-
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
IPC: G06F30/15 , G06F30/20 , G06F119/02
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。
-
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。
-
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。
-
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。
-
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
IPC: B60W60/00
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。
-
Patent Agency Ranking
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
IPC: G06F30/20 , G06F119/14
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。
-
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。
-
公开(公告)号：CN114663812A
公开(公告)日：2022-06-24
申请号：CN202210303609.0
申请日：2022-03-24
Applicant: 清华大学
Abstract: 本申请涉及多目标跟踪技术领域，特别涉及一种基于多维注意力机制的联合检测与跟踪方法、装置及设备，其中，方法包括：对当前帧的当前时刻图像进行特征提取与融合处理，生成原始特征图；基于原始特征图，生成解耦特征图，并利用解耦特征执行预设检测任务和跟踪任务，获取当前帧的检测结果和跟踪目标特征；以及以当前帧的检测结果、跟踪目标特征和历史轨迹中的目标特征为输入，构建多特征级联跟踪器，生成最终的检测和跟踪结果。由此，解决了在联合检测和跟踪任务中不同尺度目标的跨时空提取问题以及在不同任务中的特征解耦等问题，通过构建多特征级联跟踪器，增强了跟踪算法在复杂场景中的鲁棒性。
-
公开(公告)号：CN114548674A
公开(公告)日：2022-05-27
申请号：CN202210051131.7
申请日：2022-01-17
Applicant: 清华大学
IPC: G06Q10/06
Abstract: 本申请涉及威胁态势评估技术领域，特别涉及一种面向多智能体对抗场景的威胁态势评估方法、装置及设备，方法包括：获取多智能体的智能体信息和环境信息并分解瞄准过程、躲避过程和破坏过程中的对抗行为；利用预先训练的威胁能量模型由分解的对抗行为得到在任一时刻下对抗场景中所有一方的参与对抗的智能体对于任一区域的威胁能量，并基于威胁能量评估威胁态势。由此，解决了相关技术中威胁态势评估的泛化性差、无法形成统一量化的评估方法且无法适应复杂环境导致难以对当前态势做出准确快速的判断等问题，通过对多智能体对抗行为的本质分析，从量化的多种因素着手，以高精度确立体融合感知结果作为输入，从而快速精准的获得威胁态势评估方法。
-
公开(公告)号：CN114475608A
公开(公告)日：2022-05-13
申请号：CN202210381728.8
申请日：2022-04-13
Applicant: 清华大学
Abstract: 本申请涉及自动驾驶技术领域，特别涉及一种自动驾驶车辆的拟人化换道方法、装置、车辆及存储介质，其中，方法包括：获取本车和目标车道上相邻的前、后车车速，以及前、后车与本车的纵向间距；根据本车与前后车之间的车速差和间距模糊匹配本车加速度强度和后车减速度强度，并采样得到加、减速度对，根据加减速度对计算本车进行强制换道时的安全换道间距集合，筛选得到最佳加减速度对和相应的可接受间距，对本车进行横向规划和纵向规划后进行耦合，生成本车的目标换道轨迹，且利用目标换道轨迹控制本车执行强制换道动作。由此，解决了相关技术中自动驾驶车辆强制换道时动态适应不同的换道间距难，且保持决策和规划步骤中驾驶风格一致性难等问题。
-
-
-
-
-
-
-
-
-
Search Results
579
records
(took 0.069 seconds)
