-
公开(公告)号：CN113793520B
公开(公告)日：2023-09-01
申请号：CN202111079692.X
申请日：2021-09-15
Applicant: 苏州挚途科技有限公司 , 一汽解放汽车有限公司
IPC: G08G1/095 , G08G1/0967 , G08G1/16
Abstract: 本发明提供了一种车辆轨迹预测方法、装置及电子设备，在获取交通路口区域的信号灯信息后，根据信号灯信息以及预先获取的障碍物车辆的行驶信息，确定障碍物车辆的行驶逻辑，然后基于障碍物车辆的行驶逻辑及障碍物车辆的行驶信息，预测障碍物车辆的轨迹。本发明基于信号灯信息确定了障碍物车辆的行车逻辑，并基于行车逻辑和行驶信息预测障碍物车辆的轨迹，提高了轨迹预测的准确性。
-
公开(公告)号：CN115564973A
公开(公告)日：2023-01-03
申请号：CN202211305473.3
申请日：2022-10-24
Applicant: 苏州挚途科技有限公司
IPC: G06V10/74 , G06V20/56 , G06N3/04 , G06T3/40 , G06T7/194 , G06T7/90 , G06V10/22 , G06V10/44 , G06V10/54 , G06V10/77 , G06V10/82 , G06V20/70
Abstract: 本发明提供了智能驾驶目标车辆的侧底边预测方法和装置，包括：获取原始图像，将原始图像进行预处理，得到预处理后的图像；将预处理后的图像输入到深度卷积神经网络中，输出得到图像特征信息；将图像特征信息分别进行检测处理和分割处理，得到预测结果；将预测结果进行匹配，得到匹配结果；根据匹配结果计算侧底边的像素坐标；通过引入检测分割一体化算法对目标车辆的底边尤其是侧底边进行准确感知，充分挖掘出目标信息，能够提高对目标车辆横向距离计算的准确度。
-
公开(公告)号：CN115331447B
公开(公告)日：2022-12-30
申请号：CN202211255029.5
申请日：2022-10-13
Applicant: 苏州挚途科技有限公司
IPC: G08G1/01 , G08G1/04 , G08G1/0967 , G01S13/86 , G06Q10/04 , G06V10/40 , G06V10/764 , G06V10/774 , G06V20/56
Abstract: 本申请提供了一种基于传感器融合的数据关联方法以及装置，该方法包括：获取车辆的传感器采集的点云数据以及图像数据，并对点云数据进行特征提取，得到多个第一距离，以及对图像数据进行特征提取，得到多个目标特征，目标特征包括初始距离，第一距离以及初始距离均为车辆与待测目标之间的距离；采用预定模型处理多个目标特征，得到多个第二距离，预定模型为对多个历史特征以及多个历史距离进行非线性回归分析得到的模型，历史特征为目标特征的历史数据，历史距离为历史特征对应的待测目标与车辆之间的实际距离；对多个第一距离以及多个第二距离进行数据关联。本申请解决了自动驾驶车辆的相机在部分工况下测距误差较大的问题。
-
公开(公告)号：CN115376093A
公开(公告)日：2022-11-22
申请号：CN202211306830.8
申请日：2022-10-25
Applicant: 苏州挚途科技有限公司
IPC: G06V20/56 , G06V10/80 , G06V10/764 , G06V10/82
Abstract: 本发明提供了一种智能驾驶中的对象预测方法、装置及电子设备，首先获取车载摄像头采集的待处理图像；其中，待处理图像中包括多种类别的对象；对待处理图像进行特征提取，得到特征提取结果；将特征提取结果分别输入至每种类别对应的检测分支，以得到每种类别的对象中，每个对象的对象预测结果；其中，每种类别所对应的检测分支的数量与类别相关联。该方式可以将对待处理图像进行特征提取后得到的特征提取结果分别输入至每种类别对应的检测分支，以对每种类别的对象中的每个对象分别进行检测，并且由于每种类别对应的检测分支的数量与类别相关联，从而可以提高对不同类别对象的预测精度和计算效率。
-
公开(公告)号：CN114035545A
公开(公告)日：2022-02-11
申请号：CN202111311540.8
申请日：2021-11-08
Applicant: 苏州挚途科技有限公司
IPC: G05B23/02
Abstract: 本发明提供了一种自动驾驶算法仿真测试方法、装置及电子设备，首先基于预设的实体测试场，建立虚拟测试场；然后基于虚拟测试场、预先建立的车辆模型以及待测的自动驾驶算法，确定自动驾驶算法的仿真测试结果；最后基于仿真测试结果以及目标阈值，确定自动驾驶算法的更新参数。该方式提高了自动驾驶算法的测试效率。
-
Patent Agency Ranking
