-
-
公开(公告)号:CN111252061B
公开(公告)日:2023-08-15
申请号:CN201910823056.X
申请日:2019-09-02
申请人: 百度(美国)有限责任公司
摘要: 在一个实施方式中,一种方法、设备和系统可使用机器学习预测自动驾驶车辆(ADV)处的环境对象的行为。使用包括至少第一神经网络、第二神经网络和第三神经网络的数据处理架构,针对ADV周围环境中的一个或多个对象做出一个或多个让行/超车决策,第一神经网络、第二神经网络和第三神经网络已用训练数据集训练过。至少部分地基于让行/超车决策生成驾驶信号以控制ADV的操作。
-
公开(公告)号:CN111044057B
公开(公告)日:2023-08-08
申请号:CN201910684003.4
申请日:2019-07-26
申请人: 百度(美国)有限责任公司
摘要: 在一个实施方式中,实时地图可基于特定路段上的车道和车道的相关车道边界的导航引导线通过自动驾驶车辆(ADV)生成。当在路段上的道中行进时,ADV可使用导航引导线作为参考线并使用车道边界作为边界。导航引导线可以从手动驾驶路径数据推导出,其中,手动驾驶路径数据通过在所述特定路段上行进多次的人为驾驶车辆进行收集。
-
公开(公告)号:CN111033422B
公开(公告)日:2023-05-26
申请号:CN201880053195.2
申请日:2018-05-18
申请人: 百度时代网络技术(北京)有限公司 , 百度(美国)有限责任公司
IPC分类号: G05D1/02
摘要: 基于ADV的至少当前位置确定横向漂移误差。使用预定的分割算法,将横向漂移误差分割为第一漂移误差和第二漂移误差。规划模块为当前驾驶周期规划路径或轨迹,以在预定时间段内从当前位置驾驶ADV。规划模块通过基于第一漂移误差至少修改轨迹的起点来对轨迹执行第一漂移误差校正,以生成修正轨迹。控制模块控制ADV按照修正轨迹驾驶,包括基于第二漂移误差执行第二漂移误差校正。因此,ADV能够按照更接近理想状况的路径驾驶。
-
公开(公告)号:CN110389585B
公开(公告)日:2023-01-03
申请号:CN201910053854.9
申请日:2019-01-21
申请人: 百度(美国)有限责任公司
IPC分类号: G05D1/02
摘要: 公开了一种用于自动驾驶车辆(ADV)的基于学习的速度规划器。ADV设置为人类驾驶模式。驾驶控制元件受人类驾驶员的控制,而其它ADV逻辑仍被启用。ADV规划在具有障碍物的路线段上的路线路径。ADV逻辑生成针对路径段的基点‑时间图,以及包含路径和障碍物的单元网格。从网格生成特征向量。当ADV沿着路径导航时记录人类驾驶行为。将针对大量路径、障碍物和ADV记录的驾驶数据发送到服务器以生成速度模型。速度模型被下载到一个或多个ADV以用于自动驾驶模式,从而确定在类似驾驶情况下使用的初始速度。
-
公开(公告)号:CN108068825B
公开(公告)日:2020-12-11
申请号:CN201710833755.3
申请日:2017-09-15
申请人: 百度(美国)有限责任公司
摘要: 公开了为无人驾驶车辆提供与其它交通实体(诸如,其它无人驾驶车辆、非无人驾驶车辆、行人、骑车者等)进行视觉通信的能力的系统。为了提供这样的能力,该系统允许无人驾驶车辆使用照明机构进行通信。例如,照明机构可包括除了车辆所需的任何强制性照明系统(例如,刹车灯、前灯、转向灯等)之外所提供的一个或多个专门的灯。因此,无人驾驶车辆可与交通实体进行通信以提供额外暗示,诸如,意向驾驶操纵,并且提供与其它无人驾驶车辆进行双向通信的机构。
-
公开(公告)号:CN111176268A
公开(公告)日:2020-05-19
申请号:CN201910815707.0
申请日:2019-08-30
申请人: 百度(美国)有限责任公司
摘要: 公开了一种确定用于以类似于人类驾驶的方式导航自动驾驶车辆的平滑参考线的方法。使用高清晰度地图生成道路车道的中心线。使用中心线生成与中心线的曲率相关的多个样本点。在每个样本点处生成调整点,在每个样本点处的中心线两侧生成几个调整点。样本点处的候选点包括调整点和样本点。通过样本点中的每个处的候选点中的每个确定最低成本路径。路径成本基于候选点的接近角度和偏离角度,以及候选点距中心线的距离。
-
公开(公告)号:CN111033422A
公开(公告)日:2020-04-17
申请号:CN201880053195.2
申请日:2018-05-18
申请人: 百度时代网络技术(北京)有限公司 , 百度(美国)有限责任公司
IPC分类号: G05D1/02
摘要: 基于ADV的至少当前位置确定横向漂移误差。使用预定的分割算法,将横向漂移误差分割为第一漂移误差和第二漂移误差。规划模块为当前驾驶周期规划路径或轨迹,以在预定时间段内从当前位置驾驶ADV。规划模块通过基于第一漂移误差至少修改轨迹的起点来对轨迹执行第一漂移误差校正,以生成修正轨迹。控制模块控制ADV按照修正轨迹驾驶,包括基于第二漂移误差执行第二漂移误差校正。因此,ADV能够按照更接近理想状况的路径驾驶。
-
公开(公告)号:CN110377024A
公开(公告)日:2019-10-25
申请号:CN201910020817.8
申请日:2019-01-09
申请人: 百度(美国)有限责任公司
IPC分类号: G05D1/02
摘要: 在一个实施方式中,当自动驾驶车辆(ADV)在包括多个障碍物的目标区域(ROI)内移动时,从安装在所述ADV上的一个或多个传感器收集传感器数据。对所收集的传感器数据进行操作以获取与障碍物相关的障碍物数据、位置数据以及与障碍物数据和位置数据对应的多个时间戳。针对时间戳中的每个,基于位置数据将障碍物的位置映射到障碍物数据中与时间戳对应的一些,从而生成障碍物的映射信息。自动对映射信息进行标注以生成经标注的数据,其中,经标注的数据随后被用于训练机器学习算法以在ADV的自动驾驶期间识别障碍物。
-
-
-
-
-
-
-
-
-