-
公开(公告)号：CN118358597A
公开(公告)日：2024-07-19
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：CN118280116A
公开(公告)日：2024-07-02
申请号：CN202410477707.5
申请日：2024-04-19
Applicant: 清华大学 , 北京嘀嘀无限科技发展有限公司
Abstract: 本申请涉及一种交通环境安全态势的评估方法、装置、车辆及存储介质，其中，方法包括：结合车辆当前行驶道路的道路数据、相对感知数据构建车辆的安全场基本场强模型，并基于安全场基本场强模型确定任一单一风险源在车辆的多个目标位置点产生的场强，计算任一单一风险源衰减后的实际场强，并在风险源为多个的情况下，叠加多个风险源分别在每个目标位置点产生的实际场强，得到每个目标位置点对应的风险场强，以评估车辆在当前交通环境下的安全态势。由此，解决了相关技术中，考虑的风险因素不全面、适用场景单一、无法面对复杂多变的交通环境，导致难以支撑车辆进行智能化决策与控制，影响驾驶体验的技术问题。
-
公开(公告)号：CN114677555B
公开(公告)日：2024-06-28
申请号：CN202210200266.5
申请日：2022-03-02
Applicant: 清华大学
IPC: G06V10/774 , G06V10/80 , G06N3/0464
Abstract: 本申请涉及车辆技术领域，特别涉及一种迭代优化式的端到端智能车辆感知方法、装置及电子设备，方法包括：获取智能车辆的感知信息；将感知信息输入至迭代优化后的端对端网络，执行检测任务、跟踪任务和预测任务，同时得到检测结果、跟踪结果和预测结果，其中，端对端网络包括多目标检测网络、多目标跟踪网络和多目标轨迹预测网络；以及基于检测结果、跟踪结果和预测结果获取端到端智能车辆的感知结果。由此，解决了跟踪、检测及预测三类感知任务相互依赖、算法独立、协同性较低及遮挡带来的目标丢失等问题，通过端到端的检测跟踪、三类感知模块一体化和迭代优化方案的实施，提高了被遮挡物的跟踪率、跟踪结果的鲁棒性以及感知方案的实时性和精度。
-
公开(公告)号：CN118012495A
公开(公告)日：2024-05-10
申请号：CN202410032227.8
申请日：2024-01-09
Applicant: 清华大学
Abstract: 本申请涉及一种智能驾驶计算平台功能软件重构和可视化方法及装置，其中，方法包括：按照预设分析顺序分析目标智能驾驶源代码的函数架构，得到函数树；重构目标智能驾驶源代码，得到目标计算机语言代码，并根据函数树、预设测试顺序等判断其与目标智能驾驶源代码和目标计算机语言代码的执行功能是否一致；当目标智能驾驶源代码和目标计算机语言代码的执行功能一致时，对目标计算机语言代码进行前端集成图形化处理，生成可视化目标计算机语言代码，并将其部署在相应硬件平台中。由此，解决了现有自动驾驶技术核心算法迁移到C++难度较大，且其开发效率、集成效率和验证效率较低；此外，当前行业缺乏统一标准，较难提炼共性技术赋能行业发展等问题。
-
公开(公告)号：CN116968730B
公开(公告)日：2024-03-19
申请号：CN202310755780.X
申请日：2023-06-25
Applicant: 清华大学
IPC: B60W30/095 , B60W50/00 , B60W60/00
Abstract: 本申请涉及一种高风险场景下驾驶人风险响应与主动决策方法及装置，包括：根据所获取的满足风险条件的场景下多个驾驶人眼动的时空特征信息，确定多个驾驶人的视觉注意特性，基于根据视觉注意特性和视网膜成像原理确定的多个驾驶人风险认知的感知特性，获取多个驾驶人风险认知的视觉注意力累积信息，根据基于视觉注意力累积信息所构建的表征驾驶人决策操纵行为的驾驶人漂移扩散决策模型，量化输出每个驾驶人驾驶过程风险响应和主动决策。由此，解决现有模型应用过程中难以充分解释人类风险认知行为产生机理，且未量化道路条件和车辆属性等因素对驾驶人风险响应与主动决策产生的影响等问题，对实现个性化自动驾驶、促进道路交通安全具有重要意义。
-
Patent Agency Ranking
公开(公告)号：CN117671946A
公开(公告)日：2024-03-08
申请号：CN202311632939.5
申请日：2023-11-30
Applicant: 清华大学
