-
公开(公告)号：CN117485337A
公开(公告)日：2024-02-02
申请号：CN202210877502.7
申请日：2022-07-25
Abstract: 本申请公开了一种自动驾驶汽车协同型编队控制方法、装置及存储介质，方法包括：在预设地理范围内，确定目标车辆的车辆行驶信息；基于车辆行驶信息，以及获取到的预设地理范围内的静态环境信息，确定目标车辆的参考行驶信息，其中静态环境信息包括多条车道的道路信息，参考行驶信息包括目标车辆的至少一个候选路径；基于获取到的目标车辆的周围车辆的周车行驶信息，利用参考行驶信息，确定各个候选路径上的目标车辆对应的跟驰前车；针对候选路径以及跟驰前车，实时构建有限时域最优控制问题，以利用有限时域最优控制问题，确定目标车辆对应的目标行驶轨迹以及相应的目标跟驰前车。该方法实现多车协同型编队决策控制的自动驾驶功能。
-
公开(公告)号：CN117521838A
公开(公告)日：2024-02-06
申请号：CN202210879625.4
申请日：2022-07-25
IPC: G06N20/00 , G06F18/214 , G06F18/21
Abstract: 本发明提供了一种自动驾驶决策功能训练方法、系统及存储介质，上述方法包括：获取自动驾驶数据集，并在自动驾驶数据集中随机采样得到训练数据集；根据训练数据集以及设定的策略更新步数和策略参数计算得到随机梯度，并利用随机梯度计算得到无偏差的共轭动量；根据无偏差的共轭动量以及设定的策略参数学习率和速度因子，计算得到与策略参数对应的自适应学习率；基于无偏差的共轭动量和自适应学习率对所述策略参数进行更新；对所述策略更新步数进行迭代计算，在达到设定的最大策略更新步数的情况下，得到优化后的策略参数，以使自动驾驶决策功能训练系统采用优化后的策略参数进行自动驾驶决策，从而有效保障自动驾驶决策功能的智能性。
-
公开(公告)号：CN119723875A
公开(公告)日：2025-03-28
申请号：CN202411848316.6
申请日：2024-12-16
Applicant: 清华大学
Abstract: 本申请涉及智能网联车辆技术领域，特别涉及一种交叉路口信号灯与智能网联车辆轨迹协同优化方法，其中，方法包括：采集交叉路口一定范围内所有车辆的状态信息；基于交叉路口的进口车道和预先建立的自适应交通信号模型得到所有车道的信号灯参数的数学表达；基于预先构建的车辆延误估计模型得到不同信号灯参数对应的广义延误、车辆轨迹；基于启发式搜索算法求解最优的信号灯参数和对应的车辆轨迹。由此，解决了相关技术中，缺乏对交通流实时状态的考虑，同时也未考虑智能网联车辆与人类驾驶车辆混行的混合交通条件、信号灯与车辆之间的交互关系，导致信号灯参数与智能网联车辆的轨迹不能协同优化，路口交通效率低，无法满足实际要求等问题。
-
公开(公告)号：CN118840718A
公开(公告)日：2024-10-25
申请号：CN202410710329.0
申请日：2024-06-03
Applicant: 清华大学
IPC: G06V20/56 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本申请涉及自动驾驶感知技术领域，特别涉及一种自动驾驶感知功能模块化方法及装置，其中，方法包括：从至少一个感知图像中，提取图像的至少一个基础特征，以得到透视视觉的至少一个图像特征；将至少一个图像特征转换为鸟瞰视觉的至少一个鸟瞰视觉图像特征，并融合至少一个鸟瞰视觉图像特征，得到鸟瞰视觉图像；将鸟瞰视觉图像的时序特征进行融合，得到融合后的图像；检测融合后的图像中的障碍物，生成自动驾驶系统所需的环境感知信息。由此，解决了相关技术中，数据处理流程繁琐且效率低下，算法的通用性、适配性较差，阻碍自动驾驶技术的发展等问题。
-
公开(公告)号：CN114549831B
公开(公告)日：2024-09-24
申请号：CN202210023258.8
申请日：2022-01-10
Applicant: 清华大学
