-
公开(公告)号：CN116805294A
公开(公告)日：2023-09-26
申请号：CN202211545016.1
申请日：2022-12-02
Applicant: 清华大学
IPC: G06T5/50 , G01M17/007 , G06T7/73 , G06V20/56
Abstract: 一种增强环境场景的方法，包括：从自动驾驶车辆获得图像，图像由安装在自动驾驶车辆上的相机捕获并且描绘自动驾驶车辆周围环境；生成包含一个或多个虚拟对象的虚拟对象图形，当在图像上渲染虚拟对象图形产生对象增强图像；生成表征天气宏观静态效果的全局场景图形；生成表示至少一个具体天气动态效果的天气动态效果图形；基于虚拟对象图形、天气全局场景图形和天气动态效果图形，合成生成环境增强图像，导致环境的视觉表示如同环境在经历预定天气条件和交通环境时将表现的那样；以及将合成环境增强图像输入到自动驾驶车辆的车载车辆控制器中，使得自动驾驶车辆基于环境增强图像执行至少一个自动驾驶操作。
-
公开(公告)号：CN116304608A
公开(公告)日：2023-06-23
申请号：CN202310154061.2
申请日：2023-02-23
Applicant: 清华大学
IPC: G06F18/211 , G06F18/2415 , G06N20/00
Abstract: 本公开提供的适用于智能汽车的结构化道路场景生成方法，包括：选取基准道路场景结构，构建其“结点‑边”图结构模型，该模型中的结点包括与交叉路口相对应的中心结点和与道路场景结构的出入口相对应的端结点，该模型中的边用于连接结点，对应道路场景结构的出入口之间的相邻两向所有车道形成的路段；对“结点‑边”图结构模型中的结点和边进行随机化处理，生成随机化“结点‑边”图结构模型；判断随机化“结点‑边”图结构模型是否合规，若不合规，则重新生成随机化“结点‑边”图结构模型；将合规的随机化“结点‑边”图结构模型对应的道路场景结构输出。本公开可解决智能汽车在特定场景训练的驾驶策略泛化性能差、在线路径规划实时性差等问题。
-
公开(公告)号：CN116070448A
公开(公告)日：2023-05-05
申请号：CN202310132213.9
申请日：2023-02-09
Applicant: 清华大学
Abstract: 本申请提出了一种智能决策算法与仿真平台的联合互锁调用方法，涉及联合仿真技术领域，包括在智能决策算法处创建算法侧模块，在仿真平台处创建平台侧模块，并进行总初始化操作，其中，算法侧模块与平台测模块在同一个进程的两个线程内分别运行；分别对算法侧模块和平台侧模块进行重置操作，并重置共享上下文状态；分别对算法侧模块和平台侧模块进行步进操作，并借助共享上下文进行数据交换；在智能决策算法要求重置称为一个采样循环时，停止步进操作；反复执行采样循环直至智能决策算法运行结束。本申请在智能决策算法侧和仿真平台侧各部署一个功能模块，且仅依赖于少量线程同步原语，在同一进程内解决控制权冲突，保证了高通信效率，性能损失小。
-
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：CN115534998A
公开(公告)日：2022-12-30
申请号：CN202211266914.3
申请日：2022-10-17
Applicant: 清华大学
Abstract: 本申请涉及一种自动驾驶集成决策方法、装置、车辆及存储介质，包括：获取目标点在世界坐标系的第一状态信息，并转换至目标坐标系下得到第二状态信息，同时获取目标点在目标时刻偏离参考路径初始横向位移及纵向速度，基于预设稳定策略和初始横向位移与纵向速度间函数关系，获得世界坐标系生成轨迹的目标点状态信息，生成满足基本动力学约束安全轨迹，对其进行逐状态约束，得到目标点在目标时刻偏离参考路径最终横向位移及纵向速度，生成车辆最优安全轨迹，作为车辆集成决策系统输出，输入到下层控制器，对车辆进行控制。由此，解决在含有交互性和不确定性场景基于规则的自动驾驶决策系统难以实现高级别自动化和智能性等问题，提升决策系统智能性。
-
Patent Agency Ranking
公开(公告)号：CN114407895A
公开(公告)日：2022-04-29
申请号：CN202210180226.9
申请日：2022-02-25
