) * | 2020-04-30 | 2020-08-25 | 三一重机有限公司 | 挖掘机控制方法、装置、计算机设备和可读存储介质 |
CN111824025A (zh) * | 2020-07-22 | 2020-10-27 | 中国第一汽车股份有限公司 | 后视镜控制方法、系统、装置、车辆及存储介质 |
CN111857351A (zh) * | 2020-07-29 | 2020-10-30 | 中国人民解放军国防科技大学 | 一种脑电拨号方法 |
CN112109718A (zh) * | 2020-06-17 | 2020-12-22 | 上汽通用五菱汽车股份有限公司 | 车辆控制方法、装置及计算机可读存储介质 |
CN112356841A (zh) * | 2020-11-26 | 2021-02-12 | 中国人民解放军国防科技大学 | 一种基于脑机交互的车辆控制方法及装置 |
CN113031782A (zh) * | 2021-04-22 | 2021-06-25 | 深圳大学 | 一种运动想象反馈方法、系统及存储介质 |
CN113867363A (zh) * | 2021-10-22 | 2021-12-31 | 广州小鹏自动驾驶科技有限公司 | 一种车辆控制方法、装置、车辆和存储介质 |
CN115444717A (zh) * | 2022-11-10 | 2022-12-09 | 山东海天智能工程有限公司 | 基于脑机接口的肢体功能康复训练方法及系统 |
CN116176430A (zh) * | 2023-05-04 | 2023-05-30 | 长城汽车股份有限公司 | 虚拟按键的显示方法、装置、车辆和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110105909A1 (en) * | 2009-10-30 | 2011-05-05 | National Yang-Ming University | Near-infrared light brain computer interface vision driven control device and its method |
CN102866775A (zh) * | 2012-09-04 | 2013-01-09 | 同济大学 | 基于多模式融合的脑机接口控制系统及方法 |
CN104461007A (zh) * | 2014-12-19 | 2015-03-25 | 北京理工大学 | 一种基于脑电信号的驾驶员辅助人车交互系统 |
-
2016
- 2016-01-28 CN CN201610063541.8A patent/CN107015632A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110105909A1 (en) * | 2009-10-30 | 2011-05-05 | National Yang-Ming University | Near-infrared light brain computer interface vision driven control device and its method |
CN102866775A (zh) * | 2012-09-04 | 2013-01-09 | 同济大学 | 基于多模式融合的脑机接口控制系统及方法 |
CN104461007A (zh) * | 2014-12-19 | 2015-03-25 | 北京理工大学 | 一种基于脑电信号的驾驶员辅助人车交互系统 |
Non-Patent Citations (1)
Title |
---|
梁静坤: "《基于想象驾驶行为的脑机接口控制》", 31 December 2015 * |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107463259A (zh) * | 2017-08-07 | 2017-12-12 | 北京汽车集团有限公司 | 车载显示设备以及用于车载显示设备的交互方法、装置 |
US11396232B2 (en) | 2017-08-22 | 2022-07-26 | Boe Technology Group Co., Ltd. | Vehicle control device, vehicle control method and head-up display apparatus |
CN107458382B (zh) * | 2017-08-22 | 2019-09-10 | 京东方科技集团股份有限公司 | 车辆控制装置、控制方法和平视显示装置 |
CN107458382A (zh) * | 2017-08-22 | 2017-12-12 | 京东方科技集团股份有限公司 | 车辆控制装置、控制方法和平视显示装置 |
CN107870670A (zh) * | 2017-09-29 | 2018-04-03 | 深圳市易成自动驾驶技术有限公司 | 基于脑电波的智能设备控制方法、设备及可读存储介质 |
CN107909854A (zh) * | 2017-12-13 | 2018-04-13 | 北京交通大学 | 一种基于脑电波的制动预警方法及系统 |
CN108491071B (zh) * | 2018-03-05 | 2021-05-04 | 东南大学 | 一种基于模糊控制的脑控车辆共享控制方法 |
CN108491071A (zh) * | 2018-03-05 | 2018-09-04 | 东南大学 | 一种基于模糊控制的脑控车辆共享控制方法 |
CN108519810A (zh) * | 2018-03-07 | 2018-09-11 | 广东欧珀移动通信有限公司 | 电子装置、脑电波解锁方法及相关产品 |
CN108519810B (zh) * | 2018-03-07 | 2021-04-09 | Oppo广东移动通信有限公司 | 电子装置、脑电波解锁方法及相关产品 |
CN108874137A (zh) * | 2018-06-15 | 2018-11-23 | 北京理工大学 | 一种基于脑电信号的手势动作意图检测的通用模型 |
CN108874137B (zh) * | 2018-06-15 | 2021-01-12 | 北京理工大学 | 一种基于脑电信号的手势动作意图检测的通用模型 |