Abstract: 本申请涉及智能网联汽车技术领域，特别涉及一种用于预测性巡航系统的地图路点分割方法及装置，其中，方法包括：获取地图路点信息，并根据地图路点信息判断两个路点之间的坡度变化值是否大于第一预设阈值；在坡度变化值大于第一预设阈值时，将两个路点之间的路段合并为一个分割路段，否则计算累计坡度值和累加距离；根据累计坡度值超过第二预设阈值的前多个路段得到另一个分割路段，或者根据累加距离超过预设距离的路点得到再一个分割路段，并基于每个分割路段得到分割后的路点序列，完成地图路点分割。由此，解决了相关技术中基于车辆纵向动力学进行路点分割所存在的道路特征信息丢失多、算法计算精度低、整体控制效果较差等问题。
-
Patent Agency Ranking
公开(公告)号：CN118445100A
公开(公告)日：2024-08-06
申请号：CN202410384178.4
申请日：2024-04-01
Applicant: 清华大学
IPC: G06F11/07 , G01M17/007
Abstract: 本申请公开一种基于最优特征子集的协同换道分段决策算法功能测试方法，其中，方法包括：根据城市道路边缘云区域内的协同车辆行驶的历史数据获取协同车辆行驶的横、纵向相对距离分布信息，进而获取协同车辆行驶的横、纵向相对距离分布不确定性的联合概率密度函数，以计算功能测试特征子集的目标安全风险特征值，根据目标特征子集选择策略的优化公式获取多个目标决策阶段的目标特征子集组，以构建多个目标决策阶段的维度低于预设阈值的目标低维功能测试参数空间，进行多车协同换道分阶段决策算法功能测试，得到测试结果。由此，解决相关技术中无法适用于复杂应用场景，导致功能测试的适用性较低，增加功能测试的测试量，降低功能测试效率的问题。
-
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
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：CN118172756A
公开(公告)日：2024-06-11
申请号：CN202410274332.2
申请日：2024-03-11
Applicant: 清华大学
IPC: G06V20/58 , G06V10/62 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/0464
Abstract: 本申请涉及自动驾驶技术领域，特别涉及一种基于时空数据关联的端到端行人感知方法及装置，其中，方法包括：基于当前时刻的传感器数据，生成融合当前时刻及历史时刻特征的目标时空变化原始特征图；根据目标时刻变化原始特征图生成适用于行人检测子任务、目标跟踪子任务、意图识别子任务、轨迹预测子任务的特异化特征图；基于特异化特征图中任务特异化特征构建子任务之间的特征关联及交互优化机制，并利用特征关联及交互优化机制生成最终的行人感知结果。由此，解决了将子任务串行缺少有效的时空特征提取方法，导致提取的目标特征重复，实时性准确性较差，而利用单一模型则缺少有效的交互优化机制和冲突缓解机制等问题。
-
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
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。
-
公开(公告)号：CN114999152B
公开(公告)日：2024-04-30
申请号：CN202210579284.9
申请日：2022-05-25
Applicant: 清华大学
Abstract: 本申请涉及了一种面向高速公路混合车流的匝道合流边缘云管控方法，包括以下步骤：通过路侧基础设施采集边缘云区域内的混合车流信息并上传至边缘云平台；边缘云平台中的合流控制器根据混合车流信息生成所有的车辆合流策略；合流控制器对所有合流策略进行可行性分析，并以所有车辆通行时间损耗之和为评价指标进行合流策略优选；合流控制器根据损耗最小的合流策略生成每辆车的最优行驶策略，并将所规划的最优轨迹分发给区域内的智能网联汽车，受控车辆根据边缘云的协同决策结果进行合流控制。由此，有效地解决了高速公路平行式匝道场景中的混合车流合流问题，能综合考虑每台车辆的通行时间最优和交通整体通行效率最优，并且算法的实时性较好。
-
-
-
-
-
-
-
-
-
Search Results
653
records
(took 0.057 seconds)
