-
公开(公告)号：CN111257853B
公开(公告)日：2022-04-01
申请号：CN202010026386.9
申请日：2020-01-10
Applicant: 清华大学
IPC: G01S7/497
Abstract: 本发明公开了一种基于IMU预积分的自动驾驶系统激光雷达外参估计方法，其目的是：基于自动驾驶系统原有车载传感器，提供一种端到端的激光雷达外参在线标定方法，避免复杂的数学模型推导和优化，利用深度卷积神经网络的数据分析能力处理激光雷达的点云数据和车辆状态轨迹数据，在线实时估计出激光雷达的外参误差，从而实现对激光雷达外参的实时修正，提升自动驾驶系统环境感知功能的准确性和稳定性，保证自动驾驶系统的行车安全。
-
公开(公告)号：CN111142091B
公开(公告)日：2021-12-24
申请号：CN202010026379.9
申请日：2020-01-10
Applicant: 清华大学
Abstract: 本发明公开了一种融合车载信息的自动驾驶系统激光雷达在线标定方法，其目的是：提供一种端到端的激光雷达外参在线标定方法，避免复杂的数学模型推导和优化，避免使用额外设备，利用深度卷积神经网络的数据分析能力处理激光雷达的点云数据和车辆ECU数据，在线实时估计出激光雷达的外参误差，从而实现对激光雷达外参的实时修正，提升自动驾驶系统环境感知功能的准确性和稳定性，保证自动驾驶系统的行车安全。
-
公开(公告)号：CN109738205B
公开(公告)日：2020-06-30
申请号：CN201910020502.3
申请日：2019-01-09
Applicant: 清华大学
IPC: G01M17/007 , G06F30/15 , G06F30/20
Abstract: 本发明公开了一种集成车辆自动紧急制动与安全气囊系统的乘员防护方法，包括如下步骤：步骤一，建立乘员约束系统基准模型；步骤二，对步骤一建立的基准模型的损伤指标进行试验；步骤三，利用SVM模型预测乘员头部位置；步骤四，对步骤三中预测出来的乘员头部位置的准确性进行判断；步骤五，在发生碰撞事故时，利用步骤四中选取的最优保护区域作为约束条件，同时设定自动紧急制动减速度约束条件。本发明的集成车辆自动紧急制动与安全气囊系统的乘员防护方法，通过步骤一至步骤五的设置，便可有效的实现通过建立模型，然后进行损伤预测以后输出最优的控制参数至汽车的刹车系统内，使得汽车的刹车系统能够对碰撞事故中未系安全带乘员的防护。
-
公开(公告)号：CN111323069A
公开(公告)日：2020-06-23
申请号：CN202010207680.X
申请日：2020-03-23
Applicant: 清华大学
Abstract: 一种基于深度强化学习的多传感器标定方法及系统，该专利提供一种基于深度神经网络和强化学习的多模型目标状态预测方法，有效应对多模型融合的复杂的强非线性环境表达与目标状态长时间预测问题，有助于提高目标状态预测精度和预测时长，实现多模型融合的在线参数自修正。该专利提供的标定方法具有优势：1）自适应环境场景变化，自调节多模型目标状态预测参数；2）提高目标状态预测精度；3）提高目标状态预测时间长度；4）在线自学习多模型预测参数，提高动态场景下目标状态预测精度。
-
公开(公告)号：CN106781435B
公开(公告)日：2019-12-10
申请号：CN201611163593.9
申请日：2016-12-15
Applicant: 清华大学
IPC: G08G1/00
Abstract: 本发明涉及一种基于无线通信的非信控交叉路口车辆编队通行方法，其步骤：网联车辆驶近非信控交叉路口时，利用无线通信将自身的身份编号、位置、速度和加速度信息进行广播；服务平台获取所有网联车辆的身份编号、位置、速度和加速度信息，确定每个网联车辆的虚拟前车，并将每个网联车辆的虚拟前车所对应真实车辆的身份编号进行广播；每个网联车辆获取自身的虚拟前车所对应真实车辆的身份编号,进而依据该身份编号获取虚拟前车所对应真实车辆的位置、速度和加速度信息，并进行坐标转换，变为等效前车，自动控制车辆跟踪等效前车，直至驶离交叉路口。本发明可大幅避免车辆在非信控交叉路口的减速、停车和起步过程，减小通行时间，提高非信控交叉路口的通行效率，同时降低对通信的需求。
