-
公开(公告)号：CN115086862A
公开(公告)日：2022-09-20
申请号：CN202110262670.0
申请日：2021-03-10
Abstract: 一种基于地图感知容器的多车联合感知信息时空统一方法及装置、存储介质、终端，所述方法包括：提取一个或多个传感器的传感器信息，所述传感器信息包含传感器观测数据坐标系下的空间信息以及观测获得时刻的时间信息；提供地图，将各个传感器信息的传感器观测数据坐标系下的空间信息转换至基于所述地图的地图坐标系下的空间信息；将各个传感器信息的观测获得时刻的时间信息转换至驾驶环境状态空间的时间信息；根据所述地图坐标系下的空间信息以及所述驾驶环境状态空间的时间信息，确定汽车的感知结果的时空基准。本发明可以有效提高融合后的自动驾驶汽车的感知结果的时空一致性。
-
公开(公告)号：CN115077537A
公开(公告)日：2022-09-20
申请号：CN202110262648.6
申请日：2021-03-10
IPC: G01C21/30
Abstract: 一种面向多车联合感知的高精度地图感知容器设计方法及装置、存储介质、终端，所述方法包括：获取感知目标指示信息，所述感知目标指示信息用于指示自动驾驶汽车需要感知的环境状态信息；获取高精度地图，建立地图感知容器在所述地图中对至少一部分感知目标进行特征提取，以得到传感器化信息，从而根据地图原始数据生成与普通传感器格式相同的信号。另外，考虑到高精地图数据中某些信息具有远超车载传感器的置信度，将其直接叠加到感知结果。最后多车联合感知信息在统一的地图时空基准下进行融合感知，确定所述自动驾驶汽车的感知结果；其中，所述地图的定位误差在预设误差范围内。本发明可以有效消除感知盲区和提升感知精度。
-
公开(公告)号：CN112037512A
公开(公告)日：2020-12-04
申请号：CN202010902853.X
申请日：2020-09-01
Applicant: 清华大学
IPC: G08G1/01
Abstract: 本发明涉及一种城市拥堵条件下的机动车管理和优化方法，其包括以下步骤：1)根据历史交通出行数据，确定出行者的个人出行成本模型和时间价值成本函数，并根据建立的个人出行成本模型和时间价值成本函数确定当前道路交通系统的交通流；2)根据预先建立的拥堵费自返还规则，对步骤1)中建立的个人出行成本模型和时间价值成本函数进行更新，进而得到更新后的道路交通系统的交通流；3)根据实际需求确定优化目标，对步骤2)中得到的更新后的道路交通系统的交通流进行优化，得到最优道路交通系统。本发明可以广泛应用于道路交通系统优化领域。
-
公开(公告)号：CN112037512B
公开(公告)日：2021-11-02
申请号：CN202010902853.X
申请日：2020-09-01
Applicant: 清华大学
IPC: G08G1/01
Abstract: 本发明涉及一种城市拥堵条件下的机动车管理和优化方法，其包括以下步骤：1)根据历史交通出行数据，确定出行者的个人出行成本模型和时间价值成本函数，并根据建立的个人出行成本模型和时间价值成本函数确定当前道路交通系统的交通流；2)根据预先建立的拥堵费自返还规则，对步骤1)中建立的个人出行成本模型和时间价值成本函数进行更新，进而得到更新后的道路交通系统的交通流；3)根据实际需求确定优化目标，对步骤2)中得到的更新后的道路交通系统的交通流进行优化，得到最优道路交通系统。本发明可以广泛应用于道路交通系统优化领域。
-
公开(公告)号：CN116052124A
公开(公告)日：2023-05-02
申请号：CN202310051583.X
申请日：2023-02-02
Applicant: 清华大学
Abstract: 本发明涉及一种多相机生成局部地图模板理解加强目标检测方法及系统，其包括：以同一帧多个车载相机的图像作为信息源，构建自车感知范围内的生成式局部地图；基于生成式局部地图，通过静态环境模板生成式地图与动态目标检测的交互式学习与交叉注意力增强，由目标检测障碍物信息分辨静态要素是否被遮挡，补全被遮挡区域，通过静态要素约束动态障碍物的位置与状态，完善目标检测；利用生成式局部地图约束目标检测后处理，输出静态要素的语义图层和动态要素的三维包围框，由目标检测增强局部地图生成过程的完整性。本发明使用交叉注意力机制处理动态目标在静态环境模板的约束和静态模板被动态目标的遮挡，联合增强局部地图和目标检测的性能。
-
Patent Agency Ranking
公开(公告)号：CN115965970A
公开(公告)日：2023-04-14
申请号：CN202310051370.7
申请日：2023-02-02
Applicant: 清华大学
