将驾驶员因素引入微缩实验平台的系统及方法

    公开(公告)号:CN117012075A

    公开(公告)日:2023-11-07

    申请号:CN202310980927.5

    申请日:2023-08-04

    Abstract: 本申请涉及一种将驾驶员因素引入微缩实验平台的系统及方法,包括:微缩车辆、数字孪生主机和驾驶模拟器,其中,微缩车辆发送状态信息至数字孪生主机;数字孪生主机接收微缩车辆发送的状态信息,并根据状态信息考虑延时计算微缩车辆的当前实际状态,渲染对应车辆驾驶员视角并传输至驾驶模拟器的屏幕;驾驶模拟器采集驾驶员基于驾驶模拟器的屏幕上交通场景做出的驾驶反应,并将驾驶反应发送至微缩车辆,使得微缩车辆基于驾驶反应执行对应的控制动作。由此,解决了相关技术中,无法体现驾驶员的随机驾驶行为,无法获得驾驶员在特定混合交通场景下的真实驾驶反应,且与驾驶员日常驾驶的真实交通环境有很大差别,无法获得驾驶员真实驾驶反应等问题。

    预测型智能汽车决策控制方法、装置、车辆及存储介质

    公开(公告)号:CN114084155B

    公开(公告)日:2023-10-20

    申请号:CN202111349214.6

    申请日:2021-11-15

    Applicant: 清华大学

    Abstract: 本申请涉及涉及一种预测型智能汽车决策控制方法、装置、车辆及存储介质,方法包括:基于地图信息和交通参与者的历史轨迹,对周围交通参与者建立预测模型,并利用有标签的数据集对预测模型进行参数初始化,生成初始周车运动预测模型;以智能汽车的驾驶目标作为优化对象,根据与环境的不断交互数据循环更新初始周车运动预测模型,生成最终周车运动预测模型;将最终周车运动预测模型嵌入智能汽车的决策控制系统,使得决策控制系统根据最终周车运动预测模型预测的周车运动生成对应的决策控制指令,并控制智能汽车执行决策控制指令,从而通过迭代模型驱动的自进化式策略评估与策略提升过程,实现智能车辆预测型最优策略求解方案。

    一种车载视觉实时多目标多任务联合感知方法和装置

    公开(公告)号:CN111310574B

    公开(公告)日:2022-10-14

    申请号:CN202010054709.5

    申请日:2020-01-17

    Applicant: 清华大学

    Abstract: 本发明公开了一种车载视觉实时多目标多任务联合感知方法和装置。所述方法包括下述步骤:步骤S1,利用深度卷积网络特征提取器(4)对车载单目相机采集的单帧图像(5)进行图像特征提取;步骤S2,基于步骤S1提取的图像特征,预测各目标的类别及其在图像坐标系中的二维位置;步骤S3,基于步骤S1提取的图像特征以及步骤S2的检测结果,估计对于各目标进行三维重建所需要的三维位置、观测朝向和尺寸信息,包括估计各目标三维中心在世界坐标系中的纵向距离、目标三维中心在图像平面的投影位置、目标的观测角度值及目标真实三维尺寸偏差值;步骤S4,道路分割:基于步骤S1提取的图像特征,输出所述单帧图像的场景中的道路分割结果。

    道路交通系统风险辨识的方法、设备及存储介质

    公开(公告)号:CN112861356B

    公开(公告)日:2022-09-27

    申请号:CN202110182856.5

    申请日:2021-02-10

    Applicant: 清华大学

    Abstract: 本申请提供一种道路交通系统风险辨识的方法、设备及存储介质。本申请的方法,通过根据预设的基准时刻,基于突变理论,构建以基准时刻的控制变量和安全状态变量为基准的道路交通系统的尖点势函数动力学模型;基于尖点势函数动力学模型,构建以基准时刻的控制变量和安全状态变量为基准的交通系统风险模型,根据道路交通系统在当前时刻的交通环境要素信息预测未来的第一时刻的交通环境要素信息,根据第一时刻的交通环境要素信息,利用交通系统风险模型,判断道路交通系统在第一时刻是否处于不稳定状态,能够及时地预测未来一段时间内道路交通系统不稳定的时刻,并及时预警,可以避免交通事故的发生,能够提高道路交通系统的稳定性和安全性。

    基于轨迹预测的行人防撞保护方法、装置、设备及介质

    公开(公告)号:CN114940166A

    公开(公告)日:2022-08-26

    申请号:CN202210483601.7

    申请日:2022-05-05

    Applicant: 清华大学

    Abstract: 本申请公开了一种基于轨迹预测的行人防撞保护方法、装置、设备及介质,其中,方法包括:获取目标行人的行人姿态和行人速度;根据行人姿态和行人速度识别目标行人的行人行为,并由行人行为推理目标行人的行人意图;根据行人行为和行人意图生成目标行人的意图轨迹,并对比意图轨迹和车辆行驶轨迹,在对比结果满足碰撞条件时,控制车辆对驾驶员和/或目标行人发送碰撞警示。建立了行人行为、行人意图、行人与环境交互过程,将行人行为与行人意图融合到行人轨迹预测,基于行人轨迹预测结果进行决策,由此,解决了相关技术基于行人检测结果进行决策,无法适应行人复杂运动变化的问题。

