-
公开(公告)号：CN116758511A
公开(公告)日：2023-09-15
申请号：CN202310579621.9
申请日：2023-05-19
Applicant: 重庆长安汽车股份有限公司
IPC: G06V20/58 , G06V20/56 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明实施例提供一种多任务模型训练方法、任务预测方法、装置、设备及介质，属于智能驾驶领域。多任务模型包括共有网络、多个任务的独有网络、通道融合层、多个任务的输出头，任务模型训练方法包括：将训练集输入至共有网络，得到共有特征，并将训练集输入至独有网络，得到目标任务的独有特征；将共有特征和目标任务的独有特征输入至通道融合层，得到目标任务的融合特征；将融合特征输入至目标任务对应的输出头，并基于多任务模型的输出结果计算多个任务的损失；基于多个任务的损失，迭代训练多任务模型。降低了多任务模型对内存和算力的要求，使得多任务模型具有更高的推理速度，且得到的任务结果更准确。
-
公开(公告)号：CN116518993A
公开(公告)日：2023-08-01
申请号：CN202310419750.1
申请日：2023-04-18
Applicant: 重庆长安汽车股份有限公司
Abstract: 本申请涉及一种点云滤除方法、装置、车辆及存储介质，涉及自动驾驶领域。该方法包括：获取目标车辆的原始点云数据；获取道路边界数据集；道路边界数据集中的道路边界数据用于指示道路边界范围；根据多个激光点中每个激光点的位置，从道路边界数据集中确定每个激光点对应的道路边界数据；根据每个激光点对应的道路边界数据，滤除原始点云数据中目标车道线之外的激光点，得到目标点云数据。该方法适用于在筛选点云数据的过程中滤除道路两侧多余的点云数据。
-
公开(公告)号：CN116434165A
公开(公告)日：2023-07-14
申请号：CN202310168241.6
申请日：2023-02-27
Applicant: 重庆长安汽车股份有限公司
Abstract: 本发明属于自动驾驶技术领域，提供一种道路边界线跟踪方法、装置、电子设备及存储介质，跟踪方法包括：实时获取道路边界关键点集；根据道路边界关键点集，采用随机采样一致算法和基于最小二乘法的道路边界曲线多项式算法拟合出道路边界线观测值，其中，每一帧的道路边界关键点集均对应不同的道路边界线观测值；根据本车的实时速度、上一帧与当前帧的时间差以及上一帧的道路边界线观测值，采用卡尔曼滤波算法，预测得到当前帧的道路边界线预测值。本申请通过引入本车的实时速度，使得获得的道路边界线预测值更为贴近实际的本车坐标系下道路边界线的变化模型，提升最终获得的道路边界线的修正结果的准确性。
-
公开(公告)号：CN115797745A
公开(公告)日：2023-03-14
申请号：CN202211505473.8
申请日：2022-11-28
Applicant: 重庆长安汽车股份有限公司
IPC: G06V10/82 , G06V10/774 , G06V10/776 , G06N3/08 , G06N3/04 , G06V20/56
Abstract: 一种解决雷达位置改变检测模型检测能力下降的方法，其特征在于，所述方法包括：获取不同视野的激光雷达点云数据；使用获取的激光雷达点云数据训练模型，将得到的点云数据预处理后输入到基于深度学习AI检测模型进行模型训练；验证所述检测模型应用到雷达位置发生变化车型上的检测性能；若所述检测模型检测性能没有达到预设阈值，对所述检测模型进行处理；若所述检测模型检测性能达到预设阈值，应用训练好的模型。本发明提高了模型的检测精度，且该模型的泛化能力强，可适用于不同车型，在新车型激光雷达AI模型开发的成本更低，开发周期更短。
-
公开(公告)号：CN115719089A
公开(公告)日：2023-02-28
申请号：CN202211510797.0
申请日：2022-11-29
Applicant: 重庆长安汽车股份有限公司
IPC: G06N3/082 , G06N3/0464
Abstract: 本发明提供一种模型部署方法、装置、电子设备及储存介质，其特征在于，所述方法包括：对训练后的初始模型进行量化，得到量化模型；获取量化模型的各模块的onnx模型及量化校准文件；修正各模块的onnx模型及量化校准文件；合并各模块的onnx模型及量化校准文件，得到第一onnx模型和量化校准文件集；将量化校准文件集转码为可读取文件；基于第一onnx模型和可读取文件，由平台生成模型；对平台生成的模型进行部署。本发明中获取量化后模型的onnx模型，提高tensorRT对算子的融合，提高运行效率，并转化为特定平台的模型，使模型和平台的兼容性更好，其中各个模块相互独立，可快速完成模型的部署，为工程项目节省时间。
-
Patent Agency Ranking