Abstract: 本申请涉及一种基于混合交通场景的车辆协同决策方法及装置，其中，方法包括：确定当前混合交通场景中每个混合队列的人工驾驶车辆跟车距离、队列间隔和稳定跟车状态，并结合预设的混合队列初态条件构建队列运动学模型，以计算混合队列收敛时间；确定当前交叉路段的全人工驾驶车辆排队时间，并生成每个混合队列的有向冲突图，以构建通信拓扑构型的深度优先生成树，且基于预设矩阵形式对其进行表征，同时构建线性反馈控制器，以根据通信拓扑构型的深度优先生成树控制车辆通过当前交叉路段。由此，解决了现有的混合队列分析仅面向固定配时信号灯场景，普适性较差，计算复杂度较高，难以满足实时应用的需求，极大限制了交通效率的提升和改善等问题。
-
公开(公告)号：CN117012075A
公开(公告)日：2023-11-07
申请号：CN202310980927.5
申请日：2023-08-04
Applicant: 清华大学 , 上海国际港务(集团)股份有限公司
Abstract: 本申请涉及一种将驾驶员因素引入微缩实验平台的系统及方法，包括：微缩车辆、数字孪生主机和驾驶模拟器，其中，微缩车辆发送状态信息至数字孪生主机；数字孪生主机接收微缩车辆发送的状态信息，并根据状态信息考虑延时计算微缩车辆的当前实际状态，渲染对应车辆驾驶员视角并传输至驾驶模拟器的屏幕；驾驶模拟器采集驾驶员基于驾驶模拟器的屏幕上交通场景做出的驾驶反应，并将驾驶反应发送至微缩车辆，使得微缩车辆基于驾驶反应执行对应的控制动作。由此，解决了相关技术中，无法体现驾驶员的随机驾驶行为，无法获得驾驶员在特定混合交通场景下的真实驾驶反应，且与驾驶员日常驾驶的真实交通环境有很大差别，无法获得驾驶员真实驾驶反应等问题。
-
公开(公告)号：CN114084155B
公开(公告)日：2023-10-20
申请号：CN202111349214.6
申请日：2021-11-15
Applicant: 清华大学
Abstract: 本申请涉及涉及一种预测型智能汽车决策控制方法、装置、车辆及存储介质，方法包括：基于地图信息和交通参与者的历史轨迹，对周围交通参与者建立预测模型，并利用有标签的数据集对预测模型进行参数初始化，生成初始周车运动预测模型；以智能汽车的驾驶目标作为优化对象，根据与环境的不断交互数据循环更新初始周车运动预测模型，生成最终周车运动预测模型；将最终周车运动预测模型嵌入智能汽车的决策控制系统，使得决策控制系统根据最终周车运动预测模型预测的周车运动生成对应的决策控制指令，并控制智能汽车执行决策控制指令，从而通过迭代模型驱动的自进化式策略评估与策略提升过程，实现智能车辆预测型最优策略求解方案。
-
公开(公告)号：CN116513236A
公开(公告)日：2023-08-01
申请号：CN202310457489.4
申请日：2023-04-24
Applicant: 清华大学 , 北京嘀嘀无限科技发展有限公司
IPC: B60W60/00 , B60W30/095 , B60W50/00
Abstract: 本申请涉及一种基于行车风险场的自适应车辆全向驾驶辅助方法及装置，其中，方法包括：采集目标车辆的行驶轨迹，基于预设方式对行驶轨迹进行规划，生成多个候选轨迹，并根据预设筛选策略对多个候选轨迹进行筛选，得到候选轨迹簇；基于由势能风险场建立的行车风险评估模型和预设损失函数对候选轨迹簇中的每条候选轨迹进行评价，得到评价结果满足预设要求的目标轨迹；学习目标轨迹对应的损失函数的权重参数，以进行车辆全向辅助驾驶的自适应学习。由此，解决了现有自适应驾驶辅助技术功能相互孤立，应用场景单一等问题。
-
公开(公告)号：CN111310574B
公开(公告)日：2022-10-14
申请号：CN202010054709.5
申请日：2020-01-17
Applicant: 清华大学
Abstract: 本发明公开了一种车载视觉实时多目标多任务联合感知方法和装置。所述方法包括下述步骤：步骤S1，利用深度卷积网络特征提取器(4)对车载单目相机采集的单帧图像(5)进行图像特征提取；步骤S2，基于步骤S1提取的图像特征，预测各目标的类别及其在图像坐标系中的二维位置；步骤S3，基于步骤S1提取的图像特征以及步骤S2的检测结果，估计对于各目标进行三维重建所需要的三维位置、观测朝向和尺寸信息，包括估计各目标三维中心在世界坐标系中的纵向距离、目标三维中心在图像平面的投影位置、目标的观测角度值及目标真实三维尺寸偏差值；步骤S4，道路分割：基于步骤S1提取的图像特征，输出所述单帧图像的场景中的道路分割结果。
-
-
-
-
-
-
-
-
-
Search Results
262
records
(took 0.043 seconds)
