-
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。
-
公开(公告)号：CN105223583A
公开(公告)日：2016-01-06
申请号：CN201510574374.9
申请日：2015-09-10
Applicant: 清华大学
IPC: G01S17/89
CPC classification number: G01S17/89
Abstract: 本发明涉及一种基于三维激光雷达的目标车辆航向角计算方法，其特征在于包括以下步骤：1)采用安装在自车顶部的三维激光雷达采集目标车辆，得到目标车辆的点云数据；2)在雷达坐标系中建立目标车辆某时刻所对应的航向角参数模型；3)根据目标车辆的点云数据计算目标车辆的分布类型；4)根据目标车辆的分布类型分别对目标车辆点云进行聚类，获得感兴趣区域，其中，感兴趣区域指的是表征航向角的主要部分；5)根据聚类结果按照目标车辆的分布类型分别将两类点云成分进行直线拟合；6)结合目标车辆的分布类型及相应的两类点云成分直线拟合结果计算目标车辆的航向角。本发明可以广泛应用于智能车环境感知技术领域。
-
公开(公告)号：CN119808385A
公开(公告)日：2025-04-11
申请号：CN202411862950.5
申请日：2024-12-17
Applicant: 清华大学
Abstract: 本发明公开了基于汽车事件数据记录系统的交通事故重建方法及装置，本发明的方法包括获取交通事故现场后的现场勘查数据信息、监控视频图像信息以及事故车辆的EDR数据；对现场勘查数据信息、监控视频图像信息以及验证后的事故车辆的EDR数据进行数据融合补全得到数据融合结果；基于数据融合结果进行自动化建模以构建标准化事故重建流程得到事故重建结果，并验证事故重建结果。本发明采用更科学的方法来高效、准确地获取事发过程中车辆的工况信息，可以显著提高事故重现的效率和准确性。
-
公开(公告)号：CN118280116B
公开(公告)日：2025-04-08
申请号：CN202410477707.5
申请日：2024-04-19
Applicant: 清华大学 , 北京嘀嘀无限科技发展有限公司
Abstract: 本申请涉及一种交通环境安全态势的评估方法、装置、车辆及存储介质，其中，方法包括：结合车辆当前行驶道路的道路数据、相对感知数据构建车辆的安全场基本场强模型，并基于安全场基本场强模型确定任一单一风险源在车辆的多个目标位置点产生的场强，计算任一单一风险源衰减后的实际场强，并在风险源为多个的情况下，叠加多个风险源分别在每个目标位置点产生的实际场强，得到每个目标位置点对应的风险场强，以评估车辆在当前交通环境下的安全态势。由此，解决了相关技术中，考虑的风险因素不全面、适用场景单一、无法面对复杂多变的交通环境，导致难以支撑车辆进行智能化决策与控制，影响驾驶体验的技术问题。
-
公开(公告)号：CN117668413B
公开(公告)日：2025-01-28
申请号：CN202311639200.7
申请日：2023-12-01
Applicant: 清华大学 , 中移(上海)信息通信科技有限公司
Abstract: 本申请涉及驾驶决策评价技术领域，特别涉及一种考虑多类行驶要素的自动驾驶综合决策评估方法及装置，其中，方法包括：采集驾驶轨迹的多项参数，并获取周车的位置和速度；基于预先建立的考虑安全性单项评价指标模型、时效性单项评价指标模型、舒适性单项评价指标模型和能耗性单项评价指标模型，根据多项参数、周车的位置和速度分别得到驾驶轨迹的安全性评分、时效性评分、舒适性评分和能耗性评分；获取驾驶轨迹的人工评分，并以人工评分为总评分真值，分别计算安全性评分、时效性评分、舒适性评分和能耗性评分的权值，以得到自动驾驶综合决策评估结果。由此，解决了拟合未来轨迹并非最优轨迹，单一维度模型不够全面、不能准确评估用户需求等问题。
-
Patent Agency Ranking
公开(公告)号：CN118840718A
公开(公告)日：2024-10-25
申请号：CN202410710329.0
申请日：2024-06-03
Applicant: 清华大学
IPC: G06V20/56 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本申请涉及自动驾驶感知技术领域，特别涉及一种自动驾驶感知功能模块化方法及装置，其中，方法包括：从至少一个感知图像中，提取图像的至少一个基础特征，以得到透视视觉的至少一个图像特征；将至少一个图像特征转换为鸟瞰视觉的至少一个鸟瞰视觉图像特征，并融合至少一个鸟瞰视觉图像特征，得到鸟瞰视觉图像；将鸟瞰视觉图像的时序特征进行融合，得到融合后的图像；检测融合后的图像中的障碍物，生成自动驾驶系统所需的环境感知信息。由此，解决了相关技术中，数据处理流程繁琐且效率低下，算法的通用性、适配性较差，阻碍自动驾驶技术的发展等问题。
