-
公开(公告)号：CN115384554A
公开(公告)日：2022-11-25
申请号：CN202211216244.4
申请日：2022-09-30
Applicant: 重庆长安汽车股份有限公司
IPC: B60W60/00
Abstract: 本发明实施例中的一种车辆控制方法、装置、车辆、电子设备及存储介质，该方法通过获取当前车辆的当前道路图像，以及目标车辆的光源视频，根据光源视频中光强变化信息生成目标车辆光通信信息，并确定目标行驶信息，根据当前道路图像确定当前车辆的当前场景，基于目标行驶信息和当前场景确定当前车辆的当前行驶信息，并控制当前车辆按照当前行驶信息行驶，本发明通过获取目标车辆的光源变化信息确定目标车辆的行驶信息，利用光源变化作为信息传递介质有效构建车辆交互过程，其次根据当前车辆的场景，结合车辆的行驶信息有效完成会车决策和规划控制。
-
公开(公告)号：CN115148025A
公开(公告)日：2022-10-04
申请号：CN202210752011.X
申请日：2022-06-28
Applicant: 重庆长安汽车股份有限公司
Abstract: 本发明提供了一种交通目标轨迹预测方法及可读存储介质，该方法借助了交通可移动区域的高精地图信息、目标交通物体的历史轨迹信息、以及目标周围预设定范围内的交通参与者的历史轨迹信息并进行坐标重叠，从而基于高精地图能够确认目标交通物体及其周围的交通参与者的运行区域及轨迹特征，因此利用残差神经网络构建交通轨迹预测模型并基于这些特征信息进行训练自动调整模型参数以达到最佳匹配效果后，即可针对目标交通物体的交通参与者类型和运行轨迹加以准确和客观的预测，从而具备针对不同类型的交通参与者以及较复杂的交通环境的轨迹预测能力以及较高的预测准确性，提高交通目标轨迹预测判断的准确性和技术应用适应能力。
-
公开(公告)号：CN115147790B
公开(公告)日：2024-06-04
申请号：CN202210741040.6
申请日：2022-06-28
Applicant: 重庆长安汽车股份有限公司
IPC: G06V20/56 , G06V10/762 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于图神经网络的车辆未来轨迹预测方法，包括如下步骤：步骤1：数据采集：步骤2：制作训练数据：步骤3：神经网络搭建：步骤4：进行模型训练：步骤5：将测试集输入训练完成的图神经网络模型，得到轨迹预测的结果。本发明所述方法是基于图神经网络(GNN)的多模态轨迹预测算法，道路图和待预测车辆的时间序列会输入深度学习模型，输出预测轨迹；模型输出的是多条轨迹及其对应的置信概率，从而避免模型为了降低损失函数值而输出多条轨迹的均值的行为(模式崩塌)；当神经网络训练好之后，在模型见到训练数据中没有存在过的实时路况和交通参与者的状态时，模型会基于已有经验对新数据作出预测。
-
公开(公告)号：CN115146873B
公开(公告)日：2024-05-10
申请号：CN202210912525.7
申请日：2022-07-30
Applicant: 重庆长安汽车股份有限公司
IPC: G06Q10/04 , G06Q50/40 , G06V20/56 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本申请提供一种车辆轨迹预测方法及系统，包括：获取地图信息以及目标车辆的状态信息，其中所述状态信息包括所述目标车辆的航向角；根据所述地图信息和所述目标车辆的航向角生成行车场景的光栅图；将所述状态信息和所述光栅图输入预训练的预测模型，得到多条预测轨迹以及每条预测轨迹的置信度，将置信度最高的预测轨迹作为预测结果输出。本申请基于地图和车辆状态生成光栅图进行车辆多模态轨迹预测，可有效提高预测效率。
-
公开(公告)号：CN117238125A
公开(公告)日：2023-12-15
申请号：CN202310764715.3
申请日：2023-06-26
Applicant: 重庆长安汽车股份有限公司
Abstract: 本申请涉及智能驾驶技术领域，具体是涉及一种基于车辆信息和地图信息的轨迹预测方法及相关装置。通过获取与本车位于同一环境的目标车辆的第一车辆信息、若干环境车辆的第二车辆信息以及地图信息，各环境车辆包括环境中除目标车辆之外的车辆；根据第一车辆信息、各第二车辆信息以及地图信息，确定目标车辆的目标车辆特征；根据目标车辆特征，确定目标车辆的目标预测轨迹。本申请在对与本车位于同一环境的目标车辆进行轨迹预测时，考量了目标车辆自身、目标车辆的周围车辆以及当前道路对其行车路线的多重影响，可以有效提高轨迹预测结果的准确性。
-
Patent Agency Ranking
公开(公告)号：CN115147790A
公开(公告)日：2022-10-04
申请号：CN202210741040.6
申请日：2022-06-28
