-
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：CN116513236A
公开(公告)日：2023-08-01
申请号：CN202310457489.4
申请日：2023-04-24
Applicant: 清华大学 , 北京嘀嘀无限科技发展有限公司
IPC: B60W60/00 , B60W30/095 , B60W50/00
Abstract: 本申请涉及一种基于行车风险场的自适应车辆全向驾驶辅助方法及装置，其中，方法包括：采集目标车辆的行驶轨迹，基于预设方式对行驶轨迹进行规划，生成多个候选轨迹，并根据预设筛选策略对多个候选轨迹进行筛选，得到候选轨迹簇；基于由势能风险场建立的行车风险评估模型和预设损失函数对候选轨迹簇中的每条候选轨迹进行评价，得到评价结果满足预设要求的目标轨迹；学习目标轨迹对应的损失函数的权重参数，以进行车辆全向辅助驾驶的自适应学习。由此，解决了现有自适应驾驶辅助技术功能相互孤立，应用场景单一等问题。
-
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：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：CN116486612A
公开(公告)日：2023-07-25
申请号：CN202310436282.9
申请日：2023-04-21
Applicant: 清华大学 , 北京嘀嘀无限科技发展有限公司
IPC: G08G1/01
Abstract: 本申请涉及一种基于车路云协同的混合交通队列稳定性评价方法及装置，其中，方法包括：采集实际混合交通场景中每个车辆的实际运动信息，并根据实际运动信息对相应车辆进行系统辨识，以利用辨识结果建立对应的车辆动力学模型；以每个车辆对应的车辆动力学模型辨识结果与云端预设的车辆等级分类标准为参照，从预设云端数据库中匹配到每个车辆对应的标准动力学模型；基于每个车辆对应的标准动力学模型进行云端虚拟仿真测试，并根据测试结果对混合交通系统进行综合评价，生成混合交通队列稳定性评价结果。由此，解决了现有的交通评价测试方法信息获取范围不足、无法适用于智能交通系统下的混合交通场景等问题。
-
Patent Agency Ranking
公开(公告)号：CN111915890B
公开(公告)日：2022-08-12
申请号：CN202010720893.2
申请日：2020-07-24
Applicant: 清华大学 , 北京嘀嘀无限科技发展有限公司
Abstract: 本发明涉及一种干道交通信号的网联优化控制方法，属于智能交通流控制技术领域。本方法包括将网联控制问题建模，通过引入一致性变量将问题解耦构建为一致性优化问题，利用交替方向乘子法实现并行计算，并行更新原始变量、一致性变量和对偶变量，直至满足设定的终止条件，将计算所得的信号灯控制量发送给各个信号灯进行执行。本方法的每一步计算都可以分别在各自信号灯的计算节点上进行，实现了问题求解的并行化。本方法有效地提高了计算求解效率，计算复杂度与路口数量无关，从而更适合大规模干道交通信号的协同控制。本发明的干道交通信号的网联优化控制方法，提升了控制效率，实现实时控制，缓解了交通拥堵等问题，有助于提高交通效率。
-
公开(公告)号：CN116486612B
公开(公告)日：2023-12-26
申请号：CN202310436282.9
申请日：2023-04-21
Applicant: 清华大学 , 北京嘀嘀无限科技发展有限公司
IPC: G08G1/01
Abstract: 本申请涉及一种基于车路云协同的混合交通队列稳定性评价方法及装置，其中，方法包括：采集实际混合交通场景中每个车辆的实际运动信息，并根据实际运动信息对相应车辆进行系统辨识，以利用辨识结果建立对应的车辆动力学模型；以每个车辆对应的车辆动力学模型辨识结果与云端预设的车辆等级分类标准为参照，从预设云端数据库中匹配到每个车辆对应的标准动力学模型；基于每个车辆对应的标准动力学模型进行云端虚拟仿真测试，并根据测试结果对混合交通系统进行综合评价，生成混合交通队列稳定性评价结果。由此，解决了现有的交通评价测试方法信息获取范围不足、无法适用于智能交通系统下的混合交通场景等问题。
-
公开(公告)号：CN111915890A
公开(公告)日：2020-11-10
申请号：CN202010720893.2
申请日：2020-07-24
Applicant: 清华大学 , 北京嘀嘀无限科技发展有限公司
Abstract: 本发明涉及一种干道交通信号的网联优化控制方法，属于智能交通流控制技术领域。本方法包括将网联控制问题建模，通过引入一致性变量将问题解耦构建为一致性优化问题，利用交替方向乘子法实现并行计算，并行更新原始变量、一致性变量和对偶变量，直至满足设定的终止条件，将计算所得的信号灯控制量发送给各个信号灯进行执行。本方法的每一步计算都可以分别在各自信号灯的计算节点上进行，实现了问题求解的并行化。本方法有效地提高了计算求解效率，计算复杂度与路口数量无关，从而更适合大规模干道交通信号的协同控制。本发明的干道交通信号的网联优化控制方法，提升了控制效率，实现实时控制，缓解了交通拥堵等问题，有助于提高交通效率。
-
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。
-
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
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。
-
-
-
-
-
-
-
-
-
Search Results
643
records
(took 0.067 seconds)
