-
公开(公告)号：CN107798870B
公开(公告)日：2019-10-22
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：CN105631440A
公开(公告)日：2016-06-01
申请号：CN201610095187.7
申请日：2016-02-22
Applicant: 清华大学
CPC classification number: G06K9/00362 , G06K9/6256 , G06K9/6267 , G06K2209/21 , G06N3/02
Abstract: 本发明公开了一种易受伤害道路使用者联合检测的方法，包括离线训练阶段和在线目标检测阶段，其中：所述离线训练阶段包括：1)建立易受伤害道路使用者数据库，该数据库分为训练样本集和测试样本集；2)根据所述训练样本集构建能够从背景中分辨易受伤害道路使用者目标的VRU检测器；所述在线目标检测阶段包括：3)利用所述VRU检测器对所述测试样本集中的目标进行分类和定位并输出检测结果。本发明可用于先进驾驶辅助系统中易受伤害道路使用者的保护，也可为无人驾驶车辆的决策提供帮助。
-
Patent Agency Ranking
公开(公告)号：CN111291786B
公开(公告)日：2022-10-25
申请号：CN202010054543.7
申请日：2020-01-17
Applicant: 清华大学
IPC: G06V10/774 , G06V10/764 , G06V20/64 , G06V20/58 , G06V10/82 , G06N3/04 , G06T7/285
Abstract: 本发明公开了一种车载视觉实时多目标航向角估计方法及装置，该方法包括：步骤1，采用离线数据集事先训练好的单阶段二维目标检测模型YOLOv3提取输入的单目单帧图像的深度卷积神经网络特征图；步骤2，在深度卷积神经网络特征图上进行二维目标的优化定位，并对车辆、行人和骑车人三类交通道路参与者多目标进行分类优化，输出目标框所对应目标的二维位置和类别；步骤3，根据深度卷积神经网络特征图、目标的二维位置和类别，通过直接回归该目标的连续观测角度α，分别得到观测角度α的正弦值sinα和余弦值cosα，考虑角度的周期性同时平方和约束正弦值sinα和余弦值cosα，最终获得目标相对自车的观测角度α的唯一确定值。本发明能够在车辆行驶过程中准确实时地估计车载目标在世界坐标系下的观测，为车载目标的轨迹预测和智能车辆的碰撞预警提供依据。
-
公开(公告)号：CN110599521B
公开(公告)日：2022-02-15
申请号：CN201910838347.6
申请日：2019-09-05
Applicant: 清华大学
IPC: G06T7/246
Abstract: 本发明公开了一种生成易受伤害道路使用者轨迹预测模型的方法及相应的预测方法。生成轨迹预测模型包括下述步骤：步骤S1：获取训练集，训练集包括已标记的N+M帧时间上连续的图像；步骤S2：从训练集中连续的N+M帧图像中根据每个目标真值的跟踪ID序号筛选训练样本，具有相同跟踪ID序号的同一目标的训练样本为一组；步骤S3：提取时空多线索特征，得到训练输入向量Xjt+k和训练输出向量Yjt+k；步骤S4：生成模型，将所述训练输入向量Xjt+k和训练输出向量Yjt+k输入至采用了自适应双参数激活函数的门控循环单元神经网络，采用预先设计的损失函数进行模型训练，生成易受伤害道路使用者轨迹预测模型。
-
公开(公告)号：CN109829386A
公开(公告)日：2019-05-31
申请号：CN201910007212.5
申请日：2019-01-04
Applicant: 清华大学
Abstract: 本发明公开了一种基于多源信息融合的智能车辆可通行区域检测方法，该方法包括：S100，采集车载传感器检测到的车辆周围的障碍物目标信息，输出静态障碍物目标库；S200，接收车辆周围的障碍物目标信息，将由车载传感器检测到的障碍物目标信息进行时空同步，再将所有检测到的车辆周围的障碍物信息进行单帧目标融合，利用运动预测和多帧目标关联进行连续帧间的多目标跟踪，输出动态障碍物目标库；S300，接收静态障碍物目标库和S200输出的动态障碍物目标库，并根据静态障碍物目标库的信息更新动态障碍物目标库，形成实时的障碍物目标信息，生成可通行区域。本发明能够在车辆行驶过程中准确获取车辆周围障碍物的位置、尺度、类别和运动信息以及二值化栅格化地图，跟踪多目标的运动轨迹，形成包括二值化栅格化地图和动态障碍物信息实时更新的智能车辆可通行区域。
-
公开(公告)号：CN105631440B
公开(公告)日：2019-01-22
申请号：CN201610095187.7
申请日：2016-02-22
Applicant: 清华大学 , 重庆长安汽车股份有限公司
Abstract: 本发明公开了一种易受伤害道路使用者联合检测的方法，包括离线训练阶段和在线目标检测阶段，其中：所述离线训练阶段包括：1)建立易受伤害道路使用者数据库，该数据库分为训练样本集和测试样本集；2)根据所述训练样本集构建能够从背景中分辨易受伤害道路使用者目标的VRU检测器；所述在线目标检测阶段包括：3)利用所述VRU检测器对所述测试样本集中的目标进行分类和定位并输出检测结果。本发明可用于先进驾驶辅助系统中易受伤害道路使用者的保护，也可为无人驾驶车辆的决策提供帮助。
-
公开(公告)号：CN106428000B
公开(公告)日：2018-12-21
申请号：CN201610806022.6
申请日：2016-09-07
Applicant: 清华大学 , 重庆长安汽车股份有限公司
IPC: B60W30/095 , B60W40/04
Abstract: 本发明公开了一种车辆速度控制装置和方法，所述车辆速度控制装置包括：环境感知及融合模块，用于检测车辆行驶前方时横穿马路的行人信息，输出横穿马路的行人信息；行人横穿马路行为认知模块，用于接收横穿马路的行人信息，再根据接收到的横穿马路的行人信息结合动态时间序列信息以及车辆与行人的相互影响作用，输出行人行为认知信息；自动驾驶决策模块，用于接收环境信息、行人行为认知参数，并给出车辆当前通行速度，输出车辆当前通行速度。本发明能够在车辆行驶过程中准确识别车辆前方行人目标，预测行人意图，实时判断并做出合理的决策，实现自动驾驶车辆在行人横穿马路时的自主识别及决策，使得车辆安全、通畅地避让横穿马路的行人。
-
-
-
-
-
-
Search Results
27
records
(took 0.022 seconds)
