-
公开(公告)号：CN111221334B
公开(公告)日：2021-09-21
申请号：CN202010050822.6
申请日：2020-01-17
Applicant: 清华大学 , 北京嘀嘀无限科技发展有限公司
IPC: G05D1/02
Abstract: 本发明提出的一种用于自动驾驶汽车仿真的环境传感器模拟方法，包括以下步骤：1)在自车的配置文挡中设置传感器配置信息并定义探测目标类型；2)引入测量误差，分别构建各传感器的测量量模型和探测类型模型；3)设定仿真环境下自车探测范围内所有探测目标的真实信息，并筛选自车探测范围内的可探测目标；4)将筛选的自车探测范围内各可探测目标的真实信息分别输入步骤2)构建的相应模型中，得到不同传感器对各可探测目标相对于自车的测量量估计值作为结果输出。本发明提供的环境传感器建模方法具有通用性好、仿真精度优化、计算效率高的特点。
-
公开(公告)号：CN112487403A
公开(公告)日：2021-03-12
申请号：CN202011395027.7
申请日：2020-12-03
Applicant: 清华大学
Abstract: 本发明实施例公开一种静动态相结合的程序特征抽取方法及装置。该方法包括：获取待验证程序；待验证程序包括多个子程序；运行多个子程序中的第一个子程序，统计得到第一个子程序对应的第一程序特征，第一程序特征包括静态特征和动态特征；将第一子程序的下一子程序作为当前子程序，将第一程序特征作为当前程序特征；确定当前程序特征对应的当前抽象域；基于当前抽象域，对当前子程序进行验证，并在验证过程中统计得到当前子程序对应的当前程序特征；当存在未验证的子程序时，将当前子程序的下一子程序作为当前子程序，返回执行确定当前程序特征对应的当前抽象域的步骤。应用本发明实施例提供的方案，能够提高抽象域确定的准确性。
-
公开(公告)号：CN111338335A
公开(公告)日：2020-06-26
申请号：CN201911422209.6
申请日：2019-12-31
Applicant: 清华大学 , 北京嘀嘀无限科技发展有限公司
IPC: G05D1/02
Abstract: 本发明提出的一种结构化道路场景下的车辆局部轨迹规划方法，首先通过建立一种基于车道参考线的参考坐标系，得到车辆当前时刻在该参考坐标系下的运动状态向量；接着分别生成不同速度区间的参考坐标系下的纵向采样轨迹集合和横向采样轨迹集合，纵向采样轨迹集合内的所有采样轨迹的曲线形式相同，横向采样轨迹集合内所有采样轨迹的曲线形式相同；然后将横纵向采样轨迹进行合成；随后将合成后的采样轨迹转换回笛卡尔坐标系下，并剔除不满足轨迹曲率和碰撞检测的采样轨迹；最后计算每一条采样轨迹的代价，其中代价最小的轨迹即为本发明所得到的最优轨迹。本发明通过构造高速和低速下的采样轨迹可提高采样有效率，对复杂约束条件适应性强。
-
Patent Agency Ranking
公开(公告)号：CN111338335B
公开(公告)日：2021-02-26
申请号：CN201911422209.6
申请日：2019-12-31
Applicant: 清华大学 , 北京嘀嘀无限科技发展有限公司
IPC: G05D1/02
Abstract: 本发明提出的一种结构化道路场景下的车辆局部轨迹规划方法，首先通过建立一种基于车道参考线的参考坐标系，得到车辆当前时刻在该参考坐标系下的运动状态向量；接着分别生成不同速度区间的参考坐标系下的纵向采样轨迹集合和横向采样轨迹集合，纵向采样轨迹集合内的所有采样轨迹的曲线形式相同，横向采样轨迹集合内所有采样轨迹的曲线形式相同；然后将横纵向采样轨迹进行合成；随后将合成后的采样轨迹转换回笛卡尔坐标系下，并剔除不满足轨迹曲率和碰撞检测的采样轨迹；最后计算每一条采样轨迹的代价，其中代价最小的轨迹即为本发明所得到的最优轨迹。本发明通过构造高速和低速下的采样轨迹可提高采样有效率，对复杂约束条件适应性强。
