-
公开(公告)号：CN108648447A
公开(公告)日：2018-10-12
申请号：CN201810433464.X
申请日：2018-05-08
Applicant: 清华大学
Abstract: 本发明公开了一种基于行车安全场的车辆智能安全决策方法，方法包括：步骤1，在自车的电子控制单元中或在智能交通管理系统的中央计算机系统中预先设置行车安全场模型和行车风险辨识模型；其中，行车安全场模型用于反映交通风险随时间空间的变化，是通过分析人-车-路系统各因素对交通系统的影响而构建得到；步骤2，通过行车安全场模型，获取交通系统处于稳态时当前行车最优速度和车辆与该车辆之外的物体之间的安全行驶距离；步骤3，根据当前行车最优速度和安全行驶距离，通过获取行车风险辨识模型的作用量的最小值，进而得到车辆当前的行车风险等级值。本发明能够达到对道路交通系统进行安全调控，有利于降低道路碰撞交通事故发生率。
-
公开(公告)号：CN107798870A
公开(公告)日：2018-03-13
申请号：CN201711007321.4
申请日：2017-10-25
Applicant: 清华大学
IPC: G08G1/01
Abstract: 本发明公开了一种多车辆目标跟踪的航迹管理方法及系统、车辆，所述方法包括如下步骤：步骤1，采集自车周围的其它交通参与目标的传感器原始数据；步骤2，将传感器原始数据解析成目标数据；步骤3，从目标数据中提取检测目标；步骤4，接收前一时刻的航迹，得到预测航迹；步骤5，关联检测目标和前一时刻预测航迹得，到关联数据；步骤6，根据关联失败检测目标，新生成航迹；步骤7，根据关联成功的航迹，更新航迹；步骤8，根关联失败的航迹，更新航迹；步骤9，根据新生成、更新及未删除的各航迹，得到当前时刻的预测航迹，返回步骤4；步骤10，输出步骤9得到的当前时刻预测航迹中的置信度状态为成熟且重要的航迹。本发明的航迹管理方法的可靠性提高，误跟踪率降低。
-
公开(公告)号：CN106448194A
公开(公告)日：2017-02-22
申请号：CN201610973318.7
申请日：2016-10-28
Applicant: 清华大学 , 重庆长安汽车股份有限公司
IPC: G08G1/08
CPC classification number: G08G1/08
Abstract: 本发明公开了一种交叉路口交通信号和车辆协同控制方法及装置、车辆，该方法包括：步骤1，根据道路平均车流量计算交通信号灯周期；步骤2，根据车辆定位信息和路口停止线信息计算信号绿信比和各车到达路口停止线时间；步骤3，根据交通信号灯周期和信号绿信比，控制交叉路口的交通信号灯相位切换；步骤4，判断各车辆是否通过交叉路口，若否进入步骤5；反之进入步骤6；步骤5，将各车到达路口停止线时间和交通信号灯周期发送到各相应车辆，各车计算自车的期望加速度；步骤6，检测交通信号灯周期是否结束，若结束，则返回步骤2；反之，则返回步骤4。本发明能够优化交叉路口的配时以及车辆通过交叉路口的速度或加速度轨迹，并对交叉路口交通信号和驶向交叉路口的各车加速度进行控制。
-
公开(公告)号：CN120070836A
公开(公告)日：2025-05-30
申请号：CN202411941470.8
申请日：2024-12-26
Applicant: 清华大学
IPC: G06V10/22 , G06V20/56 , G06V10/26 , G06V10/62 , G06V20/64 , G06V10/82 , G06N3/088 , G06N3/0895 , G06V10/764
Abstract: 本申请涉及自动驾驶技术领域，特别涉及一种4D空间的动静态位姿同时估计方法及装置，其中，方法包括：识别两帧点云数据中的静态点和动态点，以从两帧点云数据中分离静态点和动态点，确定两帧静态点和两帧动态点；根据两帧静态点计算两帧点云数据间的帧间位姿，根据两帧动态点生成动态点云标签；基于帧间位姿和动态点云标签，估计目标物体在4D空间的动静态位姿。本申请可以分离点云数据中的动静态点，分别利用二者构建无监督静态点位姿估计网络模型和无监督场景流网络模型，实现无监督方式下计算出两帧点云的匹配关系，进而实现同时估计出静态物体和动态物体的的位姿信息，有助于自动驾驶系统更精确地理解和跟踪不同物体在场景中的位置。
-
公开(公告)号：CN120057020A
公开(公告)日：2025-05-30
申请号：CN202510333632.8
申请日：2025-03-20
Applicant: 清华大学
IPC: B60W50/00
Abstract: 本申请涉及一种用于计算基础平台的基于世界模型理解的端到端控制方法，其中，包括：获取当前车辆的多视角视频数据集、候选输入指令、地图信息和文本信息；根据多视角视频数据集生成多视角图像，并基于多视角图像、候选输入指令、地图信息和文本信息，根据预设的奖励函数，生成最优控制指令；根据多视角图像、地图信息、文本信息和最优控制指令生成多模态信息统一接口，并基于多模态信息统一接口对当前车辆进行端到端控制。由此，通过构建一个端到端的控制模型，直接从感知数据生成车辆控制信号，解决了现有技术难实现的由感知到控制的完全端到端自动驾驶、控制代价高和行驶风格不可定制等问题，提升了自动驾驶的效率。