公开(公告)号：CN115409861A
公开(公告)日：2022-11-29
申请号：CN202211049077.9
申请日：2022-08-30
Applicant: 重庆长安汽车股份有限公司
Abstract: 本发明提供一种基于图像处理的激光雷达地面点云分割方法，获取目标对象的三维点云；基于预先设置的点云投影参数将所述三维点云投影到前向透视图中，得到深度图像；计算所述深度图像所有列像素中每一列的两个相邻像素点形成的角度值，并以所述角度值构建角度图像，并基于所述角度图像确定属于地面的地面像素点；从所述深度图像中移除属于地面的地面像素点，得到非地面像素点；获取所述地面像素点与所述非地面像素点的边界像素点，并利用所述边界像素点的邻居信息对所述边界像素点进行分类，并对地面进行分割，得到地面分割结果。本发明的方法在使用深度图像分割地面点云时，能够更准确更高效的进行分割，并对输出的结果进行优化。
-
公开(公告)号：CN115406457A
公开(公告)日：2022-11-29
申请号：CN202211049225.7
申请日：2022-08-30
Applicant: 重庆长安汽车股份有限公司
IPC: G01C21/34 , G01C21/36 , G01S17/931
Abstract: 本发明提供一种可行驶区域检测方法、系统、设备及存储介质，通过激光雷达获取车辆前方预设范围和侧方预设范围的非地面点云；对车辆前方预设范围和侧方预设范围的路面区域进行网格划分，获得多个初始网格；将非地面点云投影至多个初始网格中，得到多个投影网格；对投影网格对应的非地面点云进行计数，并将非地面点云数量大于阈值的投影网格作为边界网格；根据边界网格构建可行驶区域。本发明通过对道路区域进行网格划分，然后对网格进行边界判定，不需要进行图像识别便能够保证可行驶区域的准确性，降低运算复杂度。
-
公开(公告)号：CN115236637A
公开(公告)日：2022-10-25
申请号：CN202210699140.7
申请日：2022-06-20
Applicant: 重庆长安汽车股份有限公司
IPC: G01S7/487 , G01S7/493 , G01S17/931 , G06T7/70
Abstract: 本发明公开了一种基于车辆数据的车载激光雷达点云地面提取方法，包括1）获取点云数据并排序；2）筛选出符合高度阈值且纵向距离小于预设值的点并计算得到平均坐标点；3）获取pitch值和roll值，计算与平均坐标点共平面的两个点，将三个点作为初始种子点集；4）根据初始种子点集进行平面计算并循环迭代；5）循环迭代终止后得到地面点集，完成地面提取。本发明考虑到与本车相近的地面其实是与车辆所处平面为近乎平行的状态，因此结合点云数据和车身姿态角对平面进行计算，最后通过循环迭代找到趋于平稳的地面点，可适应有坡度的路面，可有效解决激光雷达点云地面提取方法存在运算复杂和适用性较差的问题，取得提高自动驾驶安全性的效果。
-
公开(公告)号：CN114359404A
公开(公告)日：2022-04-15
申请号：CN202111572191.5
申请日：2021-12-21
Applicant: 重庆长安汽车股份有限公司
IPC: G06T7/80
Abstract: 本发明公开的一种自动驾驶车载场景投影摄像头的标定方法，包括：S1：搭建标定系统平台，S2：基于物理方法调整棋盘格标定板与待标定车辆的侧切角、俯仰角及横摆角；S3：基于步骤2调整完成的棋盘格标定板，利用车辆中安装的摄像头连续拍摄正对照片15张，并将其保存；S4：手持棋盘格标定板，与车辆前保0.5～1.5米内在不同角度及位置拍摄20张照片，并将其保存；S5：基于步骤4保存的不同位置及角度的棋盘格图案，计算待标定摄像头的内参矩阵；S6：基于步骤5计算的内参矩阵及步骤3保存的棋盘格图案，计算待标定摄像头与车辆中心的旋转矩阵；S7：基于图像上的实际坐标与投影坐标的标准差进行验证。本发明能够用于标定车载摄像头的旋转矩阵及平移向量。
-
公开(公告)号：CN113587940A
公开(公告)日：2021-11-02
申请号：CN202110873920.4
申请日：2021-07-30
Applicant: 重庆长安汽车股份有限公司
Abstract: 本发明提出一种基于车辆转弯半径的车道线校验方法、系统及车辆，方案是通过收集传感器、本车信息数据，利用本车信息动态计算车辆转弯半径，在转弯半径上取若干个点，拟合成三次曲线，对比拟合出的三次曲线与传感器输出或地图获取的差异，作为合理性校验依据，根据合理性校验依据，形成一套方法，提升车道线适应性、鲁棒性，由此解决自动驾驶车辆视觉检测车道线不准、地图地位不准时，传感器输出的车道线误差大，无法满足控制需求的问题。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.037 seconds)
