-
公开(公告)号:CN115071762A
公开(公告)日:2022-09-20
申请号:CN202211002636.0
申请日:2022-08-22
申请人: 北京理工大学前沿技术研究院 , 山东汇创信息技术有限公司
摘要: 本申请涉及自动驾驶技术领域,尤其涉及一种面向城市场景下行人轨迹预测方法、模型及存储介质,方法包括:用向量表示各智能体的轨迹序列,并基于层级的网络结构得到预测目标的空间交互特征;利用LSTM网络提取预测目标历史轨迹中的轨迹时序特征;利用多头注意力机制对空间交互特征和轨迹时序特征进行融合得到场景上下文特征;对场景上下文特征进行解码输出预测目标的未来轨迹。以场景向量特征作为输入,能直接学习场景中的关键交互信息,将空间交互特征和轨迹时序特征有效结合,通过对周边智能体分配不同的注意力,使模型更加关注对预测目标产生较大影响的个体,从而有助于提高复杂城市道路场景中行人轨迹的预测效果。
-
公开(公告)号:CN118790290A
公开(公告)日:2024-10-18
申请号:CN202410907860.7
申请日:2024-07-08
申请人: 北京理工大学前沿技术研究院 , 北京理工大学 , 山东汇创信息技术有限公司 , 山东伟创信息技术有限公司
摘要: 本公开提出一种基于分层强化学习的自动驾驶无信号交叉口决策生成方法,涉及车辆驾驶决策技术领域。方法包括:获取自车和对向来车所在的真实驾驶环境;所述驾驶环境包括环境观测值和动作空间;将真实驾驶环境输入路径决策模块,得到决策轨迹;将决策轨迹输入速度决策模块,得到决策速度;所述路径决策模块和速度决策模块基于模拟驾驶环境、自车轨迹、结束条件和奖励函数进行训练;自车根据决策轨迹和决策速度执行左转任务。将速度决策和路径决策分别训练,可使速度决策模型专注于学习如何根据当前环境和其他因素选择最佳左转加速度,而路径决策模型则专注于找到可完成穿越的合适半径,提高模型性能以及生成决策的准确性。
-
公开(公告)号:CN118289085B
公开(公告)日:2024-08-13
申请号:CN202410702499.4
申请日:2024-06-03
申请人: 北京理工大学前沿技术研究院 , 北京理工大学 , 山东汇创信息技术有限公司 , 山东伟创信息技术有限公司
IPC分类号: B62D6/00 , B62D15/02 , B62D101/00 , B62D103/00 , B62D137/00
摘要: 本发明提出了一种自动驾驶汽车T字交叉口左转控制方法、系统和设备,属于交通控制技术领域,该方法包括:以获取的目标车辆右侧车道来车的位置和速度作为TD3的观测空间,训练目标车辆的加速度得到加速度模型;获取目标车辆左侧车道来车的位置和速度,以加速度模型作为D3QN的动作,两侧车道来车的位置和速度均作为D3QN的观测空间,训练出目标车辆的纵向加速度;计算出目标车辆转向角;将纵向加速度和转向角输入至仿真软件中,通过与环境交互训练出用于左转控制的最优多层强化学习模型,利用该模型执行左转控制。基于该方法,还提出了一种自动驾驶汽车T字交叉口左转控制系统和设备。本发明能够安全高效地完成车辆在T字交叉口的左转。
-
公开(公告)号:CN118470675A
公开(公告)日:2024-08-09
申请号:CN202410588355.0
申请日:2024-05-13
申请人: 北京理工大学前沿技术研究院 , 北京理工大学 , 山东汇创信息技术有限公司 , 山东伟创信息技术有限公司
IPC分类号: G06V20/56 , G06V10/44 , G06V10/80 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/048
摘要: 本发明提出了一种路面全信息提取的方法、系统和设备,该方法包括:将获取的目标车辆周围的环境图像输入至多任务模型,利用多任务模型的主干网络获取环境图像的多尺度特征;将多尺度特征输入至多任务模型的颈部结构进行多尺度特征融合和特征深度提取得到多尺度深度特征;将多尺度特征输入至多任务模型的车道线分割头对多尺度特征进行降维后得到车道线分割结果;将多尺度深度特征输入至多任务模型的路面标识检测头对多尺度深度特征进行降维后得到路面标识检测结果。基于该方法,还提出了一种路面全信息提取的系统和设备。本发明可以更好的协调不同任务,融合任务间的相同特征,辨别差异特征,提升检测精度。
-
公开(公告)号:CN117456503B
公开(公告)日:2024-07-09
申请号:CN202311367919.X
申请日:2023-10-23
申请人: 北京理工大学前沿技术研究院 , 北京理工大学
IPC分类号: G06V20/58 , G06V10/82 , G06N3/0464 , G06V10/86
