公开(公告)号：CN119888661A

公开(公告)日：2025-04-25

申请号：CN202411972933.7

申请日：2024-12-30

Applicant: 清华大学

Inventor： 李克强 ,  何雷 ,  王建强 ,  卢思怡

IPC: G06V20/56 ,  G06V10/26 ,  G06V10/44 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/092

Abstract: 本申请涉及自动驾驶控制技术领域，特别涉及一种基于鸟瞰视图和深度强化学习的端到端自动驾驶控制方法，方法包括：在检测到目标车辆处于自动驾驶工况的情况下，采集目标车辆的所处环境的多视角图像数据，并将多视角图像数据转化为鸟瞰视图表示，以生成所处环境的鸟瞰视图特征图，并将鸟瞰视图特征图中每个像素进行分类，以获得所处环境的语义分割图；将鸟瞰视图特征图和语义分割图输入至目标深度强化学习网络中，以输出目标车辆的自动驾驶控制信号，从而控制目标车辆行驶。由此，解决了相关技术中的自动驾驶控制系统的计算复杂度较高，系统适应复杂环境的能力较低、可解释性不足，降低了系统的整体性能，无法满足用户的驾乘需求的问题。

公开(公告)号：CN118964791A

公开(公告)日：2024-11-15

申请号：CN202410966744.2

申请日：2024-07-18

Applicant: 清华大学

Inventor： 李升波 ,  杨雨杰 ,  郑志龙 ,  郑一楠 ,  吕尧 ,  邹文俊 ,  何雷 ,  成波 ,  詹仙园 ,  刘菁菁 ,  李克强

IPC: G06F17/11 ,  B60W30/12

Abstract: 本申请提出了一种面向自动驾驶汽车的约束型环境安全探索方法，涉及自动驾驶技术领域，其中，该方法包括：步骤S1：获取初始的不确定模型；步骤S2：采用不动点迭代求解不确定模型下的最大可行区域；步骤S3：遍历最大可行区域内的所有状态动作对，通过与环境交互采集环境数据；步骤S4：利用最大可行区域内的环境数据，采用最大团搜索求解最大可行区域下的近似最小不确定模型，并将不确定模型更新为近似最小不确定模型；步骤S5：迭代进行步骤S2‑S4，直至最大可行区域和不确定模型不再更新，得到驾驶策略的最大可行区域。采用上述方案的本发明能够获取约束型环境中可安全探索的最大可行区域。

公开(公告)号：CN118674935A

公开(公告)日：2024-09-20

申请号：CN202410698668.1

申请日：2024-05-31

Applicant: 清华大学

Inventor： 李克强 ,  何雷 ,  李升波 ,  许庆 ,  王建强 ,  戴育岐 ,  曾伊琳

IPC: G06V10/40 ,  G06V10/776 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

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模型功能模块的搭建方法及装置，其中，方法包括：利用计算基础平台工作进行数据标注和BEV数据格式适配，生成车路云一体化感知系统功能模块库，以对不同功能模块进行选择组合，得到适用于目标任务的需求功能模块，以构建感知算法框架对至少一个功能模块进行测评，得到至少一个功能模块的特征可视化定性分析结果与评价指标定量分析结果；基于用户的自身个性化数据、特征可视化定性分析结果与评价指标定量分析结果和实际任务的数据对感知算法框架下的感知模型进行微调，搭建最终的自动驾驶感知模型。本申请可以实现独立功能模块的评价和测试，指导功能模块预训练和微调。

公开(公告)号：CN118358597A

公开(公告)日：2024-07-19

申请号：CN202410333512.3

申请日：2024-03-22

Applicant: 清华大学

Inventor： 张海伦 ,  王建强 ,  许庆 ,  何雷 ,  李克强

IPC: B60W50/14 ,  G06V20/56 ,  B60W50/00 ,  B60W30/12

Abstract: 本发明提供一种车道偏离预警系统安全运行关键参数测试方法和装置，包括：利用预设仿真算法模拟车道偏离预警系统并搭建仿真场景；基于所述模拟车道偏离预警系统和所述仿真场景，根据预先选择的测试类别通过测试类别‑待测关键参数映射关系选择相应的待测关键参数进行测试，为所述待测关键参数设置不同预设值，根据所述预设值进行车道偏离预警仿真，得到所述测试车辆在当前行驶状态下的关键参数相关数据；对所述关键参数相关数据进行分析，得到所述关键参数的安全阈值边界。本发明通过仿真算法对车道偏离预警系统安全运行关键参数进行测试，通过场景模拟计算关键参数的安全阈值边界，从而为解释性更高的车道偏离预警系统做出贡献。

