-
公开(公告)号：CN108664953B
公开(公告)日：2021-06-08
申请号：CN201810498211.0
申请日：2018-05-23
Applicant: 清华大学
Abstract: 本发明公开了一种基于卷积自编码器模型的图像特征提取方法，该方法包括：步骤1，收集包含希望提取的特征的图片构成数据集I；步骤2，收集不包含希望提取的特征的图片构成数据集II；步骤3，利用数据集I和数据集II同时对构建的自编码器模型进行训练；步骤4，输入待提取特征的图像，自编码器模型的编码器部分的输出即为提取到的特征。相比于目前主流的图像特征提取方法，本方法无需进行人工标定，能够在保证特征提取可靠性的同时，降低人工标定的工作量，同时使得输出的特征包含更高级的语义特征。
-
公开(公告)号：CN112829742A
公开(公告)日：2021-05-25
申请号：CN202011614889.4
申请日：2020-12-30
Applicant: 清华大学
Abstract: 本申请涉及一种乘员安全决策方法、装置、计算机设备和存储介质。所述方法包括：根据目标车辆行驶轨迹及行车环境信息，确定目标车辆在行车环境中的行驶状态；当目标车辆所处行驶状态为即将发生碰撞时，遍历安全决策数据库中的每一安全决策，根据每一安全决策确定目标车辆在行车环境中的潜在碰撞形式；根据潜在碰撞形式以及乘员损伤估计算法，得到目标车辆的预估乘员损伤值，并将对应预估乘员损伤值最低的安全决策确定为目标安全决策。采用本方法能够提高自动驾驶的乘员安全性。
-
公开(公告)号：CN111338335B
公开(公告)日：2021-02-26
申请号：CN201911422209.6
申请日：2019-12-31
Applicant: 清华大学 , 北京嘀嘀无限科技发展有限公司
IPC: G05D1/02
Abstract: 本发明提出的一种结构化道路场景下的车辆局部轨迹规划方法，首先通过建立一种基于车道参考线的参考坐标系，得到车辆当前时刻在该参考坐标系下的运动状态向量；接着分别生成不同速度区间的参考坐标系下的纵向采样轨迹集合和横向采样轨迹集合，纵向采样轨迹集合内的所有采样轨迹的曲线形式相同，横向采样轨迹集合内所有采样轨迹的曲线形式相同；然后将横纵向采样轨迹进行合成；随后将合成后的采样轨迹转换回笛卡尔坐标系下，并剔除不满足轨迹曲率和碰撞检测的采样轨迹；最后计算每一条采样轨迹的代价，其中代价最小的轨迹即为本发明所得到的最优轨迹。本发明通过构造高速和低速下的采样轨迹可提高采样有效率，对复杂约束条件适应性强。
-
公开(公告)号：CN112026772A
公开(公告)日：2020-12-04
申请号：CN202010817128.2
申请日：2020-08-14
Applicant: 清华大学
IPC: B60W30/18 , B60W30/095 , B60W40/00
Abstract: 本发明提出的一种智能网联汽车的路径实时规划与分布式控制方法，包括：车辆出发时刻，根据已知的车道线位置和自车的全局路径确定道路特征点；规划阶段，通过贝塞尔曲线规划自车当前位置到距自车最近的道路特征点的路径，并根据已知的信号灯相位、限速标志牌信息，规划速度曲线，并在路径曲线上按照该速度曲线进行采样离散，得到固定时间间隔的自车轨迹点；控制阶段，车辆首先借助车联网获取其通信范围内他车上一步控制输出的预测信息，并结合得到的自车规划轨迹点，在未来一段时域内求解本地的最优控制问题，向自车输出控制量、向通信范围内他车输出预测信息。本方法可以保证轨迹规划的实时性，并能充分地利用道路空间从而提高交通效率。
-
公开(公告)号：CN109889564B
公开(公告)日：2020-10-09
申请号：CN201811470487.4
申请日：2018-12-04
Applicant: 清华大学
Abstract: 本发明涉及一种网联汽车的集中式群体协同控制方法，属于智能网联汽车控制技术领域。本发明方法包括并行计算节点的拓扑设计，每个智能网联汽车将信息发送给云平台，在云端平台将协同控制问题的集中式建模，引入一致性变量将问题构建为一致性优化问题，利用交替方向乘子法解耦该问题，并行的更新一致性变量、原始变量以及对偶变量直至满足设定的终止条件，之后将计算所得的控制变量发送给智能网联汽车进行执行。本方法采用交替方向乘子法将集中式控制问题进行解耦，实现并行计算，利用计算节点可以极大提高计算效率，同时本方法在较少的迭代步数下可以达到较高的精度，从而达到较好的控制效果。
-
Patent Agency Ranking
公开(公告)号：CN111209838A