    基于多维注意力机制的联合检测与跟踪方法、装置及设备

    公开(公告)号:CN114663812A

    公开(公告)日:2022-06-24

    申请号:CN202210303609.0

    申请日:2022-03-24

    Applicant: 清华大学

    Abstract: 本申请涉及多目标跟踪技术领域,特别涉及一种基于多维注意力机制的联合检测与跟踪方法、装置及设备,其中,方法包括:对当前帧的当前时刻图像进行特征提取与融合处理,生成原始特征图;基于原始特征图,生成解耦特征图,并利用解耦特征执行预设检测任务和跟踪任务,获取当前帧的检测结果和跟踪目标特征;以及以当前帧的检测结果、跟踪目标特征和历史轨迹中的目标特征为输入,构建多特征级联跟踪器,生成最终的检测和跟踪结果。由此,解决了在联合检测和跟踪任务中不同尺度目标的跨时空提取问题以及在不同任务中的特征解耦等问题,通过构建多特征级联跟踪器,增强了跟踪算法在复杂场景中的鲁棒性。

    面向多智能体对抗场景的威胁态势评估方法、装置及设备

    公开(公告)号:CN114548674A

    公开(公告)日:2022-05-27

    申请号:CN202210051131.7

    申请日:2022-01-17

    Applicant: 清华大学

    Abstract: 本申请涉及威胁态势评估技术领域,特别涉及一种面向多智能体对抗场景的威胁态势评估方法、装置及设备,方法包括:获取多智能体的智能体信息和环境信息并分解瞄准过程、躲避过程和破坏过程中的对抗行为;利用预先训练的威胁能量模型由分解的对抗行为得到在任一时刻下对抗场景中所有一方的参与对抗的智能体对于任一区域的威胁能量,并基于威胁能量评估威胁态势。由此,解决了相关技术中威胁态势评估的泛化性差、无法形成统一量化的评估方法且无法适应复杂环境导致难以对当前态势做出准确快速的判断等问题,通过对多智能体对抗行为的本质分析,从量化的多种因素着手,以高精度确立体融合感知结果作为输入,从而快速精准的获得威胁态势评估方法。

    极限工况下人-车-路闭环系统动力学建模方法及系统

    公开(公告)号:CN114117829B

    公开(公告)日:2022-04-22

    申请号:CN202210082803.0

    申请日:2022-01-24

    Applicant: 清华大学

    Abstract: 本公开涉及智能汽车应用技术领域,特别涉及一种极限工况下人‑车‑路闭环系统动力学建模方法及系统。该方法包括:获取目标车辆信息、行驶环境中的动静态信息及道路信息;将目标车辆信息、动静态信息及道路信息输入预先建立的人‑车‑路闭环系统动力学模型中,得到外部环境信息作用下的闭环系统动力学响应,闭环系统动力学模型是根据预置的基于虚拟力学的行车环境动静态道路模型、基于牛顿力学的车辆高维非线性动力学模型和集成感知‑决策‑操控的驾驶人行为模型及其之间的交互耦合机制共同作用建立的。由此,能为极限工况下人‑车‑路闭环系统失稳及行车事故致因机理分析提供理论支撑,同时为自动驾驶车辆决策方法设计提供全面、可靠的理论依据。

    预测型智能汽车决策控制方法、装置、车辆及存储介质

    公开(公告)号:CN114084155A

    公开(公告)日:2022-02-25

    申请号:CN202111349214.6

    申请日:2021-11-15

    Applicant: 清华大学

    Abstract: 本申请涉及涉及一种预测型智能汽车决策控制方法、装置、车辆及存储介质,方法包括:基于地图信息和交通参与者的历史轨迹,对周围交通参与者建立预测模型,并利用有标签的数据集对预测模型进行参数初始化,生成初始周车运动预测模型;以智能汽车的驾驶目标作为优化对象,根据与环境的不断交互数据循环更新初始周车运动预测模型,生成最终周车运动预测模型;将最终周车运动预测模型嵌入智能汽车的决策控制系统,使得决策控制系统根据最终周车运动预测模型预测的周车运动生成对应的决策控制指令,并控制智能汽车执行决策控制指令,从而通过迭代模型驱动的自进化式策略评估与策略提升过程,实现智能车辆预测型最优策略求解方案。

Patent Agency Ranking