公开(公告)号：CN119763065A

公开(公告)日：2025-04-04

申请号：CN202411905872.2

申请日：2024-12-23

Applicant: 安徽江淮汽车集团股份有限公司

Inventor： 宋华 ,  王高迈 ,  吴琼 ,  董秀娟 ,  徐瑞雪 ,  梁子镇 ,  李梦飞 ,  叶浩 ,  朱忠华 ,  于蓓 ,  周志雄

IPC: G06V20/56 ,  G06V20/64 ,  G06V10/774 ,  G06N3/04

Abstract: 本发明具体公开了一种基于车载芯片的三维目标检测方法，包括：对4D毫米波雷达采集到实车雷达数据进行点云处理，以形成点云数据集；构建三维目标检测神经网络模型，并通过所述点云数据集进行训练；将训练好的所述三维目标检测神经网络模型进行压缩，并转为车载芯片支持的二进制模型文件，存入车载芯片中；将构建的三维目标模型推理的可执行文件放入车载芯片中运行，并在进行三维目标检测时读取所述二进制模型文件，以进行目标三维推理。本发明能提高车载芯片运行的稳定性和实时性，增加三维目标检测的准确性。

公开(公告)号：CN119478869A

公开(公告)日：2025-02-18

申请号：CN202411532766.4

申请日：2024-10-30

Applicant: 安徽江淮汽车集团股份有限公司

Inventor： 尹兴科 ,  叶浩 ,  吴琼 ,  徐瑞雪 ,  梁子镇 ,  李梦飞 ,  王高迈

IPC: G06V20/56 ,  G06N5/04 ,  G06V10/82

Abstract: 本发明公开了一种利用泛化数据训练的车道线检测模型推理优化方法，本发明的主要设计构思在于，基于深度学习视觉模型，提出联想学习+时序控制的车道线识别方案。具体地，在训练阶段，利用视觉生成模型修复异常车道线图片并预测稀有或难以捕捉的车道线图片，以人机耦合的方式提高车道线标注的准确率和效率；在实际推理阶段，引入时序概念，结合前后帧时序信息，提出对检测结果进行评价的机制。本发明有效地对检测模型的训练数据进行增强及泛化，并提高了车道线检测结果的鲁棒性和准确性，从而能够解决自动驾驶应用中车道线识别的诸多问题。

公开(公告)号：CN119037478A

公开(公告)日：2024-11-29

申请号：CN202411462143.4

申请日：2024-10-18

Applicant: 安徽江淮汽车集团股份有限公司

Inventor： 孙坤峰 ,  徐瑞雪 ,  杨天波 ,  李梦飞 ,  梁子镇

IPC: B60W60/00 ,  B60W50/00

Abstract: 本发明公开了一种自动驾驶安全行车控制方法，本发明的主要设计构思在于，在车辆行驶中，实时通过感知层评估与自车前方物体的间距以及当前路段的加速度；根据所述间距及所述加速度，持续评估最大安全制动距离及最大安全行驶车速；当监测到所述间距小于所述最大安全制动距离，或监测到当前车速大于所述最大安全行驶车速时，通过控制层对车辆进行动态且主动的降速控制。本发明可适用于L1～L5级自动驾驶车辆，使其根据路况动态控制安全行驶速度以及安全驾驶距离，而进一步地，在相对较低级别的自动驾驶车辆中，同时也可以兼顾到驾驶员的人为操作因素，通过引入反应时延以保证驾乘人员的安全。

公开(公告)号：CN119002368A

公开(公告)日：2024-11-22

申请号：CN202411220750.X

申请日：2024-09-02

Applicant: 安徽江淮汽车集团股份有限公司

Inventor： 孙坤峰 ,  刘江波 ,  徐瑞雪 ,  杨天波 ,  梁子镇

IPC: G05B19/042 ,  B60W50/00

Abstract: 本发明公开了一种自动驾驶中控制信号延时的修正方法及系统，属于自动驾驶技术领域，方法包括：步骤S1，接收并处理来自外部环境的原始数据，生成处理结果；步骤S2，基于原始数据的处理结果进行决策规划，生成状态预测方程；步骤S3，基于状态预测方程对原始控制信号进行修正，生成修正控制信号，并将所述修正控制信号进行下发。本发明实现对控制信号的修正，能够评估控制信号发送时自车的状态，做到精准修正。

公开(公告)号：CN118982739A

公开(公告)日：2024-11-19

申请号：CN202411220747.8

申请日：2024-09-02

Applicant: 安徽江淮汽车集团股份有限公司

Inventor： 梁子镇 ,  吴琼 ,  徐瑞雪 ,  李梦飞 ,  杨天波

IPC: G06V10/80 ,  G06V20/58 ,  G06V20/56 ,  G06V10/774 ,  G06V10/82 ,  G06F18/25 ,  G06F18/214 ,  G06F18/10

Abstract: 本发明公开了一种自动驾驶的多任务模型数据融合方法及装置，属于自动驾驶技术领域，包括以下步骤：构建若干个单任务模型，每个单任务模型包括部分相同结构以及部分差异结构，若干个单任务模型用于分别处理若干个不同任务；通过真实路采数据对若干个单任务模型分别进行独立训练；进行融合数据采集，通过融合数据进行若干个单任务模型在融合阶段的微调；通过融合网络将若干个独立训练完成的单任务模型进行融合，通过预设置信度目标与标注结果调整若干个单任务模型中部分相同结构的网络参数。本发明能够解决数据同时包括多种元素，从而导致模型训练的质量无法保证，以及模型在数百万量级数据集上难以收敛的问题。