CN109766845A (zh) * | 2019-01-14 | 2019-05-17 | 首都医科大学宣武医院 | 一种脑电信号分类方法、装置、设备和介质 |
CN110329248A (zh) * | 2019-06-18 | 2019-10-15 | 南京航空航天大学 | 一种脑机交互的线控智能转向系统及其紧急避障方法 |
CN110472395A (zh) * | 2019-08-05 | 2019-11-19 | 武汉联影医疗科技有限公司 | 脑波数据处理方法、装置、设备、介质及脑波数据处理器 |
CN110472395B (zh) * | 2019-08-05 | 2021-04-20 | 武汉联影医疗科技有限公司 | 脑波数据处理方法、装置、设备、介质及脑波数据处理器 |
CN111576539A (zh) * | 2020-04-30 | 2020-08-25 | 三一重机有限公司 | 挖掘机控制方法、装置、计算机设备和可读存储介质 |
CN112109718A (zh) * | 2020-06-17 | 2020-12-22 | 上汽通用五菱汽车股份有限公司 | 车辆控制方法、装置及计算机可读存储介质 |
CN111824025A (zh) * | 2020-07-22 | 2020-10-27 | 中国第一汽车股份有限公司 | 后视镜控制方法、系统、装置、车辆及存储介质 |
CN111857351A (zh) * | 2020-07-29 | 2020-10-30 | 中国人民解放军国防科技大学 | 一种脑电拨号方法 |
CN112356841A (zh) * | 2020-11-26 | 2021-02-12 | 中国人民解放军国防科技大学 | 一种基于脑机交互的车辆控制方法及装置 |
CN113031782A (zh) * | 2021-04-22 | 2021-06-25 | 深圳大学 | 一种运动想象反馈方法、系统及存储介质 |
CN113031782B (zh) * | 2021-04-22 | 2023-01-24 | 深圳大学 | 一种运动想象反馈方法、系统及存储介质 |
CN113867363A (zh) * | 2021-10-22 | 2021-12-31 | 广州小鹏自动驾驶科技有限公司 | 一种车辆控制方法、装置、车辆和存储介质 |
CN113867363B (zh) * | 2021-10-22 | 2024-06-07 | 广州小鹏自动驾驶科技有限公司 | 一种车辆控制方法、装置、车辆和存储介质 |
CN115444717A (zh) * | 2022-11-10 | 2022-12-09 | 山东海天智能工程有限公司 | 基于脑机接口的肢体功能康复训练方法及系统 |
CN115444717B (zh) * | 2022-11-10 | 2023-03-10 | 山东海天智能工程有限公司 | 基于脑机接口的肢体功能康复训练方法及系统 |
CN116176430A (zh) * | 2023-05-04 | 2023-05-30 | 长城汽车股份有限公司 | 虚拟按键的显示方法、装置、车辆和存储介质 |
CN116176430B (zh) * | 2023-05-04 | 2023-08-29 | 长城汽车股份有限公司 | 虚拟按键的显示方法、装置、车辆和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107015632A (zh) | 基于脑电驾驶的车辆控制方法、系统 | |
CN104461007B (zh) | 一种基于脑电信号的驾驶员辅助人车交互系统 | |
CN104182042B (zh) | 一种多模态信号的脑机接口方法 | |
Grosse-Wentrup et al. | Beamforming in noninvasive brain–computer interfaces | |
CN111329474B (zh) | 基于深度学习的脑电身份识别方法、系统及信息更新方法 | |
CN101464728B (zh) | 视觉运动相关神经信号为载体的人机交互方法 | |
CN108464839A (zh) | 一种基于机器学习的车载疲劳驾驶监测预警系统 | |
KR101446845B1 (ko) | 뇌파를 이용한 주행체 제어 방법, 장치 및 그 방법을 수행하기 위한 프로그램을 기록한 기록매체 | |
CN106407733A (zh) | 基于虚拟现实场景脑电信号的抑郁症风险筛查系统和方法 | |
CN102274032A (zh) | 一种基于脑电信号的驾驶员疲劳检测系统 | |
Holewa et al. | Emotiv EPOC neuroheadset in brain-computer interface | |
JP2014200681A (ja) | 車両内でのバイオメトリック識別を実行するシステム及び方法 | |
CN105030206A (zh) | 一种对脑刺激靶点进行检测及定位的系统及方法 | |
CN109330609A (zh) | 一种基于近红外光谱技术的自适应脑神经反馈方法及系统 | |
CN111580643B (zh) | 一种基于稳态不对称视觉诱发电位的脑-机接口方法 | |
CN103472922A (zh) | 一种基于p300与ssvep混合式脑机接口的目的地选择系统 | |
CN107480716A (zh) | 一种结合eog和视频的扫视信号识别方法及系统 | |
CN109953763A (zh) | 一种基于深度学习的车载驾驶行为检测预警系统及方法 | |
CN107145239A (zh) | 一种基于脑念传感器的智能系统及其控制方法 | |
KR20170018696A (ko) | 감성 인식 차량 제어 장치, 시스템 및 방법 | |
CN112488002B (zh) | 基于n170的情绪识别方法及识别系统 | |
CN109204307A (zh) | 获取自适应防碰撞预警距离的方法、存储介质及系统 | |
CN110262658B (zh) | 一种基于强化注意的脑机接口字符输入系统及实现方法 | |
CN110367975A (zh) | 一种基于脑机接口的疲劳驾驶检测预警方法 | |
CN105138818A (zh) | 结合图形视觉诱发电位的弱视辅助诊疗系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170804 |