-
Patent Agency Ranking
公开(公告)号：CN111323069B
公开(公告)日：2021-08-24
申请号：CN202010207680.X
申请日：2020-03-23
Applicant: 清华大学
Abstract: 一种基于深度强化学习的多传感器标定方法及系统，该专利提供一种基于深度神经网络和强化学习的多模型目标状态预测方法，有效应对多模型融合的复杂的强非线性环境表达与目标状态长时间预测问题，有助于提高目标状态预测精度和预测时长，实现多模型融合的在线参数自修正。该专利提供的标定方法具有优势：1）自适应环境场景变化，自调节多模型目标状态预测参数；2）提高目标状态预测精度；3）提高目标状态预测时间长度；4）在线自学习多模型预测参数，提高动态场景下目标状态预测精度。
-
公开(公告)号：CN111243296B
公开(公告)日：2020-11-27
申请号：CN202010040259.4
申请日：2020-01-15
Applicant: 清华大学
Abstract: 本发明公开了一种基于合流时间优化的匝道合流协同控制方法及系统，该方法包括：步骤1，按照各个智能网联车辆驶入匝道合流区域的先后顺序进行编号；步骤2，当智能网联车辆驶入匝道合流区域时，计算抵达匝道口合流处的参考合流时间、最早合流时间和实际合流时间；步骤3，每辆智能网联车辆利用无线通信将自身的身份编号、位置信息及行驶至匝道口合流处的实际合流时间向其它智能网联车辆进行广播；步骤4，构造每辆智能网联车辆实际合流时间的优化问题；步骤5，更新自身的实际合流时间，直至收敛；步骤6，即控制自车速度于收敛所得的实际合流时间通过匝道口合流处。本发明可实现对智能网联车辆合流时间的优化，提升匝道合流的安全性和通行效率。
-
公开(公告)号：CN111753411A
公开(公告)日：2020-10-09
申请号：CN202010532373.9
申请日：2020-06-12
Applicant: 清华大学
IPC: G06F30/20 , G06F119/02
Abstract: 本发明公开了一种考虑边云协同的云应用可靠性评估方法，包括如下步骤：步骤S1：基于组件间的分层依赖关系建立有向无环图模型；步骤S2：基于各组件的历史故障信息计算其可靠性；步骤S3：基于组件的故障分布采用蒙特卡洛仿真对其进行可靠性仿真；步骤S4：根据有向无环图模型中各组件的仿真状态确定云应用的状态；步骤S5：重复步骤S3和步骤S4，直到满足结束条件。本发明的考虑边云协同的云应用可靠性评估方法，通过上述步骤S1至S5的设置，便可有效的实现对于云应用的可靠性进行评估了。
-
公开(公告)号：CN111257853A
公开(公告)日：2020-06-09
申请号：CN202010026386.9
申请日：2020-01-10
Applicant: 清华大学
IPC: G01S7/497
Abstract: 本发明公开了一种基于IMU预积分的自动驾驶系统激光雷达外参估计方法，其目的是：基于自动驾驶系统原有车载传感器，提供一种端到端的激光雷达外参在线标定方法，避免复杂的数学模型推导和优化，利用深度卷积神经网络的数据分析能力处理激光雷达的点云数据和车辆状态轨迹数据，在线实时估计出激光雷达的外参误差，从而实现对激光雷达外参的实时修正，提升自动驾驶系统环境感知功能的准确性和稳定性，保证自动驾驶系统的行车安全。
-
公开(公告)号：CN111142091A
公开(公告)日：2020-05-12
申请号：CN202010026379.9
申请日：2020-01-10
Applicant: 清华大学
Abstract: 本发明公开了一种融合车载信息的自动驾驶系统激光雷达在线标定方法，其目的是：提供一种端到端的激光雷达外参在线标定方法，避免复杂的数学模型推导和优化，避免使用额外设备，利用深度卷积神经网络的数据分析能力处理激光雷达的点云数据和车辆ECU数据，在线实时估计出激光雷达的外参误差，从而实现对激光雷达外参的实时修正，提升自动驾驶系统环境感知功能的准确性和稳定性，保证自动驾驶系统的行车安全。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.025 seconds)