Applicant: 清华大学
IPC: B60W30/14 , B60W10/06 , B60W10/10 , B60W30/188
Abstract: 本公开提供的车辆预测巡航控制方法、装置、电子设备和存储介质，本公开建立了考虑道路坡度信息，且以车辆速度、发动机转矩和车辆纵向位置作为状态变量，以发动机目标转矩作为控制变量的车辆动力学模型，并建立了以车辆速度、发动机转矩作为状态变量的油耗模型；基于综合考虑了车辆驾驶经济性、目标车速跟随和舒适性为代价函数的最优控制问题，以深度神经网络为载体，通过离线学习训练获得最优的控制策略，并在线应用最优控制策略，实现节能型预测巡航控制。本公开能够满足不同预测时域的求解实时性，保证行程时效性的同时改善了燃油经济性，并改善了求解方法对不同行驶速度和道路工况的适用范围。
-
公开(公告)号：CN114084155A
公开(公告)日：2022-02-25
申请号：CN202111349214.6
申请日：2021-11-15
Applicant: 清华大学
Abstract: 本申请涉及涉及一种预测型智能汽车决策控制方法、装置、车辆及存储介质，方法包括：基于地图信息和交通参与者的历史轨迹，对周围交通参与者建立预测模型，并利用有标签的数据集对预测模型进行参数初始化，生成初始周车运动预测模型；以智能汽车的驾驶目标作为优化对象，根据与环境的不断交互数据循环更新初始周车运动预测模型，生成最终周车运动预测模型；将最终周车运动预测模型嵌入智能汽车的决策控制系统，使得决策控制系统根据最终周车运动预测模型预测的周车运动生成对应的决策控制指令，并控制智能汽车执行决策控制指令，从而通过迭代模型驱动的自进化式策略评估与策略提升过程，实现智能车辆预测型最优策略求解方案。
-
公开(公告)号：CN113619604A
公开(公告)日：2021-11-09
申请号：CN202110990262.7
申请日：2021-08-26
Applicant: 清华大学
Abstract: 本公开提供的自动驾驶汽车的集成式决控方法、装置及存储介质，本公开包括：根据交通驾驶场景的静态信息构造候选路径集合，对候选路径集合中每一条候选路径考虑交通驾驶场景的动态信息构建路径跟踪模型，在此基础上进一步构造路径优选模型；将路径跟踪模型和路径优选模型分别转化为决控策略求解模型和评价函数求解模型，通过离线方式求解决控策略求解模型和评价函数求解模型，得到最优决控策略和最优评价函数；从自动驾驶汽车出发时刻开始，每一时刻利用最优评价函数选择最优路径，然后使用最优决控策略确定自动驾驶汽车的最优动作，直至到达全局路径终点。本公开的可扩展性强且在线计算效率高。
-
公开(公告)号：CN113110359A
公开(公告)日：2021-07-13
申请号：CN202110536117.1
申请日：2021-05-17
Applicant: 清华大学
IPC: G05B19/418
Abstract: 本发明公开了一种约束型智能汽车自主决策系统在线训练方法及装置，该方法在每轮优化中，以车辆驾驶性能作为优化的目标，通过计算约束函数的梯度投影矩阵，将更新梯度投影至可行且安全的区域中，并利用安全护盾检测执行策略的绝对安全行。可以保证智能汽车在线优化目标时的安全性，从而降低了对仿真器的要求，应用范围不受场景限制，能够达到安全在线训练的目标。
-
公开(公告)号：CN108664953B
公开(公告)日：2021-06-08
申请号：CN201810498211.0
申请日：2018-05-23
Applicant: 清华大学
Abstract: 本发明公开了一种基于卷积自编码器模型的图像特征提取方法，该方法包括：步骤1，收集包含希望提取的特征的图片构成数据集I；步骤2，收集不包含希望提取的特征的图片构成数据集II；步骤3，利用数据集I和数据集II同时对构建的自编码器模型进行训练；步骤4，输入待提取特征的图像，自编码器模型的编码器部分的输出即为提取到的特征。相比于目前主流的图像特征提取方法，本方法无需进行人工标定，能够在保证特征提取可靠性的同时，降低人工标定的工作量，同时使得输出的特征包含更高级的语义特征。
-
-
-
-
-
-
-
-
-
Search Results
198
records
(took 0.038 seconds)