-
公开(公告)号：CN112487403B
公开(公告)日：2022-12-23
申请号：CN202011395027.7
申请日：2020-12-03
Applicant: 清华大学
Abstract: 本发明实施例公开一种静动态相结合的程序特征抽取方法及装置。该方法包括：获取待验证程序；待验证程序包括多个子程序；运行多个子程序中的第一个子程序，统计得到第一个子程序对应的第一程序特征，第一程序特征包括静态特征和动态特征；将第一子程序的下一子程序作为当前子程序，将第一程序特征作为当前程序特征；确定当前程序特征对应的当前抽象域；基于当前抽象域，对当前子程序进行验证，并在验证过程中统计得到当前子程序对应的当前程序特征；当存在未验证的子程序时，将当前子程序的下一子程序作为当前子程序，返回执行确定当前程序特征对应的当前抽象域的步骤。应用本发明实施例提供的方案，能够提高抽象域确定的准确性。
-
公开(公告)号：CN112506767A
公开(公告)日：2021-03-16
申请号：CN202011394907.2
申请日：2020-12-03
Applicant: 清华大学
Abstract: 本发明实施例公开一种基于强化学习的程序验证方法及装置。该方法包括：获取待验证程序；待验证程序包括多个子程序；运行第一个子程序，得到对应的第一程序特征；将第一子程序的下一子程序作为当前子程序，将第一程序特征作为当前程序特征；将当前程序特征输入预先训练得到的神经网络模型中，得到当前程序特征对应的当前抽象域；基于当前抽象域，对当前子程序进行验证，得到当前子程序对应的当前程序特征；当存在未验证的子程序时，将当前子程序的下一子程序作为当前子程序，返回执行将当前程序特征输入预先训练得到的神经网络模型中，得到当前程序特征对应的当前抽象域的步骤。应用本发明实施例提供的方案，能够提高抽象域确定的效率。
-
公开(公告)号：CN111221334A
公开(公告)日：2020-06-02
申请号：CN202010050822.6
申请日：2020-01-17
Applicant: 清华大学 , 北京嘀嘀无限科技发展有限公司
IPC: G05D1/02
Abstract: 本发明提出的一种用于自动驾驶汽车仿真的环境传感器模拟方法，包括以下步骤：1)在自车的配置文挡中设置传感器配置信息并定义探测目标类型；2)引入测量误差，分别构建各传感器的测量量模型和探测类型模型；3)设定仿真环境下自车探测范围内所有探测目标的真实信息，并筛选自车探测范围内的可探测目标；4)将筛选的自车探测范围内各可探测目标的真实信息分别输入步骤2)构建的相应模型中，得到不同传感器对各可探测目标相对于自车的测量量估计值作为结果输出。本发明提供的环境传感器建模方法具有通用性好、仿真精度优化、计算效率高的特点。
-
公开(公告)号：CN112506767B
公开(公告)日：2022-07-05
申请号：CN202011394907.2
申请日：2020-12-03
Applicant: 清华大学
Abstract: 本发明实施例公开一种基于强化学习的程序验证方法及装置。该方法包括：获取待验证程序；待验证程序包括多个子程序；运行第一个子程序，得到对应的第一程序特征；将第一子程序的下一子程序作为当前子程序，将第一程序特征作为当前程序特征；将当前程序特征输入预先训练得到的神经网络模型中，得到当前程序特征对应的当前抽象域；基于当前抽象域，对当前子程序进行验证，得到当前子程序对应的当前程序特征；当存在未验证的子程序时，将当前子程序的下一子程序作为当前子程序，返回执行将当前程序特征输入预先训练得到的神经网络模型中，得到当前程序特征对应的当前抽象域的步骤。应用本发明实施例提供的方案，能够提高抽象域确定的效率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