公开(公告)号：CN113763731A
公开(公告)日：2021-12-07
申请号：CN202111146020.6
申请日：2021-09-28
Applicant: 苏州挚途科技有限公司
IPC: G08G1/095 , G08G1/0969 , G08G1/16
Abstract: 本发明提供了高精地图重建道路交叉口红绿灯信息的方法和系统，包括：确定每个红绿灯的位置；将每个红绿灯进行关联，得到每处红绿灯集合；根据每处红绿灯集合中的每个红绿灯的位置，计算每处红绿灯集合的位置；获取每处红绿灯集合对应的关联道路交叉口；计算每处红绿灯集合与关联道路交叉口的相对位置，并存储到高精地图中；将相对位置与当前行驶方向的位置进行比较，根据比较结果确定正前方的红绿灯集合；将每处红绿灯集合与关联道路交叉口的相对位置存储到高精地图中，使得汽车在行驶过程中能够快速地计算出各方位的红绿灯信息，从而更精准快速地对其他车辆进行运动预测。
-
公开(公告)号：CN112455445A
公开(公告)日：2021-03-09
申请号：CN202011414439.0
申请日：2020-12-04
Applicant: 苏州挚途科技有限公司
Abstract: 本发明提供了一种自动驾驶的变道决策方法、装置和车辆，基于当前车辆所处的当前车道和当前车道的相邻车道，构造包含有当前车道和目标车道的可行车道序列；根据当前车辆的行驶状态，及当前车道和目标车道的障碍物信息，生成当前车道的ST图和目标车道的ST图；针对每种可行车道序列，根据当前可行车道序列中当前车道和目标车道的ST图，确定当前可行车道序列对应的变道轨迹；根据代价函数从每种可行车道序列对应的变道轨迹中，选取代价最小的变道轨迹为变道决策结果。该方式通过当前车辆的当前车道的ST图和目标车道的ST图，搜索可行车道序列的变道轨迹，该方式获得的变道轨迹是平顺且安全的，从而保证了变道决策和变道时机的合理性。
-
公开(公告)号：CN112364775A
公开(公告)日：2021-02-12
申请号：CN202011259312.6
申请日：2020-11-12
Applicant: 苏州挚途科技有限公司
IPC: G06K9/00 , G06K9/46 , G06K9/62 , G06T7/00 , G01S17/931
Abstract: 本申请提供了一种目标检测方法、装置及电子设备，其中，方法包括：获取待检测的点云数据；点云数据为车端激光雷达扫描得到的；对点云数据分别进行俯视图特征提取和环视图特征提取，得到俯视图特征和环视图特征；基于预设的俯视图与环视图的对应关系，确定环视图特征在俯视图上的映射特征；将俯视图特征和映射特征进行拼接，得到待检测的点云数据对应的目标检测结果。本申请能够基于激光雷达点云数据进行快速准确地目标检测。
-
公开(公告)号：CN112329873A
公开(公告)日：2021-02-05
申请号：CN202011261491.7
申请日：2020-11-12
Applicant: 苏州挚途科技有限公司
Abstract: 本申请提供了一种目标检测模型的训练方法、目标检测方法及装置，方法包括：获取训练样本集；训练样本集中的样本为包含对象的图像；每个图像标注有对象对应的真实边界框；将训练样本集中的样本输入至预设神经网络模型中进行训练，得到对象对应的预测边界框；基于对象对应的真实边界框、预测边界框和预设损失函数计算模型误差损失，并基于模型误差损失调整模型参数；预设损失函数为基于边界框面积、边界框中心点距离和边界框宽高比确定的函数关系；当模型误差损失收敛时，终止模型训练，得到训练好的目标检测模型。本申请能够提高模型的收敛速度，提高模型的目标检测精准度。
-
公开(公告)号：CN111879330A
公开(公告)日：2020-11-03
申请号：CN202010779300.X
申请日：2020-08-05
Applicant: 苏州挚途科技有限公司
IPC: G01C21/34
Abstract: 本申请提供了一种路口行驶路径的规划方法、装置、处理器和自动驾驶车辆，该方法包括：获取第一预测轨迹和第二预测轨迹，第一预测轨迹为障碍物车辆的路口预测轨迹，第二预测轨迹为自动驾驶车辆的路口预测轨迹；根据第一预测轨迹和第二预测轨迹确定碰撞区域；根据碰撞区域确定自动驾驶车辆的路口行驶路径。该方法既可以规划一条路口行驶路径，使得自动驾驶车辆晚于障碍物车辆通过碰撞区域，又可以规划另一条路口行驶路径，使得自动驾驶车辆早于障碍物车辆通过碰撞区域，相比于现有技术中基于安全减少让行，只能选择使得自动驾驶车辆晚于障碍物车辆通过碰撞区域的路口行驶路径，提高了路口行驶路径的规划方法的灵活性。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.04 seconds)