Applicant: 重庆长安汽车股份有限公司
IPC: G06V20/56 , G06V10/762 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图神经网络的车辆未来轨迹预测方法，包括如下步骤：步骤1：数据采集：步骤2：制作训练数据：步骤3：神经网络搭建：步骤4：进行模型训练：步骤5：将测试集输入训练完成的图神经网络模型，得到轨迹预测的结果。本发明所述方法是基于图神经网络(GNN)的多模态轨迹预测算法，道路图和待预测车辆的时间序列会输入深度学习模型，输出预测轨迹；模型输出的是多条轨迹及其对应的置信概率，从而避免模型为了降低损失函数值而输出多条轨迹的均值的行为(模式崩塌)；当神经网络训练好之后，在模型见到训练数据中没有存在过的实时路况和交通参与者的状态时，模型会基于已有经验对新数据作出预测。
-
公开(公告)号：CN117053807A
公开(公告)日：2023-11-14
申请号：CN202310630855.1
申请日：2023-05-30
Applicant: 重庆长安汽车股份有限公司
IPC: G01C21/34 , G01C21/00 , G06Q10/047
Abstract: 本发明提供了一种车道线拓扑关系构建方法、装置、设备及可读存储介质，获取道路数据，道路数据包括每条车道的横向关联车道信息；确定车辆所在的第一车道中心线，并确定第一车道中心线的横向关联车道；根据横向关联车道与第一车道中心线的纵向重叠长度，从横向关联车道中确定与第一车道中心线横向关联的第二车道中心线；继续确定与第二车道中心线横向关联的第三车道中心线，直至确定与第一车道中心线处于同一排的所有车道中心线，并构建处于同一排的所有车道中心线之间的拓扑关系。本申请通过递归查找以及判断纵向重叠长度的方式，逐步确定同一排的所有车道中心线，实现了从大量道路数据中，精确构建车道线拓扑关系，提升车辆路径规划的准确性。
-
公开(公告)号：CN116974875A
公开(公告)日：2023-10-31
申请号：CN202311047784.9
申请日：2023-08-18
Applicant: 重庆长安汽车股份有限公司
Abstract: 本申请提供了一种资源消耗分析方法、装置以及设备，方法包括，获取车辆的至少两个监控日志以及至少两个耗时日志；针对每一所述监控日志，对所述监控日志进行解析，得到所述车辆的至少一个功能模块分别对应的资源消耗信息；针对每一所述耗时日志，对所述耗时日志进行解析，得到每一所述功能模块中的至少一个功能函数分别对应的耗时信息；针对每一所述功能模块，基于所述功能模块的至少两个所述资源消耗信息以及所述功能模块中的每一所述功能函数的至少两个所述耗时信息，确定所述功能模块的资源消耗分析结果。
-
公开(公告)号：CN116502108A
公开(公告)日：2023-07-28
申请号：CN202310001357.0
申请日：2023-01-03
Applicant: 重庆长安汽车股份有限公司
IPC: G06F18/23213 , G06F18/214 , G06N3/08 , G06N3/0464
Abstract: 本发明属于自动驾驶技术领域，具体涉及一种获得平滑预测轨迹的方法、装置及存储介质，该方法包括，获取本车运动状态、目标运动状态和周围环境信息；根据获取的所述本车运动状态、目标运动状态和周围环境信息进行预处理，根据所述预处理结果生成训练样本；根据生成的所述训练样本采用K‑Means算法，通过聚类方式，获得聚类轨迹；建立神经网络模型，将获得的所述聚类轨迹输入所述神经网路模型中，通过所述神经网路模型转化输出，得到训练轨迹，并与所述聚类轨迹比对，得到预测轨迹。其目的是：用来解决背景技术中指出的现有的轨迹预测方法在车辆未来轨迹预测中可能会出现横向抖动或锯齿形折线，不符合车辆实际运动规律的问题。
-
公开(公告)号：CN115146873A
公开(公告)日：2022-10-04
申请号：CN202210912525.7
申请日：2022-07-30
Applicant: 重庆长安汽车股份有限公司
IPC: G06Q10/04 , G06Q50/30 , G06V20/56 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本申请提供一种车辆轨迹预测方法及系统，包括：获取地图信息以及目标车辆的状态信息，其中所述状态信息包括所述目标车辆的航向角；根据所述地图信息和所述目标车辆的航向角生成行车场景的光栅图；将所述状态信息和所述光栅图输入预训练的预测模型，得到多条预测轨迹以及每条预测轨迹的置信度，将置信度最高的预测轨迹作为预测结果输出。本申请基于地图和车辆状态生成光栅图进行车辆多模态轨迹预测，可有效提高预测效率。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.049 seconds)
