-
公开(公告)号：CN118082885A
公开(公告)日：2024-05-28
申请号：CN202410266247.1
申请日：2024-03-08
Applicant: 燕山大学
IPC: B60W60/00
Abstract: 本案涉及基于行为状态信息的非机动车及行人行为判断方法及系统，用于解决自动驾驶汽车在人车混行环境中存在理解或预测其他道路使用者行为的问题。本案通过采集自车视角下人车混行环境场景数据，提取自车视角下非机动车、行人行为状态信息，所述非机动车、行人行为状态信息包括非机动车及行人速度、位置、加速度及自车速度、位置，并基于非机动车行为状态信息进行非机动车目标个性化行为判断，所述非机动车目标个性化行为包括非机动车左转、右转、直行及驻停行为，基于行人行为状态信息进行行人个性化行为判断，所述行人个性化行为包括行人的横穿马路及未过马路行为。
-
公开(公告)号：CN120071296A
公开(公告)日：2025-05-30
申请号：CN202510043706.4
申请日：2025-01-10
Applicant: 燕山大学
IPC: G06V20/58 , G06V10/54 , G06V10/764 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/092
Abstract: 本发明提供一种基于自适应稠密特征的三维车道线预测方法及系统，本发明方法包括：统一前视相机输入图像的参数，通过虚拟相机将原始图像转换为输入图像；构建BEV‑3DLane网络模型，将卷积神经网络设计为模型的主干网络，在主干网络中提取车道前视图像特征；引入前视车道检测头作为辅助监督，将其设计为模型的轻量级分支网络，采用与主干网络共享的特征层作为输入，独立检测和定位前视图像中的车道线；采用空间变换算法，将车道前视图像特征进行空间转换，映射到鸟瞰视角，生成BEV特征；采用自适应稠密特征学习机制自主调整网络特征学习方式，生成细粒度的BEV特征；采用3D检测头检测车道线位置和高度信息，并进行融合处理，得到空间位置预测结果。
-
公开(公告)号：CN119975406A
公开(公告)日：2025-05-13
申请号：CN202510055256.0
申请日：2025-01-14
Applicant: 燕山大学
IPC: B60W60/00 , B60W50/00 , B60W50/04 , B60W10/04 , B60W10/18 , B60W10/20 , G06F18/25 , G06F18/24 , G06N3/0464 , G06N3/092
Abstract: 本发明提供一种考虑不确定性估计的端到端自动驾驶行为决策方法和系统，方法包括将图像信息输入卷积神经网络进行特征提取得到周围交通参与者状态信息，与将自车状态信息进行特征融合，融合特征输入全连接层；构建集成分位数网络获取智能体决策结果的完整不确定性估计，包括基于隐式分位数网络的数据不确定性估计和基于考虑先验贝叶斯估计的多模型集成网络的模型不确定性估计；评估智能体决策结果的置信度，置信度强则输出集成分位数网络预测的车辆的最优驾驶动作，置信度弱则切换至制动策略输出；进一步输入端到端自动驾驶决策模型智能体的控制模块，输出控制信号使车辆执行不同的控制动作。本发明提高了端到端自动驾驶行为决策的可靠性和可信性。
-
公开(公告)号：CN118067102A
公开(公告)日：2024-05-24
申请号：CN202410030021.1
申请日：2024-01-09
Applicant: 燕山大学
Abstract: 本发明提供一种基于视点可见性的激光雷达静态点云地图构建方法及系统。基于视点可见性的激光雷达静态点云地图构建方法包括：采集激光雷达点云数据和IMU信息，并进行预处理；对当前扫描的激光雷达点云附近的多帧点云扫描进行点云配准，生成局部点云子地图；将当前扫描的激光雷达点云和局部点云子地图中的地面点云去除，得到非地面点云；对非地面点云进行球面投影，生成对应的距离图像；对距离图像进行差分，筛选各个局部点云子地图中的动态点；基于各个局部点云子地图中的动态点将场景中的各个局部点云子地图进行拼接，生成场景的静态地图。本发明的方法基于可见性方法的缺陷进行优化，在高动态交通场景中具有更好的适用性。
-
-
-
Search Results
4
records
(took 0.014 seconds)