摘要: 本发明涉及目标检测技术领域,本发明公开了一种三维目标检测方法、系统、存储介质及设备,包括:对所述图像进行检测,得到二维检测框,同时对所述点云数据进行检测,得到若干三维检测框;将三维检测框投影到图像平面上,得到点云检测框,计算所述点云检测框和所述二维检测框的交并比后,更新点云检测框的置信度,对三维检测框进行过滤,得到第一三维检测结果;选取所述交并比未达到阈值的二维检测框对应的点云数据,通过多层卷积和反卷积,得到第二三维检测结果;将第一三维检测结果和第二三维检测结果进行融合,得到最终检测结果。以极小的时间损耗显著提升了点云3D检测的精度,且减少了后融合3D检测算法的漏检问题。
-
公开(公告)号:CN118182538A
公开(公告)日:2024-06-14
申请号:CN202410612049.6
申请日:2024-05-17
申请人: 北京理工大学前沿技术研究院 , 北京理工大学 , 山东汇创信息技术有限公司 , 山东伟创信息技术有限公司
摘要: 本发明提供了一种基于课程强化学习的无保护左转场景决策规划方法及系统。该方法包括,获取自车辆状态信息和障碍物信息;基于可变数量的障碍物信息,提取空间维度的障碍物特征;所述空间维度的障碍物特征包括多时间维度信息;基于空间维度的障碍物特征,提取多时间维度的空间特征信息;基于多时间维度的空间特征信息,采用多阶段的课程学习方法进行启发式训练,每下一训练阶段,抛弃一个未来时间帧状态,直到抛弃所有未来时间帧特征,得到输入只有当前时间帧和过去时间帧的多维时空的障碍物特征;将多维时空的障碍物特征与自车辆状态信息进行融合,得到融合特征;将融合特征和奖励信息,输入策略网络,经动作解码网络输出自车辆动作信息。
-
公开(公告)号:CN117870651B
公开(公告)日:2024-05-07
申请号:CN202410273333.5
申请日:2024-03-11
申请人: 北京理工大学前沿技术研究院 , 北京理工大学
摘要: 本发明公开了基于RTK‑SLAM技术的地图高精度采集方法、存储器及存储介质,属于地图领域,用于解决当下地图导航时实际接收到的地图数据容易出现偏差,且地图中标识物体通常以简易图形进行标注的问题,方法具体如下:用户终端依据导航路线选定作为目标路线发送至存储模块和路线划分模块,存储模块依据目标路线将对应的预设地图数据发送至智能比对模块;路线划分模块对目标路线进行划分得到多组道路段;智能比对模块用于比对目标路线内不同道路段中标识物体的轮廓;信号干扰分析模块对道路段的信号干扰情况进行分析;采集调配模块对目标路线中不同道路段的地图采集措施进行设定,本发明基于多元因素实现对不同区域的地图进行高精度采集。
-
公开(公告)号:CN117848332A
公开(公告)日:2024-04-09
申请号:CN202410260367.0
申请日:2024-03-07
申请人: 北京理工大学前沿技术研究院 , 北京理工大学
摘要: 本发明涉及噪声消除领域,具体为一种车载多源融合高精度定位系统的IMU噪声消除方法,其包括以下步骤:S1、收集IMU的原始数据并进行预处理;S2、建立噪声模型来描述IMU传感器的噪声特征;S3、实时对IMU数据进行噪声补偿;S4、将经过噪声消除处理的IMU数据与GPS以及激光雷达的数据进行融合;S5、将S4中获得的IMU传感器数据与地面真值进行比较,动态校验IMU数据的准确性,对权重计算公式进行迭代。本发明通过设计多源数据融合中的权重计算公式并进行后续参数迭代修正,能为数据融合提供准确地权重数值,从而提高IMU噪声消除的效果。
-
公开(公告)号:CN116027374A
公开(公告)日:2023-04-28
申请号:CN202310145525.3
申请日:2023-02-22
申请人: 北京理工大学前沿技术研究院 , 山东伟创信息技术有限公司
IPC分类号: G01S19/45
摘要: 本发明涉及定位技术领域,尤其是涉及一种卫星信号遮挡下的车辆高精度定位方法及系统。所述方法,包括获取当前车辆的定位信息;根据获取的定位信息,计算导航卫星高度角和方位角;获取道路周围图像;根据获取的道路周围图像,计算所述建筑物和树木的高度角及方位角;本发明通过上述技术方案,可以通过识别周围建筑物和树木的轮廓线,计算得到建筑物和树木相对于车辆的高度角和方位角,从而实时和准确地识别当前视距与非视距卫星信号。
-
公开(公告)号:CN116001758A
公开(公告)日:2023-04-25
申请号:CN202310080734.4
申请日:2023-02-08
申请人: 北京理工大学前沿技术研究院 , 山东伟创信息技术有限公司
摘要: 本申请涉及汽车安全的技术领域,尤其涉及一种基于驾驶员心理特性的紧急制动方法及系统,方法包括:根据驾驶数据集NGSIM建立车辆制动距离模型;根据前车行驶状态以及车辆制动距离模型,建立制动安全距离模型;获取驾驶员的实际驾驶数据;其中,所述实际驾驶数据包括车速以及制动踏板位移;根据所述实际驾驶数据确定驾驶员的驾驶风格;根据所述驾驶风格以及制动安全距离模型,建立基于驾驶风格的制动安全距离模型,确定对应的制动安全距离。在计算制动安全距离时,考虑了驾驶员的驾驶风格,根据不同的驾驶风格提供对应的制动安全距离,便于提高用户体验,同时能提高预警的有效性和准确性。
-
-
-
-
-
-
-
-
-