-
公开(公告)号：CN116612154B
公开(公告)日：2025-04-22
申请号：CN202310652524.8
申请日：2023-06-02
Applicant: 清华大学
Abstract: 本申请提供基于最优运动模型轨迹预测的高稳定多目标跟踪方法，涉及多目标跟踪技术领域，包括：获取检测器输出的当前图像帧中的所有运动目标的检测框；利用上一图像帧中所有运动目标的运动信息，基于运动目标所属类别的最优运动方程，得到上一图像帧中所有轨迹在当前图像帧中的预测框；其中，行人的最优运动方程为恒定速度的运动方程；自行车的最优运动方程为恒定加速度的运动方程；汽车和摩托车的最优运动方程为恒定转弯率和速度幅度的运动方程；卡车的最优运动方程为恒定转弯率和加速度的运动方程；基于各检测框和各预测框之间的关联代价矩阵，得到当前图像帧中匹配成功的检测框。本申请提高了运动目标的轨迹预测精度，由此提高了跟踪精度。
-
公开(公告)号：CN116416277A
公开(公告)日：2023-07-11
申请号：CN202310006289.7
申请日：2023-01-04
Applicant: 清华大学
Abstract: 本申请提供了一种基于运动方程轨迹预测的多目标跟踪方法及装置，涉及多目标跟踪技术领域，所述方法包括：获取检测器输出的当前图像帧中的所有运动目标的检测框；利用上一图像帧中所有轨迹的状态向量，基于恒定角速度和恒定线加速度的运动方程，利用扩展卡尔曼滤波得到上一图像帧中所有轨迹在当前图像帧中的预测框；基于各检测框和各预测框之间的关联代价矩阵，使用匹配算法得到当前图像帧中匹配成功的检测框；使用当前图像帧中匹配成功的检测框的运动信息更新对应的预测框。本申请提高了轨迹预测的精度，从而提高了多目标跟踪精度。
-
公开(公告)号：CN115140029A
公开(公告)日：2022-10-04
申请号：CN202210822767.7
申请日：2022-07-12
Applicant: 清华大学
Abstract: 一种自动驾驶汽车的安全能力检测方法和装置，所述方法包括：当自动驾驶汽车与第一车辆存在碰撞风险时，获得该自动驾驶汽车决策输出的响应操控力度，其中，第一车辆为自动驾驶汽车所行驶的当前车道最靠近该自动驾驶汽车的前方车辆；在该自动驾驶汽车作出制动响应的第一时刻，确定该自动驾车汽车的运动变化参量，以及该自动驾驶汽车与所述第一车辆的相对速度和相对距离；根据所确定的运动变化参量、相对速度和相对距离，利用预置的双重裕度谱模型生成双重裕度谱，其中，所述双重裕度谱由时间裕度谱和操控裕度谱组成；根据所生成的双重裕度谱确定该自动驾驶汽车的安全能力数据。
-
Patent Agency Ranking
公开(公告)号：CN117523173A
公开(公告)日：2024-02-06
申请号：CN202311257907.1
申请日：2023-09-26
Applicant: 清华大学
IPC: G06V10/25 , G06V10/764 , G06V10/762
Abstract: 本申请提供一种服务灯塔认知的3D目标检测任务模型高效训练方法，涉及自动驾驶技术领域，所述方法包括：利用当前时刻之前的预设数量的训练完成的第一3D目标检测任务模型对RGB图像进行处理，得到目标检测结果；将RGB图像的预设目标类别的标注结果和目标检测结果进行叠加，得到训练数据；利用所述训练数据对当前时刻的第二3D目标检测任务模型进行训练，得到训练完成的当前时刻的第二3D目标检测任务模型；利用训练完成的当前时刻的第二3D目标检测任务模型，对训练完成的上一时刻的第一3D目标检测任务模型进行更新，得到训练完成的当前时刻的第一3D目标检测任务模型。本申请的方法通过连续学习解决了模型训练出现的灾难性遗忘问题。
-
公开(公告)号：CN116416277B
公开(公告)日：2025-03-04
申请号：CN202310006289.7
申请日：2023-01-04
Applicant: 清华大学
Abstract: 本申请提供了一种基于运动方程轨迹预测的多目标跟踪方法及装置，涉及多目标跟踪技术领域，所述方法包括：获取检测器输出的当前图像帧中的所有运动目标的检测框；利用上一图像帧中所有轨迹的状态向量，基于恒定角速度和恒定线加速度的运动方程，利用扩展卡尔曼滤波得到上一图像帧中所有轨迹在当前图像帧中的预测框；基于各检测框和各预测框之间的关联代价矩阵，使用匹配算法得到当前图像帧中匹配成功的检测框；使用当前图像帧中匹配成功的检测框的运动信息更新对应的预测框。本申请提高了轨迹预测的精度，从而提高了多目标跟踪精度。
-
公开(公告)号：CN116612154A
公开(公告)日：2023-08-18
申请号：CN202310652524.8
申请日：2023-06-02
Applicant: 清华大学
Abstract: 本申请提供基于最优运动模型轨迹预测的高稳定多目标跟踪方法，涉及多目标跟踪技术领域，包括：获取检测器输出的当前图像帧中的所有运动目标的检测框；利用上一图像帧中所有运动目标的运动信息，基于运动目标所属类别的最优运动方程，得到上一图像帧中所有轨迹在当前图像帧中的预测框；其中，行人的最优运动方程为恒定速度的运动方程；自行车的最优运动方程为恒定加速度的运动方程；汽车和摩托车的最优运动方程为恒定转弯率和速度幅度的运动方程；卡车的最优运动方程为恒定转弯率和加速度的运动方程；基于各检测框和各预测框之间的关联代价矩阵，得到当前图像帧中匹配成功的检测框。本申请提高了运动目标的轨迹预测精度，由此提高了跟踪精度。
-
公开(公告)号：CN116001813A
公开(公告)日：2023-04-25
申请号：CN202211583560.5
申请日：2022-12-09
Applicant: 清华大学
IPC: B60W60/00 , B60W30/095 , B60W40/00
Abstract: 一种自动驾驶汽车确定驾驶策略的方法和装置，所述方法包括：获取第一车辆的动态信息、静态信息、空间信息；根据所述车辆的动态信息和所述车辆的静态信息确定出车辆单位时间碰撞反应空间；在所述车辆的单位时间碰撞反应空间内，计算所述第一车辆与其他车辆的空间交互熵；若所述空间交互熵小于所设定的阈值，则执行预定驾驶策略；其中，所述预定驾驶策略是根据所述空间信息确定的。
-
公开(公告)号：CN115571116A
公开(公告)日：2023-01-06
申请号：CN202211143237.6
申请日：2022-09-20
Applicant: 清华大学
Abstract: 本申请公开了一种车辆姿态传感器模型的建模方法、装置、车辆及存储介质，其中，方法包括：求解惯导设备和车规级传感器纵向加速度的差值、侧向加速度的差值和/或横摆角速度的差值；根据纵向加速度的差值、侧向加速度的差值和/或横摆角速度的差值获取实际误差值与辨识误差值之间的差值随车规级传感器纵向加速度值的变化规律；基于变化规律计算考虑车规级传感器稳态偏差及噪声偏差的纵向加速度值、侧向加速度值和/或横摆角速度数据，以对车辆姿态传感器模型进行建模。由此，解决了相关技术中，受限于车用传感器的精度限制，导致无法保证获得的数据贴近真实值，从而使得整车姿态的计算结果精度较低的技术问题。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.02 seconds)
