公开(公告)号：CN107571867A

公开(公告)日：2018-01-12

申请号：CN201710792748.3

申请日：2017-09-05

Applicant: 百度在线网络技术(北京)有限公司

Inventor： 唐坤 ,  郁浩 ,  闫泳杉 ,  郑超 ,  张云飞 ,  姜雨

IPC: B60W50/00 ,  G06K9/62 ,  G06N3/04

Abstract: 本申请实施例公开了用于控制无人驾驶车辆的方法和装置。该方法的一具体实施方式包括：获取无人驾驶车辆的环境图像；将环境图像输入到预先建立的交通标志识别模型，得到环境图像中交通标志图像的交通标志类别信息，其中，交通标志识别模型用于表征环境图像与交通标志类别信息的对应关系；基于预先建立的交通标志类别信息与车辆控制信息的关联关系，选取并执行车辆控制信息，以控制无人驾驶车辆。该实施方式可以准确的对无人驾驶车辆进行控制。

公开(公告)号：CN107564363A

公开(公告)日：2018-01-09

申请号：CN201710792452.1

申请日：2017-09-05

Applicant: 百度在线网络技术(北京)有限公司

Inventor： 姜雨 ,  郁浩 ,  闫泳杉 ,  郑超 ,  唐坤 ,  张云飞

IPC: G09B9/04

Abstract: 本发明的目的是提供一种用于驾驶模式切换的方法和装置。与现有技术相比，本发明利用自动驾驶车辆的车载传感器所采集到的安全场景数据和不安全场景数据，训练一个用于在端对端驾驶模式与循迹驾驶模式之前切换的深度学习决策模型，在实际应用中，该模型能够感知到当前实际场景是否安全，做出决策，输出指令在该两种驾驶模式中进行切换。本发明利用深度学习的决策能力自动切换循迹驾驶模式和端对端驾驶模式，训练出有推理决策能力的模型，将循迹驾驶模式与端对端自动驾驶模式自然地融合，大大提高了自动驾驶的安全性。

公开(公告)号：CN107499258A

公开(公告)日：2017-12-22

申请号：CN201710792107.8

申请日：2017-09-05

Applicant: 百度在线网络技术(北京)有限公司

Inventor： 郑超 ,  郁浩 ,  姜雨 ,  闫泳杉 ,  唐坤 ,  张云飞

IPC: B60R16/023

CPC classification number: B60R16/0231

Abstract: 本申请公开了应用于自动驾驶汽车的控制方法和装置。该方法的一具体实施方式包括：基于采集到的传感器信息，生成用于控制自动驾驶汽车的控制器局域网络总线上的部件的控制指令，以及生成控制指令对应的控制器局域网络总线信号；将控制器局域网络总线信号输入到控制器局域网络总线，以及生成自动驾驶汽车的控制器局域网络总线上的部件输入到控制器局域网络总线上的控制器局域网络总线信号对应的监控数据。实现了可以同时控制自动驾驶汽车的控制器局域网络总线上的部件和监控自动驾驶汽车在行驶过程中自动驾驶汽车的控制器局域网络总线上的部件的运行情况，从而，在确保安全性的情况下较为高效地控制自动驾驶汽车。

公开(公告)号：CN107481292A

公开(公告)日：2017-12-15

申请号：CN201710790085.1

申请日：2017-09-05

Applicant: 百度在线网络技术(北京)有限公司

Inventor： 郑超 ,  郁浩 ,  唐坤 ,  闫泳杉 ,  张云飞 ,  姜雨

IPC: G06T7/80

CPC classification number: G06T7/80 ,  G06T2207/10004 ,  G06T2207/20081

Abstract: 本申请公开了车载摄像头的姿态误差估计方法和装置。车载摄像头的姿态误差估计方法的一具体实施方式包括：获取车载摄像头在预设标准姿态下采集的预设场景的第一图像；执行姿态误差估算步骤，姿态误差估算步骤包括：获取车载摄像头在当前姿态下采集的预设场景的第二图像；利用相对位姿估计模型比对第一图像和第二图像，得出车载摄像头的当前姿态与预设标准姿态的相对位姿信息，其中，相对位姿估计模型基于深度学习网络训练生成。该方法可以实现车载摄像头误差的自动化、高精度估计。