-
公开(公告)号：CN104527647A
公开(公告)日：2015-04-22
申请号：CN201410777017.8
申请日：2014-12-15
Applicant: 清华大学
IPC: B60W40/08 , B60W40/105 , B60W40/107 , B60W40/109 , B60W40/00 , B60W50/14
CPC classification number: B60W40/09 , B60W40/105 , B60W40/107 , B60W40/109 , B60W50/14 , B60W2520/10 , B60W2520/105 , B60W2520/12 , B60W2520/125 , B60W2540/18
Abstract: 本发明涉及一种驾驶行为危险度监测评估方法，属于汽车主动安全技术领域，该方法包括：实时采集方向盘转角、车速、纵向加速度、横向加速度；将实时采集到的数据按时间先后排列成数据序列；根据车辆状态参数和驾驶员操作参数信息分别对加速、制动、超速、车道保持、换道的驾驶危险度进行监测评估；根据在时间窗宽范围内得到的各危险度指标进行当前时刻的总体驾驶危险度综合监测评估，得到当前时刻综合监测评估值。将得到的综合监测评估值通过在线实时预警的人机交互方式实现与驾驶员之间的沟通，从而达到提升驾驶安全质量，减少道路交通事故的目的。
-
公开(公告)号：CN101614754A
公开(公告)日：2009-12-30
申请号：CN200910158547.3
申请日：2009-07-10
Applicant: 清华大学
IPC: G01P15/00 , B60Q5/00 , G05B19/048 , G05B19/042
Abstract: 本发明涉及货车偏载动态检测方法及报警系统，它包括以下步骤：1)设置一货车偏载动态检测报警系统，其包括一包括有左、右侧加速度传感器的信号感知单元、一包括有单片机的信息采集控制单元和一报警提示单元；单片机包括二A/D转换电路和一偏载动态检测模块，偏载动态检测模块中预置有偏载报警阈值及报警范围；2)左、右侧加速度传感器采集货车左、右侧加速度信号；3)偏载动态检测模块计算出货车偏载系数；4)偏载动态检测模块依据计算出的货车偏载系数与预置的偏载报警阈值的差值，并结合预置的偏载报警范围，向报警提示单元发出相应的报警信号；5)偏载动态检测模块完成偏载报警后，返回步骤2)。本发明可靠性高、应用广泛并能够在货车运输过程中主动、准确、及时提供货车偏载的报警信息。
-
公开(公告)号：CN120070728A
公开(公告)日：2025-05-30
申请号：CN202411941300.X
申请日：2024-12-26
Applicant: 清华大学
Abstract: 本申请涉及自动驾驶技术领域，特别涉及一种基于点云稠密化的深度补全方法方法及装置，其中，方法包括：获取目标场景的激光点云数据以及与激光点云数据同一时间戳下的目标图像，预处理激光点云数据和目标图像；基于预处理后的激光点云数据和目标图像，构建目标3D高斯溅射模型；基于目标场景和目标3D高斯溅射模型，输出三维重建后的稠密点云，以得到目标场景的点云稠密化的三维重建点云图，根据三维重建点云图确定目标场景的相机深度图。本申请可以利用激光点云数据和多个视角的图像构建目标3D高斯溅射模型完成深度补全，使得得到的相机深度图细致且逼真，减小了显示设备标定带来的误差的同时具有较强的泛化能力。
-
公开(公告)号：CN120014213A
公开(公告)日：2025-05-16
申请号：CN202411810882.8
申请日：2024-12-10
Applicant: 清华大学
IPC: G06V10/10 , G06V10/40 , G06V10/56 , G06V10/52 , G06V10/82 , G06N3/0455 , G06N3/084 , G06N3/0895
Abstract: 本申请涉及车辆技术领域，特别涉及一种360度点云稠密化方法、装置、车辆及存储介质，其中，方法包括：将多个相机的单视视图拼接为360度环视视图；将雷达点云投影到多个相机的图像坐标系得到360度环视视图对应的稠密深度图，对稠密深度图稀疏化得到稀疏深度图；基于360度环视视图和稀疏深度图提取交叉引导特征，根据交叉引导特征和自引导特征迭代更新稠密深度图，自引导特征为从每次迭代更新后的稠密深度图提取的特征图；在迭代更新完成稠密深度图后得到360度环视深度图，将360度环视深度图反投影至雷达坐标系得到稠密化后的360度点云。由此，解决了相关技术难以解决多个相机之间视角交叠区域的一致性，且存在场景泛化性等问题。
-
公开(公告)号：CN119599088A
公开(公告)日：2025-03-11
申请号：CN202411432359.6
申请日：2024-10-14
Applicant: 清华大学
Abstract: 本申请涉及自动驾驶技术领域，特别涉及一种面向端到端自动驾驶的安全强化学习训练方法及装置，其中，方法包括：基于预设驾驶环境模型和不确定性约束衰减函数，检测车辆的当前决控策略的安全状态；利用预设集成模型拟合预设驾驶环境模型的分散随机误差；根据价值函数的自洽条件更新价值函数，评估当前决控策略的性能价值；根据不确定性约束衰减函数的自洽条件，更新不确定性约束衰减函数，扩展对应的可行区域；在安全状态达到预设等级时，基于随机误差、性能价值和扩展后的可行区域对当前决控策略进行迭代更新，直至当前决控策略的平均累计回报达到预设阈值或者达到最大迭代次数，得到最终可行决控策略，以强化目标自动驾驶系统。
