一种适用于智能汽车的结构化道路场景生成方法

    公开(公告)号:CN116304608A

    公开(公告)日:2023-06-23

    申请号:CN202310154061.2

    申请日:2023-02-23

    Applicant: 清华大学

    Abstract: 本公开提供的适用于智能汽车的结构化道路场景生成方法,包括:选取基准道路场景结构,构建其“结点‑边”图结构模型,该模型中的结点包括与交叉路口相对应的中心结点和与道路场景结构的出入口相对应的端结点,该模型中的边用于连接结点,对应道路场景结构的出入口之间的相邻两向所有车道形成的路段;对“结点‑边”图结构模型中的结点和边进行随机化处理,生成随机化“结点‑边”图结构模型;判断随机化“结点‑边”图结构模型是否合规,若不合规,则重新生成随机化“结点‑边”图结构模型;将合规的随机化“结点‑边”图结构模型对应的道路场景结构输出。本公开可解决智能汽车在特定场景训练的驾驶策略泛化性能差、在线路径规划实时性差等问题。

    基于图神经网络的交通场景泛化理解方法及装置

    公开(公告)号:CN116245183A

    公开(公告)日:2023-06-09

    申请号:CN202310184279.2

    申请日:2023-02-28

    Applicant: 清华大学

    Abstract: 本申请涉及一种基于图神经网络的交通场景泛化理解方法及装置,其中,方法包括:获取原始交通场景智能体信息;基于原始交通场景智能体信息,构建子图节点和对应的特征向量并编码,生成经过编码的节点特征向量;利用经过编码的节点特征向量,构建动态有向图,并通过图卷积神经网络训练得到节点之间边的参数向量,以体现交通场景中各智能体以及环境之间的相互作用,形成场景理解图。由此,解决了相关技术中,基于物理规则指标的方法评价标准过于单一,无法处理复杂交互场景,基于大数据分布的统计方法时效性差,应对突发的交通事件无法做出实时评估,基于交互物理模型的方法需要针对特定场景进行参数调优与设计,不具备场景泛化性等问题。

    一种智能决策算法与仿真平台的联合互锁调用方法

    公开(公告)号:CN116070448A

    公开(公告)日:2023-05-05

    申请号:CN202310132213.9

    申请日:2023-02-09

    Applicant: 清华大学

    Abstract: 本申请提出了一种智能决策算法与仿真平台的联合互锁调用方法,涉及联合仿真技术领域,包括在智能决策算法处创建算法侧模块,在仿真平台处创建平台侧模块,并进行总初始化操作,其中,算法侧模块与平台测模块在同一个进程的两个线程内分别运行;分别对算法侧模块和平台侧模块进行重置操作,并重置共享上下文状态;分别对算法侧模块和平台侧模块进行步进操作,并借助共享上下文进行数据交换;在智能决策算法要求重置称为一个采样循环时,停止步进操作;反复执行采样循环直至智能决策算法运行结束。本申请在智能决策算法侧和仿真平台侧各部署一个功能模块,且仅依赖于少量线程同步原语,在同一进程内解决控制权冲突,保证了高通信效率,性能损失小。

    一种智能汽车连续时间最优决控模型构建及求解方法

    公开(公告)号:CN116011123A

    公开(公告)日:2023-04-25

    申请号:CN202310154088.1

    申请日:2023-02-23

    Applicant: 清华大学

    Abstract: 本公开提供的智能汽车连续时间最优决控模型构建及求解方法,包括:构建智能汽车连续时间最优决控模型,以自车的终端状态性能函数和从初始时刻至终端时刻的有限时域内的效用函数的连续时间积分作为目标函数,效用函数用于表达自车的综合性能,以智能汽车的连续时间动力学方程作为最优决控模型的运动约束,以参数化最优策略作为最优决控模型的输出;对最优决控模型进行迭代求解,每次迭代中,首先从初始时刻至终端时刻前向求解终端时刻的自车状态,然后从终端时刻至初始时刻后向求解策略梯度,并以梯度下降的方式更新参数化策略的参数,不断重复上述迭代过程直至参数化策略的参数收敛,得到最优参数化策略。本公开精度高、适用范围广、节省内存。

    基于云端大数据的电动车剩余里程预估方法和装置

    公开(公告)号:CN112818036B

    公开(公告)日:2022-12-30

    申请号:CN202110126871.8

    申请日:2021-01-29

    Applicant: 清华大学

    Abstract: 本申请提出一种基于云端大数据的电动车剩余里程预估方法和装置,涉及数据处理技术领域,其中,方法包括:接收预估请求,分别对车端和网络端进行数据采集,获取云端数据;对云端数据进行特征提取,获取特征信息;将特征信息输入已训练的剩余里程预估模型,获取剩余里程预估结果。由此,获取了更加多元化的行驶数据,结合天气、路况等环境信息,提取出更丰富的特征,利用更复杂高效云端模型来进行计算,提高预估结果的准确性和实时性。

