公开(公告)号：CN118247769A

公开(公告)日：2024-06-25

申请号：CN202410364175.4

申请日：2024-03-28

Applicant: 清华大学

Inventor： 李克强 ,  何雷 ,  李升波 ,  许庆 ,  王建强 ,  帅斌 ,  陈超义

IPC: G06V20/58 ,  G06V10/40 ,  G06V10/80 ,  G06V10/774

Abstract: 本发明涉及自动驾驶技术领域，特别涉及一种用于计算基础平台的自动驾驶感知模型的拆解与共用方法，包括：将目标纯视觉BEV障碍物感知方案拆解为多个共性功能的子模块；对多个共性功能的子模块进行预训练，生成感知功能模块库；设计基于感知功能模块库的拖拉拽组合，以搭建环境感知模型方法；构建数据闭环系统，并利用数据闭环系统更新环境感知模型方法的网络权重，根据更新后的环境感知模型方法生成最优感知功能模块库；将最优感知功能模块库部署至目标异构硬件中，以使目标异构硬件共用最优感知功能模块库中的每个感知功能模块。由此，解决了现有感知算法存在缺乏功能软件、开发成本高且周期长等问题。

公开(公告)号：CN118036664A

公开(公告)日：2024-05-14

申请号：CN202410230079.0

申请日：2024-02-29

Applicant: 清华大学

Inventor： 李升波 ,  兰志前 ,  蒋宇轩 ,  帅斌 ,  何雷 ,  成波 ,  李克强

IPC: G06N3/0455 ,  G06N3/0895 ,  G06N3/047 ,  G06N3/084 ,  G06F16/29 ,  B60W50/00 ,  B60W60/00

Abstract: 本申请提出了一种交通参与者运动预测的神经网络架构训练方法，包括：构建用于动态交通场景理解的时空分离型场景编码器，其中，场景编码器的输入为交通场景感知信息，输出为场景编码，场景编码器采用时空分离的方式进行编码；构建用于多模态轨迹预测的轨迹解码器，其中，轨迹解码器的输入为场景编码，输出为预测轨迹及对应的概率分数；采用周车轨迹与地图输入的掩码‑重建自监督学习任务，对场景编码器进行场景理解训练；联合场景理解训练后的场景编码器与轨迹解码器进行运动预测训练，得到训练后的神经网络架构，其中，运动预测训练采用多模态轨迹预测的优化目标函数。采用上述方案的本发明有效提高了复杂交通场景中轨迹预测的准确性。