用于自主车辆行为控制的系统和方法

    公开(公告)号:CN109753047A

    公开(公告)日:2019-05-14

    申请号:CN201811294235.0

    申请日:2018-11-01

    Abstract: 提供了用于控制车辆的系统和方法。基于一个或多个输入数据源在高级控制器处生成控制信号,数据源包含以下中的至少一个:提供传感器输出信息、地图数据和目标的传感器。高级控制器包含第一控制器模块,第一控制器模块包含:输入处理模块、投影模块、存储器模块、世界模型模块以及包含控制模型执行器模块的决策处理模块。在低级控制器处理控制信号以生成命令,命令根据控制信号控制车辆的多个车辆致动器,以执行要执行的一个或多个调度动作以使驾驶任务自主化。

    用于共享车辆和自驾班车的车内多模式暴力检测

    公开(公告)号:CN117184098A

    公开(公告)日:2023-12-08

    申请号:CN202211346442.2

    申请日:2022-10-31

    Abstract: 本发明涉及用于共享车辆和自驾班车的车内多模式暴力检测。一种车内暴力检测系统包括语音和非语音音频识别模块,其捕获乘员威胁言语和非语音音频事件。车内加速度计生成在晃动移动识别模块中分析的数据。心率和呼吸率检测模块测量乘员心率和呼吸节律的生理变化。车内语义场景识别模块分析乘员的非语言交互。包括听觉威胁指标的乘员威胁指标由语音和非语音音频事件识别模块生成。视觉威胁指标由车内语义场景识别模块生成。生理威胁指标由心率和呼吸率检测模块生成。基于振动的威胁指标由晃动移动识别模块生成。融合这四个威胁指标以估计威胁等级,并通过结合包括车辆位置和时间的环境信息来合并。基于合并的威胁等级采取不同的动作。

    用于自动驾驶系统的深度集成融合架构

    公开(公告)号:CN109291929B

    公开(公告)日:2021-07-13

    申请号:CN201810789235.1

    申请日:2018-07-18

    Abstract: 提供了用于控制自主车辆的方法和装置。提供了传感器融合系统,该传感器融合系统具有用于提供环境条件信息的传感器系统以及卷积神经网络(CNN)。该CNN包括:配置为从传感器系统接收环境条件信息的接收接口、配置为从接收到的环境条件信息中提取交通信息的公共卷积层以及配置为基于所提取的交通信息检测属于不同对象类别的对象的多个全连接层,其中对象类别包括道路特征类别、静态对象类别和动态对象类别中的至少一个。

    基于注意的分层变道深度强化学习

    公开(公告)号:CN110850861A

    公开(公告)日:2020-02-28

    申请号:CN201910443618.8

    申请日:2019-05-24

    Abstract: 一种基于注意的分层变道深度强化学习。提供了生成自动驾驶策略的系统和方法。该系统可包括成组的自动驾驶员代理,以及驾驶策略生成模块,其包括成组的驾驶策略学习模块,用于基于驾驶员代理收集的集体体验生成和改进策略。驾驶员代理可收集驾驶体验以创建知识库。驾驶策略学习模块能够处理集体驾驶体验以提取驾驶策略。驾驶员代理可以经由驾驶策略学习模块以并行和分布的方式进行训练,以便更快更高效地找到新型的高效驾驶策略和行为。并行和分布式学习能够加快多个自动智能驾驶员代理的训练。

    使用相机的交叉车流检测
    28.
    发明公开

    公开(公告)号:CN109421730A

    公开(公告)日:2019-03-05

    申请号:CN201810921246.0

    申请日:2018-08-14

    Abstract: 一种用于驱动自主车辆的车辆、系统和方法。车辆包括:相机,其被配置为获取车辆的周围区域的图像;致动装置,其用于控制车辆的运动参数;以及处理器。处理器选择图像内的背景区域,其中该背景区域中包括检测区域。处理器进一步被配置为估计指示检测区域中目标对象的至少一部分的存在的置信度以及与目标对象相关联的边界框;当置信度大于选定阈值时确定来自边界框的提议区域;确定提议区域内的目标对象的参数;以及控制致动装置以基于目标对象的参数来改变车辆的运动参数。

    基于注意的分层变道深度强化学习

    公开(公告)号:CN110850861B

    公开(公告)日:2023-05-23

    申请号:CN201910443618.8

    申请日:2019-05-24

    Abstract: 一种基于注意的分层变道深度强化学习。提供了生成自动驾驶策略的系统和方法。该系统可包括成组的自动驾驶员代理,以及驾驶策略生成模块,其包括成组的驾驶策略学习模块,用于基于驾驶员代理收集的集体体验生成和改进策略。驾驶员代理可收集驾驶体验以创建知识库。驾驶策略学习模块能够处理集体驾驶体验以提取驾驶策略。驾驶员代理可以经由驾驶策略学习模块以并行和分布的方式进行训练,以便更快更高效地找到新型的高效驾驶策略和行为。并行和分布式学习能够加快多个自动智能驾驶员代理的训练。

Patent Agency Ranking