公开(公告)日：2020-05-29
申请号：CN201911422483.3
申请日：2019-12-31
Applicant: 清华大学
Abstract: 本发明公开了一种基于驾驶意图识别的周车换道行为识别方法，包括：构建训练样本集；将周车与所在车道中心线的横向偏离、速度和加速度作为周车基本特征，利用历史同步时间滑动窗和统计指标对周车基本特征进行扩展得到候选特征；利用基于条件互信息的最大似然度方法，对训练样本集中各周车换道行为类别，根据候选特征之间的共同信息及其关联程度，得到优选特征；通过随机森林分类器得到对训练样本识别的各时刻周车换道行为类别的概率；利用DS证据理论，将各时刻相同周车换道行为类别的概率进行融合，计算各周车换道行为类别的信度函数，由此确定最终的周车换道行为类别。本发明方法具有更好的识别准确度和时效性。
-
公开(公告)号：CN110851958A
公开(公告)日：2020-02-28
申请号：CN201910982338.4
申请日：2019-10-16
Applicant: 清华大学
IPC: G06F30/20 , G06F119/14
Abstract: 本申请涉及一种碰撞严重性的预测方法，通过构建第一学习模型，并将整车数据和碰撞事故场景特征数据输入第一学习模型得出碰撞加速曲线，能够充分利用路段的道路交通情况和车辆自身数据，对车辆碰撞加速度进行实际计算。通过构建第二学习模型，并将乘员特征数据、约束系统特征数据和碰撞加速曲线输入至第二学习模型，得出不同人体部位的碰撞动力学曲线，可以综合考虑乘员特征和约束系统特征等实际碰撞场景特征，大大提升乘员碰撞严重性预测的可靠性。最终，通过不同人体部位的碰撞动力学曲线进行标量转化，实现碰撞严重性的量化。本申请涉及的碰撞严重性的预测方法，可以在考虑综合因素的前提下实现快速、准确的乘员碰撞严重性预测。
-
公开(公告)号：CN108304605B
公开(公告)日：2019-08-06
申请号：CN201711096307.6
申请日：2017-11-09
Applicant: 清华大学
IPC: G06F17/50
Abstract: 本发明涉及一种汽车驾驶辅助系统传感器优选配置方法，是针对环境感知传感器进行，包括如下步骤：基于典型应用场景，对驾驶辅助系统的环境信息感知需求进行统一描述；建立传感器系统多维综合评价模型；建立传感器感知功能模型；采用全局搜索算法对备选传感器及备选安装位置进行筛选寻优的过程。本发明采用计算机优化求解的方法，实现了汽车驾驶辅助系统中关键传感器的筛选寻优与配置优化，解决了繁杂零部件供应体系下的关键传感器优选配置难题。
-
公开(公告)号：CN110015306A
公开(公告)日：2019-07-16
申请号：CN201810022810.5
申请日：2018-01-10
IPC: B60W40/09 , B60W40/04 , B60W40/105 , B60W40/107 , B60W40/109
Abstract: 本发明公开了一种驾驶轨迹获取方法，包括：获取车辆A的驾驶员的驾驶风格系数；根据所述车辆A的驾驶员的驾驶风格系数，计算得到所述车辆A的驾驶员的代价函数，所述代价函数用于表征所述车辆A从所述车辆A的驾驶轨迹的初始节点到当前节点所付出的代价；根据所述代价函数在第一三维时空地图上计算得到所述车辆A的驾驶轨迹本发明公开了一种驾驶轨迹获取装置。采用本发明实施例的方案得到的驾驶轨迹能够匹配所有驾驶员的驾驶风格，提高了驾驶员对驾驶轨迹的满意度，缩短了驾驶员使用人工驾驶的磨合期。
-
公开(公告)号：CN108639059B
公开(公告)日：2019-02-19
申请号：CN201810432926.6
申请日：2018-05-08
Applicant: 清华大学
Abstract: 本发明公开了一种基于最小作用量原理的驾驶人操控行为量化方法及装置，驾驶人操控行为量化方法包括：S1，在自车的电子控制单元中预先设置驾驶人操控机制定量描述模块，所述驾驶人操控机制定量描述模块包括同时反映驾驶人的驾驶操控行为的交通风险和通行效率的作用量SRisk；S2，通过自车上的信息采集装置，获取与时间同步的自车和交通环境信息；S3，根据所述与时间同步的自车和交通环境信息，通过驾驶人操控机制定量描述模块中的SRisk，获取当前行车指导速度，使所述作用量SRisk的值最小，本发明利用最小作用量原理描述驾驶人驾驶车辆过程中关于风险和效率的权衡，能够定量描述任意驾驶人驾驶过程中趋利避害的驾驶特性。
-
-
-
-
-
-
-
-
-
Search Results
197
records
(took 0.052 seconds)
