-
公开(公告)号：CN117452820A
公开(公告)日：2024-01-26
申请号：CN202311446218.5
申请日：2023-11-02
Applicant: 清华大学苏州汽车研究院(吴江) , 清华大学
IPC: G05B13/04
Abstract: 本发明公开了一种车辆远程控制方法、装置、设备和介质。该方法包括：确定目标车辆当前运行状态数据；根据当前运动状态数据确定目标车辆的当前响应模式，目标车辆的响应模式包括：第一响应模式、第二响应模式及第三响应模式，第一响应模式用于查看目标车辆当前运行状态，第二响应模式用于提醒是否远程控制目标车辆，第三响应模式用于远程控制目标车辆；根据目标车辆当前响应模式对目标车辆进行控制。该方法通过目标车辆当前运行状态确定目标车辆的响应模式，根据响应模式的不同对车辆采取不同的控制策略，对目标车辆进行控制，提高远程驾驶接管的及时性和安全性。
-
公开(公告)号：CN116166979A
公开(公告)日：2023-05-26
申请号：CN202111385445.2
申请日：2021-11-22
Applicant: 清华大学苏州汽车研究院(吴江) , 清华大学
IPC: G06F18/24 , G06F18/213 , G06F18/241 , G06F18/2415 , G06N3/047 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明实施例公开了一种目标检测方法、装置、电子设备及存储介质。该方法包括：获取雷达点云数据，并将所述雷达点云数据投影至体素，得到体素特征；通过神经网络对所述体素特征进行编码操作，得到编码体素特征，并提取所述编码体素特征的高维特征；将所述高维特征经过第一卷积层计算得到目标检测结果；其中，所述目标检测结果包括目标类别概率和目标位置信息。通过运行本发明实施例所提供的技术方案，可以解决从激光雷达的点云数据中提取出人为设置的特征，以对目标进行检测，导致目标检测的泛化性较差且精度较低的问题，实现提高目标检测的准确性和通用性的效果。
-
公开(公告)号：CN114236515A
公开(公告)日：2022-03-25
申请号：CN202111659459.9
申请日：2021-12-30
Applicant: 清华大学苏州汽车研究院(吴江) , 清华大学
IPC: G01S7/497
Abstract: 本发明实施例公开了一种多激光雷达标定系统、无人驾驶矿用车辆及其标定方法。多激光雷达标定系统包括安装于矿用车辆车头位置的至少一个第一激光雷达、安装于矿用车辆车后方中间位置的第二激光雷达和上位机；第一激光雷达用于采集矿用车辆车头位置的第一激光点云数据；第二激光雷达用于采集矿用车辆车后方中间位置的第二激光点云数据；上位机用于对应显示第一激光点云数据图像和第二激光点云数据图像，并确定第一标定外参数和第二标定外参数；还用于分别对第一标定外参数和第二标定外参数进行配准，并显示配准后的点云，分别判断第一标定外参数和第二标定外参数是否标定完成。以实现快速准确完成多激光雷达外参标定，且适用范围广。
-
公开(公告)号：CN113569958A
公开(公告)日：2021-10-29
申请号：CN202110864378.6
申请日：2021-07-29
Applicant: 清华大学苏州汽车研究院(吴江) , 清华大学
Abstract: 本发明实施例公开了激光点云数据聚类方法、装置、设备及介质，该方法包括：获取车载激光雷达采集的点云数据，并将点云数据转换至车身坐标系，得到点云数据的空间分布；对点云数据的空间分布按照预设方法进行栅格化处理，得到多个扇形栅格，根据包含点云数据的扇形栅格坐标确定目标栅格；确定目标栅格中的种子栅格，对种子栅格的预设范围内满足连通条件的目标栅格进行处理，得到点云数据对应的连通域；根据点云数据对应的连通域确定点云数据的聚类结果。采用上述技术方案，可以根据点云分布特性及分布规律，将车载激光雷达采集的大量的、离散的点云数据划分为扇形栅格，实现将点云数据进行准确聚类的技术效果，从而实现自动驾驶车辆的安全行驶。
-
公开(公告)号：CN112747752A
公开(公告)日：2021-05-04
申请号：CN202011519123.8
申请日：2020-12-21
Applicant: 清华大学苏州汽车研究院(吴江) , 清华大学
Abstract: 本申请实施例提供一种基于激光里程计的车辆定位方法、装置、设备和存储介质，通过获取激光雷达连续采集的多帧环境传感数据，环境传感数据包括三维点云数据和反射强度数据，对相邻两帧环境传感数据进行坐标变换和投影变换，得到包含相邻两帧环境传感数据的数据信息的高维数据，根据高维数据，通过深度神经网络模型确定相邻两帧环境传感数据之间的位姿转换关系，得到车辆的位姿数据，在不需要依赖人工设定的环境特征的情况下，实现了车辆定位，并提高了车辆定位的鲁棒性和准确性。
-
Patent Agency Ranking
公开(公告)号：CN111912419A
公开(公告)日：2020-11-10
