-
公开(公告)号：CN118393973A
公开(公告)日：2024-07-26
申请号：CN202410834398.2
申请日：2024-06-26
申请人： 山东海量信息技术研究院
IPC分类号： G05B19/042
摘要： 本发明涉及自动驾驶技术领域，具体公开了一种自动驾驶控制方法、装置、系统、设备及存储介质，通过在训练自动驾驶决策模型时，采用利用自动驾驶决策网络驱动车辆运动与驾驶环境交互以收集多场景的第一实车驾驶样本以及生成的与第一实车驾驶样本的样本特征分布相同的第一合成驾驶样本来对自动驾驶决策网络进行模型参数调整，训练得到自动驾驶决策模型，以较小的环境交互成本而使自动驾驶决策模型学习到多场景的丰富驾驶样本的知识，在提高数据采集规模的同时避免数据分布偏移导致模型训练难度增大，提高自动驾驶决策模型的泛化能力，利用通过这种方式训练得到的自动驾驶决策模型控制目标车辆运动，更能适应复杂多变的实车驾驶环境。
-
公开(公告)号：CN116691689A
公开(公告)日：2023-09-05
申请号：CN202310980967.X
申请日：2023-08-07
申请人： 山东海量信息技术研究院
IPC分类号： B60W30/18 , B60W50/00 , B60W60/00 , G06N3/045 , G06N3/047 , G06N3/084 , G06N3/092 , G06N3/094 , G06N3/0985 , G06F18/214 , G06F18/25 , G06F18/24 , G06F18/27
摘要： 本发明公开了一种车辆控制方法、系统、设备及计算机可读存储介质，涉及自动驾驶技术领域，获取目标车辆的目标行驶数据；基于预先训练好的干扰分析模型，确定目标行驶数据中各类目标干扰的目标概率值；基于预先训练好的干扰处理模型，确定与目标行驶数据中各类目标干扰对应的各类目标控制子策略；基于目标概率值对目标控制子策略进行融合，得到目标控制策略，以基于目标控制策略对目标车辆的驾驶动作进行调整。本发明可以准确确定目标行驶数据中各类目标干扰的目标概率值、准确确定对各类目标干扰的目标控制子策略，且基于目标概率值对目标控制子策略进行融合来得到目标控制策略，提高了目标控制策略的鲁棒性，可以精确全面的对车辆进行驾驶控制。
-
公开(公告)号：CN118521977A
公开(公告)日：2024-08-20
申请号：CN202410861272.4
申请日：2024-06-28
申请人： 山东海量信息技术研究院
IPC分类号： G06V20/54 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/80
摘要： 本申请公开了一种道路场景的目标检测方法、设备、程序产品以及存储介质，应用于图像识别技术领域，包括：通过目标检测模型的图像特征提取网络对训练图像进行特征提取，得到特征提取结果并分别输入至目标检测模型中的高度分布估计网络和深度分布估计网络，基于预设的固定深度的参考图像平面，对得到的高度分布估计结果进行从高度分布向深度分布的转换，将转换出的第一深度分布结果与深度分布估计结果进行融合；基于目标检测模型中的后级处理网络，对融合后出第二深度分布结果进行后级处理，得到训练图像的目标检测结果并在进行损失函数计算后进行目标检测模型参数更新。应用本申请的方案，可以降低计算负担，可靠性也较高。
-
公开(公告)号：CN116821699B
公开(公告)日：2024-01-19
申请号：CN202311110633.3
申请日：2023-08-31
申请人： 山东海量信息技术研究院
IPC分类号： G06F18/214 , G06F18/24 , G06N3/0464
摘要： 本申请公开了一种感知模型训练方法、装置及电子设备和存储介质，涉及计算机技术领域，该方法包括：获取云端感知模型；云端感知模型包括基础元网络组和抗干扰元网络组，基础元网络组包括多个基础元网络，抗干扰元网络组包括多个干扰因素分别对应的多个抗干扰元网络，基础元网络包括依次连接的多个网络模块，抗干扰元网络包括依次连接的多个网络模块，基础元网络组中部分或全部基础元网络中的第一个网络模块的参数共享，相同干扰因素对应的抗干扰元网络中的第一个网络模块的参数共享；基于正常场景数据和干扰场景数据训练云端感知模型得到训练完成的云端感知模型；干扰场景数据包括
-
公开(公告)号：CN118393900A
公开(公告)日：2024-07-26
申请号：CN202410834416.7
申请日：2024-06-26
申请人： 山东海量信息技术研究院
IPC分类号： G05B13/04