-
Patent Agency Ranking
公开(公告)号：CN118358597B
公开(公告)日：2025-05-16
申请号：CN202410333512.3
申请日：2024-03-22
Applicant: 清华大学
Abstract: 本发明提供一种车道偏离预警系统安全运行关键参数测试方法和装置，包括：利用预设仿真算法模拟车道偏离预警系统并搭建仿真场景；基于所述模拟车道偏离预警系统和所述仿真场景，根据预先选择的测试类别通过测试类别‑待测关键参数映射关系选择相应的待测关键参数进行测试，为所述待测关键参数设置不同预设值，根据所述预设值进行车道偏离预警仿真，得到所述测试车辆在当前行驶状态下的关键参数相关数据；对所述关键参数相关数据进行分析，得到所述关键参数的安全阈值边界。本发明通过仿真算法对车道偏离预警系统安全运行关键参数进行测试，通过场景模拟计算关键参数的安全阈值边界，从而为解释性更高的车道偏离预警系统做出贡献。
-
公开(公告)号：CN119904839A
公开(公告)日：2025-04-29
申请号：CN202411973649.1
申请日：2024-12-30
Applicant: 清华大学
IPC: G06V20/58 , G06V10/44 , G06V10/40 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/0495
Abstract: 本申请涉及车辆技术领域，特别涉及一种轻量化3D占据栅格感知方法、装置、车辆及存储介质，其中，方法包括：基于轻量化网络提取多视角图像的稠密特征；对稠密特征进行自适应下采样得到稀疏特征令牌；根据相机的内外参数对特征令牌进行位置编码得到编码结果；根据编码结果和交叉注意力机制将多视角图像聚合到BEV特征图，提取融合后BEV特征图的网络特征，将网络特征输入占据栅格的预测头，预测头输出3D占据栅格的感知结果。由此，解决了相关技术模型体量较大，难以收敛，并且无法有效识别通用障碍物等问题。
-
公开(公告)号：CN119580298A
公开(公告)日：2025-03-07
申请号：CN202311155666.X
申请日：2023-09-07
Abstract: 本申请提供了一种行人轨迹预测方法及装置。其中，所述方法实现了一种基于隐性虚拟交互力场的行人轨迹预测方法，将虚拟交互力场的计算要素作为特征输入，并结合图神经网络计算邻接矩阵以进行轨迹预测；另外，本申请实施例利用多头注意力机制和图神经网络等深度学习模型，构建行人轨迹预测模型。相较于传统的基于学习的行人轨迹预测技术，本申请实施例拥有更强的可解释性；同时，隐性的虚拟交互立场计算方式，减少了不必要的计算量，提高模型运算效率和轨迹预测的实时性。
-
公开(公告)号：CN119274157A
公开(公告)日：2025-01-07
申请号：CN202411058047.3
申请日：2024-08-02
Applicant: 清华大学
Abstract: 本申请涉及自动驾驶技术领域，特别涉及一种基于2D监督的BEV 3D目标检测模型微调方法，其中，方法包括：将目标多视角图像输入至预训练3D目标检测模型和预训练2D目标检测模型，分别得到3D检测框预测输出结果和2D检测框预测输出结果，结合预设检测框投影策略，获取3D检测框预测输出结果对应的2D投影检测框，并和预设的2D检测框真值进行匹配，得到匹配结果；利用匹配结果和预设2D标注数据优化预训练3D目标检测模型的目标损失函数，以生成2D标注数据监督微调的3D目标检测微调模型。本申请可以在无法获取准确的深度信息时，通过2D信息监督微调的方式节约数据标注成本，提高模型部署速度，高效低成本地实现模型更新。
-
公开(公告)号：CN115629606B
公开(公告)日：2024-08-23
申请号：CN202211267448.0
申请日：2022-10-17
Applicant: 清华大学
Abstract: 本申请涉及智能网联汽车技术领域，特别涉及一种对抗信息下车辆的跟车控制方法、装置、车辆及存储介质，其中，方法包括：根据车辆的对抗信息建立车辆的控制系统模型，结合线性状态反馈控制律将车辆状态可达集的计算解耦为车辆差分可达集的计算与车辆参考轨迹变量的确定，从而迭代求得车辆差分可达集的数学表达式，并对线性状态反馈控制律进行优化，求解得到最优反馈矩阵序列；通过计算每一时刻车辆优化后的差分可达集得到相应的数值向量，并对车辆参考轨迹向量与数值向量耦合，计算得到最终差分可达集合，实现对车辆下一时刻跟车轨迹的预测。由此，解决了相关技术中的可达集计算方法存在计算效率不高、过近似计算，且未涉及到可达集的优化等问题。
-
-
-
-
-
-
-
-
-
Search Results
264
records
(took 0.044 seconds)
