-
公开(公告)号：CN115147790B
公开(公告)日：2024-06-04
申请号：CN202210741040.6
申请日：2022-06-28
Applicant: 重庆长安汽车股份有限公司
IPC: G06V20/56 , G06V10/762 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于图神经网络的车辆未来轨迹预测方法，包括如下步骤：步骤1：数据采集：步骤2：制作训练数据：步骤3：神经网络搭建：步骤4：进行模型训练：步骤5：将测试集输入训练完成的图神经网络模型，得到轨迹预测的结果。本发明所述方法是基于图神经网络(GNN)的多模态轨迹预测算法，道路图和待预测车辆的时间序列会输入深度学习模型，输出预测轨迹；模型输出的是多条轨迹及其对应的置信概率，从而避免模型为了降低损失函数值而输出多条轨迹的均值的行为(模式崩塌)；当神经网络训练好之后，在模型见到训练数据中没有存在过的实时路况和交通参与者的状态时，模型会基于已有经验对新数据作出预测。
-
公开(公告)号：CN115146873B
公开(公告)日：2024-05-10
申请号：CN202210912525.7
申请日：2022-07-30
Applicant: 重庆长安汽车股份有限公司
IPC: G06Q10/04 , G06Q50/40 , G06V20/56 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本申请提供一种车辆轨迹预测方法及系统，包括：获取地图信息以及目标车辆的状态信息，其中所述状态信息包括所述目标车辆的航向角；根据所述地图信息和所述目标车辆的航向角生成行车场景的光栅图；将所述状态信息和所述光栅图输入预训练的预测模型，得到多条预测轨迹以及每条预测轨迹的置信度，将置信度最高的预测轨迹作为预测结果输出。本申请基于地图和车辆状态生成光栅图进行车辆多模态轨迹预测，可有效提高预测效率。
-
公开(公告)号：CN117238125A
公开(公告)日：2023-12-15
申请号：CN202310764715.3
申请日：2023-06-26
Applicant: 重庆长安汽车股份有限公司
Abstract: 本申请涉及智能驾驶技术领域，具体是涉及一种基于车辆信息和地图信息的轨迹预测方法及相关装置。通过获取与本车位于同一环境的目标车辆的第一车辆信息、若干环境车辆的第二车辆信息以及地图信息，各环境车辆包括环境中除目标车辆之外的车辆；根据第一车辆信息、各第二车辆信息以及地图信息，确定目标车辆的目标车辆特征；根据目标车辆特征，确定目标车辆的目标预测轨迹。本申请在对与本车位于同一环境的目标车辆进行轨迹预测时，考量了目标车辆自身、目标车辆的周围车辆以及当前道路对其行车路线的多重影响，可以有效提高轨迹预测结果的准确性。
-
公开(公告)号：CN116956039A
公开(公告)日：2023-10-27
申请号：CN202310932078.6
申请日：2023-07-27
Applicant: 重庆长安汽车股份有限公司
IPC: G06F18/214 , B60W60/00 , B60W50/00
Abstract: 本发明涉及一种轨迹预测模型训练样本的生成方法、工具和存储介质，包括如下步骤：S1、从轨迹预测训练样本集中获取训练样本数据；S2、根据训练样本数据进行解析，获得待预测车辆、待预测车辆的周围障碍物和地图信息的数据信息；S3、将数据信息保存在临时存储队列的最后并进行可视化展示；S4、根据预设需求对数据信息进行处理以生成新的训练样本；S5、将新的训练样本保存到预设路径，完成一个训练样本的处理，重复执行S1到S4，完成所有训练样本的处理。本发明能够根据预设需求删除、编辑待预测车辆周围障碍物、改变待预测车辆与其周围障碍物的相对位置关系、生成假的周围障碍物等，由此能够高效、低成本和准确地形成车辆训练测试数据。
-
公开(公告)号：CN116895154A
公开(公告)日：2023-10-17
申请号：CN202310939629.1
申请日：2023-07-28
Applicant: 重庆长安汽车股份有限公司
IPC: G08G1/01 , G06F18/214 , G06F17/11
Abstract: 本申请涉及车辆技术领域，具体是涉及一种车辆轨迹预测模型的训练方法和车辆加塞预测方法。本申请实施例的原数据既包括了发生加塞交互行为的两个车辆的行驶数据也包括没有发生加塞交互行为车辆的行驶数据，因此需要从原数据筛选出发生加塞交互行为车辆的行驶数据，然后在原有的加塞数据基础上，对加塞数据进行扩展，以增大加塞数据的数量，之后将增大数量之后的加塞数据放入到原数据中，以得到新的原数据，从而丰富了加塞场景数据在新的原数据中的占比，采用新的原数据训练轨迹预测模型，使得训练之后的轨迹预测模型更加适用于去预测判断是否发生加塞行为所需要的车辆预测轨迹。
-
Patent Agency Ranking
公开(公告)号：CN116620328A
公开(公告)日：2023-08-22