摘要： 本发明涉及自动驾驶技术领域，具体公开了自动驾驶决策控制方法、装置、系统、设备及存储介质，通过在利用自动驾驶决策模型控制目标车辆运动时，根据目标车辆与驾驶环境的交互过程对自动驾驶决策模型进行优化，在优化过程中，采集第一实车驾驶样本，并自第一实车驾驶样本中提取车辆风险驾驶数据作为风险驾驶样本，对风险驾驶样本进行样本扩充生成合成风险驾驶样本，利用第一实车驾驶样本和合成风险驾驶样本对自动驾驶决策模型进行模型参数调整，实现在自动驾驶先验经验基础上以较小的环境交互成本实现面向风险驾驶行为的模型针对性微调，支撑自动驾驶决策控制系统快速适应应用环境，提升自动驾驶决策控制系统对于未知新场景的适用性和泛化性。
-
公开(公告)号：CN116691689B
公开(公告)日：2024-01-12
申请号：CN202310980967.X
申请日：2023-08-07
申请人： 山东海量信息技术研究院
IPC分类号： B60W30/18 , B60W50/00 , B60W60/00 , G06N3/045 , G06N3/047 , G06N3/084 , G06N3/092 , G06N3/094 , G06N3/0985 , G06F18/214 , G06F18/25 , G06F18/24 , G06F18/27
摘要： 高了目标控制策略的鲁棒性，可以精确全面的对本发明公开了一种车辆控制方法、系统、设 车辆进行驾驶控制。备及计算机可读存储介质，涉及自动驾驶技术领域，获取目标车辆的目标行驶数据；基于预先训练好的干扰分析模型，确定目标行驶数据中各类目标干扰的目标概率值；基于预先训练好的干扰处理模型，确定与目标行驶数据中各类目标干扰对应的各类目标控制子策略；基于目标概率值对目标控制子策略进行融合，得到目标控制策略，以基于目标控制策略对目标车辆的驾驶动作进行调整。本发明可以准确确定目标行驶数据中各
-
公开(公告)号：CN118393973B
公开(公告)日：2024-09-17
申请号：CN202410834398.2
申请日：2024-06-26
申请人： 山东海量信息技术研究院
IPC分类号： G05B19/042
摘要： 本发明涉及自动驾驶技术领域，具体公开了一种自动驾驶控制方法、装置、系统、设备及存储介质，通过在训练自动驾驶决策模型时，采用利用自动驾驶决策网络驱动车辆运动与驾驶环境交互以收集多场景的第一实车驾驶样本以及生成的与第一实车驾驶样本的样本特征分布相同的第一合成驾驶样本来对自动驾驶决策网络进行模型参数调整，训练得到自动驾驶决策模型，以较小的环境交互成本而使自动驾驶决策模型学习到多场景的丰富驾驶样本的知识，在提高数据采集规模的同时避免数据分布偏移导致模型训练难度增大，提高自动驾驶决策模型的泛化能力，利用通过这种方式训练得到的自动驾驶决策模型控制目标车辆运动，更能适应复杂多变的实车驾驶环境。
-
公开(公告)号：CN118393900B
公开(公告)日：2024-08-27
申请号：CN202410834416.7
申请日：2024-06-26
申请人： 山东海量信息技术研究院
IPC分类号： G05B13/04
摘要： 本发明涉及自动驾驶技术领域，具体公开了自动驾驶决策控制方法、装置、系统、设备及存储介质，通过在利用自动驾驶决策模型控制目标车辆运动时，根据目标车辆与驾驶环境的交互过程对自动驾驶决策模型进行优化，在优化过程中，采集第一实车驾驶样本，并自第一实车驾驶样本中提取车辆风险驾驶数据作为风险驾驶样本，对风险驾驶样本进行样本扩充生成合成风险驾驶样本，利用第一实车驾驶样本和合成风险驾驶样本对自动驾驶决策模型进行模型参数调整，实现在自动驾驶先验经验基础上以较小的环境交互成本实现面向风险驾驶行为的模型针对性微调，支撑自动驾驶决策控制系统快速适应应用环境，提升自动驾驶决策控制系统对于未知新场景的适用性和泛化性。
-
公开(公告)号：CN116821699A
公开(公告)日：2023-09-29
申请号：CN202311110633.3
申请日：2023-08-31
申请人： 山东海量信息技术研究院
IPC分类号： G06F18/214 , G06F18/24 , G06N3/0464
摘要： 本申请公开了一种感知模型训练方法、装置及电子设备和存储介质，涉及计算机技术领域，该方法包括：获取云端感知模型；云端感知模型包括基础元网络组和抗干扰元网络组，基础元网络组包括多个基础元网络，抗干扰元网络组包括多个干扰因素分别对应的多个抗干扰元网络，基础元网络包括依次连接的多个网络模块，抗干扰元网络包括依次连接的多个网络模块，基础元网络组中部分或全部基础元网络中的第一个网络模块的参数共享，相同干扰因素对应的抗干扰元网络中的第一个网络模块的参数共享；基于正常场景数据和干扰场景数据训练云端感知模型得到训练完成的云端感知模型；干扰场景数据包括多个干扰因素对应的干扰样本。本申请提高了感知模型的鲁棒性。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.036 秒)