IPC: G06V20/70 , G06V10/26 , G06V20/58 , G06V10/22 , G06N3/08 , G06V10/82 , G06V10/764 , G06N3/0464
Abstract: 本发明涉及一种基于隐式的集合预测实现鸟瞰图语义分割的方法及系统，其包括：对高精度地图中标注数据进行预处理，将高精度地图的语义图层转化为标注的多边形图层；提取标注的多边形图层中的语义特征，对语义特征进行预测头分析，实现多视角相机的拼接和融合，以由隐式集合预测最终的多边形分割框；将图像平面与俯视图的视角进行转换，完成基于变换器的隐式预测。本发明能使网络同时感知动态物体和静态道路，降低感知网络计算量；可以在自动驾驶领域中应用。
-
公开(公告)号：CN111462237B
公开(公告)日：2022-09-20
申请号：CN202010258411.6
申请日：2020-04-03
Applicant: 清华大学
Abstract: 本发明涉及一种利用多源信息构建四通道虚拟图像的目标距离检测方法，其步骤：利用毫米波雷达获取原始点云数据进行信息处理，确定属于同一个目标的雷达原始点信息，得到目标尺寸和目标反射中心位置；根据雷达平面下目标的反射中心位置与单目摄像头采集到的图像中的目标中心像素位置，通过联合标定的方法寻找两种传感器的空间转换关系，同时结合时间同步，实现异步异构多源信息的关联；根据毫米波雷达与图像数据之间的关联关系，构建包含距离信息的虚拟四通道图片；根据虚拟四通道图片搭建卷积神经网络，实现目标检测。本发明能提高目标检测的距离预测能力，实现网络结构轻量化，节约计算资源，提高现有的视觉3D目标检测算法空间信息预测精度与速度。
-
公开(公告)号：CN115965847A
公开(公告)日：2023-04-14
申请号：CN202310076916.4
申请日：2023-01-17
Applicant: 清华大学
IPC: G06V10/80 , G06V20/56 , G06V10/40 , G06V10/82 , G06V10/764 , G06N3/048 , G06N3/047 , G06N3/09 , G06N3/0464
Abstract: 本发明涉及一种交叉视角下多模态特征融合的三维目标检测方法和系统，包括以下步骤：对相机图像数据和毫米波雷达数据进行不同视角下的特征提取，并进行交叉视角转换，得到交叉视角下的特征信息；构建基于交叉视角多模态数据的融合网络，对得到的交叉视角下的特征信息进行深度融合并提取特征，同时进行目标类别及三维位置信息的回归，得到完整的三维目标检测信息。本发明充分考虑了相机图像信息在前视图视角下的空间特征以及毫米波雷达点云信息在鸟瞰图视角下的空间特征，能够适应不同传感器的空间特性进一步进行有效的融合，提高融合性能，有效提高准确率，便于进行后续算法处理。本发明可以广泛应用于智能汽车的环境感知领域。
-
公开(公告)号：CN114662577B
公开(公告)日：2024-11-05
申请号：CN202210240143.4
申请日：2022-03-10
Applicant: 清华大学
Abstract: 本发明涉及一种基于多源异步信息融合的目标状态估计方法及系统，其包括：确定观测变量，根据感知需求确定状态变量，构建交通场景动态目标状态估计的优化问题；基于滑动时间窗、三次样条插值模型及有限状态控制量进行任意时刻状态变量描述，构建时间转换关系，并结合车身坐标到传感器坐标的空间转换关系，完成状态控制量到任意时刻观测量的时空映射关系，得到观测值；基于任意时刻感知传感器的多源异步观测信息，以及三次样条插值模型，求解优化问题，得到对环境中目标状态信息的估计结果。本发明能够控制计算复杂度，节约计算资源；可以广泛在智能汽车的环境感知领域中应用。
-
公开(公告)号：CN116028890A
公开(公告)日：2023-04-28
申请号：CN202310078490.6
申请日：2023-01-17
Applicant: 清华大学
Abstract: 本发明涉及一种分布式多传感器融合跟踪方法和系统，包括以下步骤：获取各传感器的原始测量信息，并采用预先建立的基于扩展标签多伯努利滤波器，得到多传感器局部后验概率密度；确定分布式多传感器融合网络拓扑结构及相对权重矩阵，并基于相对权重矩阵对多传感器局部后验概率密度进行融合，得到融合概率后验密度；根据融合概率后验密度，进行目标状态与数量的更新，得到分布式多传感器融合跟踪结果。本发明基于扩展标签多伯努利滤波器实现对于多目标状态和数量的同时估计，无需复杂的数据关联算法，提高计算效率，做到实时性多目标跟踪。因此，本发明可以广泛应用于智能汽车的环境感知领域。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.026 seconds)