-
Patent Agency Ranking
公开(公告)号：CN119512079A
公开(公告)日：2025-02-25
申请号：CN202411494398.9
申请日：2024-10-24
IPC: G05D1/43 , G05D1/644 , G05D109/10
Abstract: 本发明提供一种面向机器人智能控制的平滑强化学习方法及装置，涉及机器人智能控制技术领域。该方法包括：获取当前时刻机器人的环境观测样本信息；根据当样本信息，构建平滑强化学习控制模型；根据样本信息，构建控制模型的奖励函数；采用机器人的离散时间运动学方程，构建控制模型的约束条件；将样本信息、奖励函数以及约束条件输入控制模型中进行在线训练，获得当前时刻机器人的平滑控制动作；构造控制模型的目标函数；根据目标函数对控制模型进更新，获得更新后的控制模型；根据平滑控制动作，获得下一时刻的观测样本信息，输入更新后的控制模型中，获得下一时刻机器人平滑控制动作。采用本发明可使机器人完成高实时且高精度的平滑控制任务。
-
公开(公告)号：CN118840534A
公开(公告)日：2024-10-25
申请号：CN202410717153.1
申请日：2024-06-04
Applicant: 清华大学
IPC: G06V10/25 , G06V10/82 , G06N3/0455 , G06N3/0895
Abstract: 本申请涉及图像处理技术领域，特别涉及一种基于计算基础平台的无标签自动化学习方法及装置，其中，方法包括：基于初始点云数据获取稠密化的点云数据，并进行地面点去除，得到去除地面点的点云数据；生成去除地面点的点云数据中每个目标的3D检测框，并生成3D检测框的伪标签，以得到每个目标的3D目标检测结果；基于3D目标检测结果形成至少一条初始目标轨迹，优化至少一条初始目标轨迹，以得到最终轨迹，并将其作为新的伪标签，迭代优化检测器的权重，直至达到迭代停止条件，更新每个目标的伪标签。由此，解决了相关技术中，过度依赖标注的数据，耗费了大量的时间和成本，降低了算法的准确性和泛化能力，无法适应复杂的外界环境等问题。
-
公开(公告)号：CN118759912A
公开(公告)日：2024-10-11
申请号：CN202410818420.4
申请日：2024-06-24
Applicant: 清华大学 , 北京智行者科技股份有限公司
IPC: G05B19/042
Abstract: 本发明公开了面向自动驾驶汽车的显式安全跟踪控制器及其参数优化方法，包括：通过引入指数控制李雅普诺夫函数ECLF与指数控制障碍函数ECBF在离散时间系统下的反馈线性化理论，并设计了适用于自动驾驶汽车的ECLF与ECBF及其显式可解的安全跟踪控制律，最后提出了基于强化学习的自动驾驶汽车显式安全跟踪控制律参数优化方案。本发明能够有效解决自动驾驶集成式决控中实时性、安全性和求解精度无法兼得的问题。
-
公开(公告)号：CN118570253A
公开(公告)日：2024-08-30
申请号：CN202410670047.2
申请日：2024-05-28
Applicant: 清华大学
IPC: G06T7/246 , G06T5/80 , G06T7/33 , G06T3/4007 , G06T3/4038 , G06T7/73 , G06T3/06 , G06T7/277 , G06V10/25 , G06V20/58
Abstract: 本申请涉及数据处理技术领域，特别涉及一种4D动静态目标真值数据标注系统及方法，其中，系统包括：静态物体标注组件用于处理原始雷达点云数据，以获得运动补偿后的点云和各帧雷达的位姿，进行线性插值与地图拼接，从而可以得到全局地图并转化为鸟瞰视图，利用相机位姿将其投影到图像上进行标注，得到静态物体的真实位置；动态物体标注组件通过在原始雷达点云中进行目标标注和动态跟踪，得到动态目标的检测框和轨迹，利用雷达位姿和相机位姿进行投影，获得动态物体的多相机真实位置。由此，解决了相关技术中，由于只在3D空间上对目标物体标注，只能得到物体的静态信息，无法准确预测动态场景，且为获得高质量的真值数据，导致成本增加等问题。
-
公开(公告)号：CN116976423B
公开(公告)日：2024-07-23
申请号：CN202310680255.6
申请日：2023-06-09
Applicant: 清华大学
IPC: G06N3/084 , B60W40/08 , G06N3/0455 , G06F18/214 , G06F18/241 , G06F18/2415 , G06F18/213 , G06F18/15 , G06F123/02
Abstract: 本申请涉及一种融合事故后车辆动力学的事故前风险评估模型的训练方法及装置、乘员损伤风险评估方法及装置、计算机设备、存储介质和计算机程序产品。所述方法包括：将车辆运动序列信息输入至参照风险评估模型，获取第一编码隐变量和第一解码隐变量；参照风险评估模型基于车辆运动序列信息训练得到；将碰撞工况特征信息输入至初始的目标风险评估模型，得到第二编码隐变量、第二解码隐变量、乘员损伤评估信息；基于第一编码隐变量、第一解码隐变量、第二编码隐变量、第二解码隐变量、乘员损伤评估信息和乘员损伤真值信息确定损失值，基于损失值调整模型参数。采用本方法训练得到的风险评估模型，可以兼顾较高的风险评估效率和风险评估准确性。
-
-
-
-
-
-
-
-
-
Search Results
198
records
(took 0.039 seconds)