申请号：CN202310747637.6
申请日：2023-06-21
Applicant: 重庆长安汽车股份有限公司
IPC: B60W60/00
Abstract: 本申请涉及自动驾驶技术领域，特别涉及一种行人轨迹预测方法及装置，其中，方法包括：获取车辆的当前行驶状态，根据当前行驶状态确定目标预测区域，并将目标预测区域内的所有行人识别为目标行人；对目标行人进行基于规则和数据驱动的行人意图判定，得到意图预测结果；根据意图预测结果进行基于规则和数据驱动的终点预测，得到融合终点值；获取目标行人的历史轨迹信息，根据历史轨迹信息和融合终点值得到目标行人的预测轨迹。本申请实施例可以根据当前行驶状态确定目标预测区域及目标行人，合理的利用了算力，同时提高了预测效率，并融合规则和数据驱动方式进行意图判定和终点预测，提高了预测行人轨迹的准确性。
-
公开(公告)号：CN116186315A
公开(公告)日：2023-05-30
申请号：CN202310171745.3
申请日：2023-02-27
Applicant: 重庆长安汽车股份有限公司
IPC: G06F16/583 , G06F16/538 , G06V10/82 , G06V10/80 , G06V10/774
Abstract: 本申请涉及人工智能技术领域，特别涉及一种视觉问答方法、装置、电子设备及存储介质，其中，方法包括：获取视觉问答任务；识别视觉问答任务中的图像和文本，利用图像提取模型提取图像的图像特征，并利用语言表示模型提取文本的文本特征；根据文本特征标注图像特征中的一个或多个预设关注区域，得到标注后的图像特征，融合标注后的图像特征和文本特征得到特征向量，基于特征向量生成视觉问答任务的问题答案。由此，解决了相关技术中视觉问答时容易缺少大量重要特征，导致视觉问答的结果准确性较差，用户体验不佳等问题。
-
公开(公告)号：CN115909246A
公开(公告)日：2023-04-04
申请号：CN202211520634.0
申请日：2022-11-29
Applicant: 重庆长安汽车股份有限公司
Abstract: 本发明提供一种基于运动学模型的轨迹筛选处理方法、装置、电子设备及存储介质，包括：获取当前车辆在预设范围内的目标对象的行驶数据，并基于行驶数据和预测算法确定所述目标对象的多条候选预测轨迹；获取目标对象所处的场景信息和所述目标对象的类型信息，并基于场景信息和类型信息确定所述预测算法的先验评分；对每条候选预测轨迹进行评价，获取每条候选预测轨迹的轨迹评分，基于轨迹评分和先验评分确定每条候选预测轨迹的最终评分，将评分最高的一条候选预测轨迹输出作为目标对象的预测轨迹。其能够对多种预测算法输出的若干预测轨迹进行筛选和处理，输出一条目标对象的最优预测轨迹，从而提高预测轨迹的准确性。
-
公开(公告)号：CN115147790A
公开(公告)日：2022-10-04
申请号：CN202210741040.6
申请日：2022-06-28
Applicant: 重庆长安汽车股份有限公司
IPC: G06V20/56 , G06V10/762 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图神经网络的车辆未来轨迹预测方法，包括如下步骤：步骤1：数据采集：步骤2：制作训练数据：步骤3：神经网络搭建：步骤4：进行模型训练：步骤5：将测试集输入训练完成的图神经网络模型，得到轨迹预测的结果。本发明所述方法是基于图神经网络(GNN)的多模态轨迹预测算法，道路图和待预测车辆的时间序列会输入深度学习模型，输出预测轨迹；模型输出的是多条轨迹及其对应的置信概率，从而避免模型为了降低损失函数值而输出多条轨迹的均值的行为(模式崩塌)；当神经网络训练好之后，在模型见到训练数据中没有存在过的实时路况和交通参与者的状态时，模型会基于已有经验对新数据作出预测。
-
公开(公告)号：CN119917928A
公开(公告)日：2025-05-02
申请号：CN202311437526.1
申请日：2023-10-31
Applicant: 重庆长安汽车股份有限公司
IPC: G06F18/2413 , G06F18/214 , G06F18/21
Abstract: 本发明公开了一种车辆轨迹预测模型的优化方法、装置及车辆，涉及车辆技术领域。所述方法包括：获取目标数量的目标车辆样本行驶数据；将每个目标车辆样本行驶数据切分为预设长度的分段数据；根据目标车辆样本行驶数据，对分段数据中每个目标的第一换道行为进行判断，并根据第一换道行为对每个目标添加真值标签，真值标签用于表征每个目标的第一换道行为；利用每个目标的真值标签，对车辆轨迹预测模型的模型参数进行更新，车辆轨迹预测模型是预先训练完毕的用于预测车辆行驶轨迹的模型。本发明公开的方法利用改变模型参数来增强车辆轨迹预测模型对换道场景的关注度，可以优化现有的轨迹预测模型在换道场景的轨迹预测精度。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.03 seconds)