公开(公告)号：CN118012495A

公开(公告)日：2024-05-10

申请号：CN202410032227.8

申请日：2024-01-09

Applicant: 清华大学

Inventor： 李克强 ,  连小珉 ,  许庆 ,  王建强 ,  李升波 ,  何雷 ,  陈超义

IPC: G06F8/72 ,  G06F8/34

Abstract: 本申请涉及一种智能驾驶计算平台功能软件重构和可视化方法及装置，其中，方法包括：按照预设分析顺序分析目标智能驾驶源代码的函数架构，得到函数树；重构目标智能驾驶源代码，得到目标计算机语言代码，并根据函数树、预设测试顺序等判断其与目标智能驾驶源代码和目标计算机语言代码的执行功能是否一致；当目标智能驾驶源代码和目标计算机语言代码的执行功能一致时，对目标计算机语言代码进行前端集成图形化处理，生成可视化目标计算机语言代码，并将其部署在相应硬件平台中。由此，解决了现有自动驾驶技术核心算法迁移到C++难度较大，且其开发效率、集成效率和验证效率较低；此外，当前行业缺乏统一标准，较难提炼共性技术赋能行业发展等问题。

公开(公告)号：CN119319846A

公开(公告)日：2025-01-17

申请号：CN202411146004.0

申请日：2024-08-20

Applicant: 清华大学

Inventor： 李升波 ,  郜嘉鑫 ,  李绍松 ,  邹文俊 ,  王左帅 ,  蒋北艳 ,  杨森 ,  高浩宇 ,  何雷 ,  成波

IPC: B60W60/00 ,  B60W50/00

Abstract: 本发明公开了一种具有防御行为的自动驾驶车辆非保守决控方法，本发明的方法包括结合自车和周边交通环境信息，预测交通参与者未来轨迹的概率分布，并结合空间位置关系构建交通环境时空风险态势评估模型。同时，将环境不确定性融入集成式决控架构，构建模型预测优化控制问题，通过优化求解前轮转角和纵向加速度控制指令，控制车辆实现自动驾驶任务。本发明可以确保车辆面对潜在危险时不做出过激反应，同时又不会因过于保守而降低驾驶质量，实现不确定性环境下自动驾驶车辆的安全、非保守行驶。

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

Inventor： 李克强 ,  何雷 ,  李升波 ,  许庆 ,  王建强 ,  贾平凡 ,  谯正豪

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

Inventor： 李克强 ,  何雷 ,  李升波 ,  许庆 ,  王建强 ,  帅斌 ,  陈超义

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：CN118036664A

公开(公告)日：2024-05-14

申请号：CN202410230079.0

申请日：2024-02-29

Applicant: 清华大学

Inventor： 李升波 ,  兰志前 ,  蒋宇轩 ,  帅斌 ,  何雷 ,  成波 ,  李克强

IPC: G06N3/0455 ,  G06N3/0895 ,  G06N3/047 ,  G06N3/084 ,  G06F16/29 ,  B60W50/00 ,  B60W60/00

Abstract: 本申请提出了一种交通参与者运动预测的神经网络架构训练方法，包括：构建用于动态交通场景理解的时空分离型场景编码器，其中，场景编码器的输入为交通场景感知信息，输出为场景编码，场景编码器采用时空分离的方式进行编码；构建用于多模态轨迹预测的轨迹解码器，其中，轨迹解码器的输入为场景编码，输出为预测轨迹及对应的概率分数；采用周车轨迹与地图输入的掩码‑重建自监督学习任务，对场景编码器进行场景理解训练；联合场景理解训练后的场景编码器与轨迹解码器进行运动预测训练，得到训练后的神经网络架构，其中，运动预测训练采用多模态轨迹预测的优化目标函数。采用上述方案的本发明有效提高了复杂交通场景中轨迹预测的准确性。

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

Inventor： 李克强 ,  何雷 ,  许庆 ,  陈超义 ,  连小珉 ,  王建强 ,  李升波

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。