-
公开(公告)号：CN116500619A
公开(公告)日：2023-07-28
申请号：CN202211718402.6
申请日：2022-12-29
申请人： 辉达公司
IPC分类号： G01S13/931 , G01S7/02
摘要： 本公开涉及用于汽车雷达感知的雷达信号采样。在各个示例中，提供了用于从表示场景的雷达信号中采样和传输最有用的信息，同时保持在标准汽车雷达传感器的计算和存储范围内以及在雷达传感器和处理单元之间的标准通信链路的带宽限制内的方法和系统。所公开的方法可以至少基于频率区与对应于雷达信号中至少一个峰值和/或检测点的一个或更多个频率区的接近度，选择对应于雷达信号的频率区的补丁。表示对应于频率区的补丁的样本的数据可以被传输到处理单元，并被应用于一个或更多个机器学习模型，以便准确地分类、识别和/或跟踪对象。
-
公开(公告)号：CN118119981A
公开(公告)日：2024-05-31
申请号：CN202380014072.9
申请日：2023-09-13
申请人： 辉达公司
摘要： 公开了涉及使用机器学习模型进行自由空间检测的系统和方法。可包括对象标签的第一数据可从第一传感器获得，且可使用该第一数据和对象标签来识别自由空间。第一数据可以被注释为包括与操作环境内的自由空间相对应的自由空间标签。经自由空间注释的数据可以通过将一个或更多个自由空间标签与从第二传感器获得的第二数据进行组合来生成，其中经自由空间注释的数据与操作环境中的可视区域相对应。该可视区域可通过针对第一数据追踪第二传感器的视场内的来自第二传感器的一个或更多个光线来确定。经自由空间注释的数据可以被输入到机器学习模型中以训练机器学习模型以使用第二数据检测自由空间。
-
公开(公告)号：CN116106905A
公开(公告)日：2023-05-12
申请号：CN202211337376.2
申请日：2022-10-28
申请人： 辉达公司
IPC分类号： G01S13/931 , G01S15/931 , G01S17/931
摘要： 本公开涉及基于雷达的变道安全系统。在各种示例中，本文描述的系统可以针对一组过滤标准评估一个或更多个雷达检测，该一个或更多个雷达检测是使用车辆的至少一个传感器产生的。然后，该系统可以至少基于评估，累积一个或更多个雷达检测以形成一个或更多个能量水平，该一个或更多个能量水平对应于一个或更多个雷达检测在相对于车辆定位的区域中的一个或更多个位置。然后，该系统可以至少基于一个或更多个能量水平的一个或更多个量值，确定与该区域相关联的一个或更多个安全状态。该系统可以至少基于一个或更多个安全状态传输引起对车辆进行控制的数据，或采取引起对车辆进行控制的一些其他行动。
-
公开(公告)号：CN112825136A
公开(公告)日：2021-05-21
申请号：CN202011297922.5
申请日：2020-11-18
申请人： 辉达公司
IPC分类号： G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08 , G01S13/931 , G01S17/931 , G01C21/16
摘要： 本发明公开了自主机器应用中使用RADAR传感器检测障碍物的深度神经网络，在各种示例中，在高速公路和城市场景中，可以训练一个或更多个深度神经网络(例如，卷积神经网络)以从三维(3D)空间的RADAR数据中检测运动和静止障碍物。可以对RADAR检测进行累积，自我运动补偿，正射投影，然后将其输入到一个或更多个神经网络中。一个或更多个神经网络可包括具有特征提取器和几个预测不同输出的头部的公共干线，例如预测置信度图的类置信度头部和预测检测到的对象的对象实例数据的实例回归头部。可以对输出进行解码、过滤和/或聚类以形成识别检测到的对象实例的位置、大小和/或方向的边界形状。可以将检测到的对象实例提供给自主车辆驱动栈，以实现自主车辆的安全计划和控制。
-
公开(公告)号：CN112825134B
公开(公告)日：2024-08-27
申请号：CN202011294650.3
申请日：2020-11-18
申请人： 辉达公司
IPC分类号： G06V20/56 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/08 , G01S13/931 , G01S17/931 , G01C21/16
摘要： 本发明公开了自主机器应用中使用RADAR传感器检测障碍物的深度神经网络，在各个示例中，可以训练一个或更多个深度神经网络(例如，卷积神经网络)，以从三维(3D)空间的RADAR数据中检测移动或静止障碍物。在一些实施例中，可以从LIDAR数据生成用于一个或更多个神经网络的地面真实训练数据。更具体地，可以用RADAR和LIDAR传感器观察场景，以收集特定时间片的RADAR数据和LIDAR数据。RADAR数据可以用于输入训练数据，并且与RADAR数据相同或最接近的时间片相关联的LIDAR数据可以用识别要检测的对象的地面真实标签来注释。LIDAR标签可以传播到RADAR数据，并且可以省略包含少于一些阈值数量的RADAR检测的LIDAR标签。(剩余的)LIDAR标签可用于生成地面真实数据。
-
公开(公告)号：CN112825136B
公开(公告)日：2024-05-14
申请号：CN202011297922.5
申请日：2020-11-18
申请人： 辉达公司
IPC分类号： G06V20/56 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/08 , G01S13/931 , G01S17/931 , G01C21/16
摘要： 本发明公开了自主机器应用中使用RADAR传感器检测障碍物的深度神经网络，在各种示例中，在高速公路和城市场景中，可以训练一个或更多个深度神经网络(例如，卷积神经网络)以从三维(3D)空间的RADAR数据中检测运动和静止障碍物。可以对RADAR检测进行累积，自我运动补偿，正射投影，然后将其输入到一个或更多个神经网络中。一个或更多个神经网络可包括具有特征提取器和几个预测不同输出的头部的公共干线，例如预测置信度图的类置信度头部和预测检测到的对象的对象实例数据的实例回归头部。可以对输出进行解码、过滤和/或聚类以形成识别检测到的对象实例的位置、大小和/或方向的边界形状。可以将检测到的对象实例提供给自主车辆驱动栈，以实现自主车辆的安全计划和控制。
-
公开(公告)号：CN112825134A
公开(公告)日：2021-05-21
申请号：CN202011294650.3
申请日：2020-11-18
申请人： 辉达公司
IPC分类号： G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08 , G01S13/931 , G01S17/931 , G01C21/16
摘要： 本发明公开了自主机器应用中使用RADAR传感器检测障碍物的深度神经网络，在各个示例中，可以训练一个或更多个深度神经网络(例如，卷积神经网络)，以从三维(3D)空间的RADAR数据中检测移动或静止障碍物。在一些实施例中，可以从LIDAR数据生成用于一个或更多个神经网络的地面真实训练数据。更具体地，可以用RADAR和LIDAR传感器观察场景，以收集特定时间片的RADAR数据和LIDAR数据。RADAR数据可以用于输入训练数据，并且与RADAR数据相同或最接近的时间片相关联的LIDAR数据可以用识别要检测的对象的地面真实标签来注释。LIDAR标签可以传播到RADAR数据，并且可以省略包含少于一些阈值数量的RADAR检测的LIDAR标签。(剩余的)LIDAR标签可用于生成地面真实数据。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.029 秒)