    一种基于小样本的网络模型压缩云端服务方法和装置

    公开(公告)号:CN112906870B

    公开(公告)日:2022-10-18

    申请号:CN202110287729.1

    申请日:2021-03-17

    Applicant: 清华大学

    Abstract: 本申请提出了一种基于小样本的网络模型压缩云端服务方法,涉及车载压缩模型技术领域,其中,该方法包括:获取用户上传的数据信息,包括待压缩模型的信息、第一样本集合和压缩要求;根据所述待压缩模型的信息和所述压缩要求确定压缩方案,并根据所述第一样本集合生成第二样本集合,并计算所述第二样本集合中各个样本的初始置信度,根据所述压缩方案和所述各个样本的初始置信度对待压缩模型进行迭代式压缩优化,以获得初步压缩模型;根据所述第一样本集合对所述初步压缩模型进行微调,以得到目标压缩模型。采用上述方案本发明在保证模型准确率的前提下,降低模型的计算量,通过云端和互联网搜索,避免对人为设定的依赖和上传大数据集所造成的消耗和不便利。

    一种车载视觉实时多目标多任务联合感知方法和装置

    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。

    实现紧急靠边停车的运动规划方法及装置

    公开(公告)号:CN115140099A

    公开(公告)日:2022-10-04

    申请号:CN202210960832.2

    申请日:2022-08-11

    Applicant: 清华大学

    Abstract: 本申请公开了一种实现紧急靠边停车的运动规划方法及装置,其中,方法包括:根据感知信息评估当前交通态势,并建立行车风险场,计算各点风险场强大小和方向;基于各点风险场强大小和方向得到自车处风险场强,并评估他车意图,以根据他车意图决策是否执行紧急靠边停车的运动规划策略;以及在执行紧急靠边停车的运动规划策略时,基于由车辆运动学约束和自车的机械结构得到的约束条件进行约束的同时,基于PID规划自车的速度,直至完成紧急靠边停车。由此,解决了相关技术中,运动规划无法与自主决策相适应,从而难以保证在司机失能情况下,控制车辆紧急靠边停车的安全性和高效性的技术问题。

    道路交通系统风险辨识的方法、设备及存储介质

    公开(公告)号:CN112861356B

    公开(公告)日:2022-09-27

    申请号:CN202110182856.5

    申请日:2021-02-10

    Applicant: 清华大学

    Abstract: 本申请提供一种道路交通系统风险辨识的方法、设备及存储介质。本申请的方法,通过根据预设的基准时刻,基于突变理论,构建以基准时刻的控制变量和安全状态变量为基准的道路交通系统的尖点势函数动力学模型;基于尖点势函数动力学模型,构建以基准时刻的控制变量和安全状态变量为基准的交通系统风险模型,根据道路交通系统在当前时刻的交通环境要素信息预测未来的第一时刻的交通环境要素信息,根据第一时刻的交通环境要素信息,利用交通系统风险模型,判断道路交通系统在第一时刻是否处于不稳定状态,能够及时地预测未来一段时间内道路交通系统不稳定的时刻,并及时预警,可以避免交通事故的发生,能够提高道路交通系统的稳定性和安全性。

    基于轨迹预测的行人防撞保护方法、装置、设备及介质

    公开(公告)号:CN114940166A

    公开(公告)日:2022-08-26

    申请号:CN202210483601.7

    申请日:2022-05-05

    Applicant: 清华大学

    Abstract: 本申请公开了一种基于轨迹预测的行人防撞保护方法、装置、设备及介质,其中,方法包括:获取目标行人的行人姿态和行人速度;根据行人姿态和行人速度识别目标行人的行人行为,并由行人行为推理目标行人的行人意图;根据行人行为和行人意图生成目标行人的意图轨迹,并对比意图轨迹和车辆行驶轨迹,在对比结果满足碰撞条件时,控制车辆对驾驶员和/或目标行人发送碰撞警示。建立了行人行为、行人意图、行人与环境交互过程,将行人行为与行人意图融合到行人轨迹预测,基于行人轨迹预测结果进行决策,由此,解决了相关技术基于行人检测结果进行决策,无法适应行人复杂运动变化的问题。

Patent Agency Ranking