三维漏磁检测缺陷神经网络迭代反演成像方法

    公开(公告)号:CN104990977B

    公开(公告)日:2018-02-09

    申请号:CN201510368744.3

    申请日:2015-06-29

    Applicant: 清华大学

    Abstract: 本发明提出一种三维漏磁检测缺陷神经网络迭代反演成像方法,包括:从待测管道选取成像区域;扫描待测管道,得到最终的三维漏磁场检测值;根据主成分分析法对三维漏磁场检测值进行分析,得到多个特征值对应的实际特征值向量;确定缺陷开口轮廓,建立缺陷三维轮廓条状模型;构建正向径向基函数神经网络模型;将初始深度向量输入该模型,得到多个特征值对应的预测特征值向量;如果实际特征值向量与预测特征值向量之间的误差是小于误差阈值,则进行反演成像,否则,对初始的深度向量进行修正,继续进行迭代运算,直至实际特征值向量与预测特征值向量之间的误差小于或等于误差阈值。本发明的方法针对性强、稳定性好,有助于减少计算量,提高成像精度。

    一种多智能体统一交互轨迹预测方法、系统、设备和介质

    公开(公告)号:CN116629462A

    公开(公告)日:2023-08-22

    申请号:CN202310911869.0

    申请日:2023-07-25

    Applicant: 清华大学

    Abstract: 本发明涉及一种多智能体统一交互轨迹预测方法、系统、设备和介质,包括以下步骤:根据当前交通场景构建2D空间图并进行空间增强表征,得到空间注意力矩阵;将得到的空间注意力矩阵输入预先训练的时空transformer网络,得到多智能体统一交互轨迹预测结果。本发明通过对2D空间图进行了空间图增强表征,完成了交通场景内各种交互关系的交互建模,同时通过建立时空transformer网络,可以有效提升多智能体轨迹预测精度,满足实际应用需求。因此,本发明可以广泛应用于智能汽车轨迹预测领域。

    自动驾驶换道跟驰决策方法及系统、自动驾驶车辆

    公开(公告)号:CN113370996A

    公开(公告)日:2021-09-10

    申请号:CN202110844228.9

    申请日:2021-07-26

    Applicant: 清华大学

    Abstract: 本发明提供一种自动驾驶换道跟驰决策方法及系统、自动驾驶车辆,涉及自动驾驶技术领域。本发明提供的自动驾驶换道跟驰决策方法包括:获取自动驾驶车辆的行驶数据,行驶数据包括感知数据和定位数据;确定行驶数据的失真情况,失真情况为数据缺失情况或数据精度下降情况;根据行驶数据的失真情况,对行驶数据进行风险识别,得到风险识别结果;根据风险识别结果,确定决策降阶方式;根据决策降阶方式,对自动驾驶车辆的换道跟驰进行控制。本发明的技术方案能够在车载传感器精度下降或数据缺失条件下,保证自动驾驶车辆换道和跟驰的安全性。

Patent Agency Ranking