-
公开(公告)号：CN118247769A
公开(公告)日：2024-06-25
申请号：CN202410364175.4
申请日：2024-03-28
Applicant: 清华大学
IPC: G06V20/58 , G06V10/40 , G06V10/80 , G06V10/774
Abstract: 本发明涉及自动驾驶技术领域，特别涉及一种用于计算基础平台的自动驾驶感知模型的拆解与共用方法，包括：将目标纯视觉BEV障碍物感知方案拆解为多个共性功能的子模块；对多个共性功能的子模块进行预训练，生成感知功能模块库；设计基于感知功能模块库的拖拉拽组合，以搭建环境感知模型方法；构建数据闭环系统，并利用数据闭环系统更新环境感知模型方法的网络权重，根据更新后的环境感知模型方法生成最优感知功能模块库；将最优感知功能模块库部署至目标异构硬件中，以使目标异构硬件共用最优感知功能模块库中的每个感知功能模块。由此，解决了现有感知算法存在缺乏功能软件、开发成本高且周期长等问题。
-
公开(公告)号：CN118172756A
公开(公告)日：2024-06-11
申请号：CN202410274332.2
申请日：2024-03-11
Applicant: 清华大学
IPC: G06V20/58 , G06V10/62 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/0464
Abstract: 本申请涉及自动驾驶技术领域，特别涉及一种基于时空数据关联的端到端行人感知方法及装置，其中，方法包括：基于当前时刻的传感器数据，生成融合当前时刻及历史时刻特征的目标时空变化原始特征图；根据目标时刻变化原始特征图生成适用于行人检测子任务、目标跟踪子任务、意图识别子任务、轨迹预测子任务的特异化特征图；基于特异化特征图中任务特异化特征构建子任务之间的特征关联及交互优化机制，并利用特征关联及交互优化机制生成最终的行人感知结果。由此，解决了将子任务串行缺少有效的时空特征提取方法，导致提取的目标特征重复，实时性准确性较差，而利用单一模型则缺少有效的交互优化机制和冲突缓解机制等问题。
-
公开(公告)号：CN117079451B
公开(公告)日：2024-04-19
申请号：CN202310847870.1
申请日：2023-07-11
Applicant: 清华大学
Abstract: 本申请公开了一种城市连续交叉路口场景下混合交通系统的控制方法及装置，其中，方法包括：建立混合车辆队列模型和交通信号灯模型，并将交叉路口的路段分为自由换道区间、编队生成区间和节能控制区间；基于编队生成区间的车辆位置的虚拟分布，确定自由换道区间的通行次序，在自由换道区间构建混合车辆队列间的行为冲突，以得到最优解或可行的次优解，进而获得节能控制区间的可行路径，得到最优控制的方式，以生成混合车辆队列中头车的最优速度轨迹，并跟踪最优速度轨迹，控制智能网联车辆引领跟随车辆。由此，解决了相关技术中由于车辆强制组队产生频繁的换道行为，能够提高车辆的安全性，降低混合交通系统的能源消耗的问题。
-
公开(公告)号：CN117649562A
公开(公告)日：2024-03-05
申请号：CN202311775340.7
申请日：2023-12-21
Applicant: 清华大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06N5/04 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及自动驾驶开发技术领域，特别涉及一种自动驾驶感知模块图形化开发方法及装置，其中，方法包括：确定图形化开发需求，并根据图形化开发需求生成自动驾驶感知模块的初始数据集；对初始数据集进行数据增广处理，得到增广数据集，并利用增广数据集对初始拖拽式图形化感知网络进行训练，直至达到预设迭代停止条件，得到基于拖拽式图形化感知网络；利用基于拖拽式图形化感知网络对任一实际需求进行推理，得到对应的自动驾驶感知模块图形化开发结果。由此，解决了当前感知模型训练技术研发门槛，且研发链路长、效果验证时间长等问题。
-
-
-
-
-
-
-
-
-
Search Results
262
records
(took 0.046 seconds)
