交通工具机载成像系统
    1.
    发明公开

    公开(公告)号:CN112822348A

    公开(公告)日:2021-05-18

    申请号:CN202011293621.5

    申请日:2020-11-18

    Abstract: 描述了基于关注性的成像系统,包括:摄像头,可调节其视野(FOV)和分辨率;以及控制例程,可确定FOV内的一个或多个关注区域(ROI),以优先考虑摄像头资源。摄像头包括图像传感器、内部镜头、可操纵镜、外部镜头和控制器。外部镜头被设置为监测可视区域,并且可操纵镜插置在内部镜头和外部镜头之间。可操纵镜被布置为经由内部镜头将可视区域从外部镜头投射到图像传感器上。可操纵镜修改投射到图像传感器上的可视区域,并且控制图像传感器,以捕获图像。可在摄像头内部或在单独的外部处理器中采用相关联的控制例程。

    用于车辆乘客的推荐系统
    2.
    发明公开

    公开(公告)号:CN117196125A

    公开(公告)日:2023-12-08

    申请号:CN202211327282.7

    申请日:2022-10-27

    Abstract: 本发明公开了用于车辆乘客的推荐系统。用于车辆的唯一用户的预测一个或多个推荐商业机构的推荐系统包括与所述车辆和多个远程定位的车辆进行无线通信的集中式计算单元。所述集中式计算单元基于所述车辆的所述唯一用户的个性概况来对多个潜在商业机构进行评分和排名以确定推荐商业机构的初始列表。所述个性概况基于由所述唯一用户和多个用户访问的商业机构,并且所述多个用户分别表示与所述远程定位的车辆中的一者相关联的个体。所述集中式计算单元基于一个或多个附加标准因素来对推荐商业机构的所述初始列表进行重新排名以确定推荐商业机构的最终列表。

    神经网络验证系统
    5.
    发明公开

    公开(公告)号:CN116090501A

    公开(公告)日:2023-05-09

    申请号:CN202211234184.9

    申请日:2022-10-10

    Abstract: 本发明涉及一种神经网络验证系统。一种系统,包括计算机,所述计算机包括处理器和存储器。所述存储器包括指令,使得处理器被编程为:在第一神经网络处接收未标记的传感器数据,其中第一神经网络基于未标记的传感器数据生成输出,在第二神经网络处接收未标记的传感器数据,其中第二神经网络在验证模式期间基于未标记的传感器数据生成输出,第二神经网络不同于第一神经网络,将由第一神经网络生成的输出与由第二神经网络生成的输出进行比较,并且当由第一神经网络生成的输出和由第二神经网络生成的输出之间的差异大于预定比较阈值时生成警报。

    交通工具机载成像系统
    6.
    发明授权

    公开(公告)号:CN112822348B

    公开(公告)日:2022-07-08

    申请号:CN202011293621.5

    申请日:2020-11-18

    Abstract: 描述了基于关注性的成像系统,包括:摄像头,可调节其视野(FOV)和分辨率;以及控制例程,可确定FOV内的一个或多个关注区域(ROI),以优先考虑摄像头资源。摄像头包括图像传感器、内部镜头、可操纵镜、外部镜头和控制器。外部镜头被设置为监测可视区域,并且可操纵镜插置在内部镜头和外部镜头之间。可操纵镜被布置为经由内部镜头将可视区域从外部镜头投射到图像传感器上。可操纵镜修改投射到图像传感器上的可视区域,并且控制图像传感器,以捕获图像。可在摄像头内部或在单独的外部处理器中采用相关联的控制例程。

    用于局部行进车道感知的方法和系统

    公开(公告)号:CN112824997A

    公开(公告)日:2021-05-21

    申请号:CN202011309986.2

    申请日:2020-11-20

    Abstract: 用于监测道路区段的系统和方法包括在数字化道路地图的背景下确定交通工具的地理位置。确定与道路区段相关联的感知点云和测绘点云。基于测绘点云与感知点云之间的变换而确定误差向量。第一置信区间从高斯过程得出,所述高斯过程包括过往观测。基于测绘点云和感知点云而确定与纵向维度相关联的第二置信区间以及与横向维度相关联的第三置信区间。基于误差向量、第一置信区间、第二置信区间和第三置信区间而执行卡尔曼滤波分析,以动态确定交通工具相对于道路地图的位置。

    通信预期交通工具操纵的系统和方法

    公开(公告)号:CN112824150A

    公开(公告)日:2021-05-21

    申请号:CN202011309731.6

    申请日:2020-11-20

    Abstract: 示例性机动交通工具包括:第一致动器,被配置为控制机动交通工具的加速和制动;第二致动器,被配置为控制机动交通工具的转向;交通工具传感器,被配置为生成关于机动交通工具附近的检测特征的存在、位置、分类和路径的数据;以及控制器,与交通工具传感器以及第一致动器和第二致动器通信。控制器被配置为根据自动驾驶系统沿着第一轨迹以自主模式选择性地控制第一致动器和第二致动器。控制器还被配置为接收来自交通工具传感器的关于检测特征的数据,从关于检测特征的数据中确定预测交通工具操纵,将预测交通工具操纵映射为指示符号,并且生成控制信号,以显示指示符号。

Patent Agency Ranking