申请号：CN202010889368.3
申请日：2020-08-28
Applicant: 清华大学苏州汽车研究院(吴江) , 清华大学
IPC: G01C21/32 , G01C21/16 , G01S17/931 , G01S19/47
Abstract: 本发明公开了一种基于激光雷达的高精度语义导航地图构建方法和装置，一种基于激光雷达的高精度语义导航地图构建方法，包括：获取车载激光雷达采集的车辆周边三维点云与反射强度数据和车载组合导航系统采集的车辆的经纬度和姿态信息；根据三维点云数据在大地坐标系中得到高精度点云地图；根据三维点云的反射强度数据，在高精度点云地图中标注出包含语义信息的离散点并分类后得到地图语义元素集合并根据地图语义元素集合中各元素的语义关联信息，生成高精度语义导航地图。本发明实施例公开的基于激光雷达的高精度语义导航地图构建方法和装置，能够以较低的成本构建高精度的语义导航地图，从而满足自动驾驶车辆的导航需求。
-
公开(公告)号：CN113569958B
公开(公告)日：2024-04-12
申请号：CN202110864378.6
申请日：2021-07-29
Applicant: 清华大学苏州汽车研究院(吴江) , 清华大学
IPC: G06V10/762 , G06V10/44 , G06V20/58
Abstract: 本发明实施例公开了激光点云数据聚类方法、装置、设备及介质，该方法包括：获取车载激光雷达采集的点云数据，并将点云数据转换至车身坐标系，得到点云数据的空间分布；对点云数据的空间分布按照预设方法进行栅格化处理，得到多个扇形栅格，根据包含点云数据的扇形栅格坐标确定目标栅格；确定目标栅格中的种子栅格，对种子栅格的预设范围内满足连通条件的目标栅格进行处理，得到点云数据对应的连通域；根据点云数据对应的连通域确定点云数据的聚类结果。采用上述技术方案，可以根据点云分布特性及分布规律，将车载激光雷达采集的大量的、离散的点云数据划分为扇形栅格，实现将点云数据进行准确聚类的技术效果，从而实现自动驾驶车辆的安全行驶。
-
公开(公告)号：CN111912419B
公开(公告)日：2024-10-01
申请号：CN202010889368.3
申请日：2020-08-28
Applicant: 清华大学苏州汽车研究院(吴江) , 清华大学
IPC: G01C21/32 , G01C21/16 , G01S17/931 , G01S19/47
Abstract: 本发明公开了一种基于激光雷达的高精度语义导航地图构建方法和装置，一种基于激光雷达的高精度语义导航地图构建方法，包括：获取车载激光雷达采集的车辆周边三维点云与反射强度数据和车载组合导航系统采集的车辆的经纬度和姿态信息；根据三维点云数据在大地坐标系中得到高精度点云地图；根据三维点云的反射强度数据，在高精度点云地图中标注出包含语义信息的离散点并分类后得到地图语义元素集合并根据地图语义元素集合中各元素的语义关联信息，生成高精度语义导航地图。本发明实施例公开的基于激光雷达的高精度语义导航地图构建方法和装置，能够以较低的成本构建高精度的语义导航地图，从而满足自动驾驶车辆的导航需求。
-
公开(公告)号：CN117877019A
公开(公告)日：2024-04-12
申请号：CN202311842704.9
申请日：2023-12-28
Applicant: 清华大学苏州汽车研究院(吴江) , 清华大学
IPC: G06V20/64 , G06V10/764 , G06V10/774
Abstract: 本发明公开了一种目标检测方法、装置、设备和存储介质，涉及目标检测技术领域。该方法包括：获取当前场景的三维点云数据；将三维点云数据输入预先训练好的目标检测模型中，以使目标检测模型确定三维点云数据对应的高维特征，并根据高维特征确定当前场景中的场景目标以及各场景目标的属性信息。通过本发明实施例的技术方案提高了目标检测的实时性。
-
公开(公告)号：CN116136599A
公开(公告)日：2023-05-19
申请号：CN202111360333.1
申请日：2021-11-17
Applicant: 清华大学苏州汽车研究院(吴江) , 清华大学
IPC: G01S17/931
Abstract: 本申请公开了一种可行驶区域的确定方法、装置及存储介质，涉及自动驾驶技术领域，该方案通过多步骤的筛选，可以得到实际区域的地势较为平坦，并且相对地面高度值较小的可行驶地面栅格，从而可以提高可行驶区域的确定方法的鲁棒性。该方法包括：对点云数据进行点簇的划分，划分结果为每个点簇对应扇环状栅格地图中的一个扇环状栅格；根据点簇中各点在垂直于地面方向上的参差程度，从扇环状栅格中筛选出候选地面栅格；根据候选地面栅格与扇环状栅格地图的中心点的距离，以及候选地面栅格对应的点簇中各点在垂直于地面方向上的高度值，从候选地面栅格中筛选出可行驶地面栅格；根据可行驶地面栅格确定可行驶区域。
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.029 seconds)
