-
公开(公告)号：CN114968782B
公开(公告)日：2024-11-08
申请号：CN202210576595.X
申请日：2022-05-25
Applicant: 重庆长安汽车股份有限公司
IPC: G06F11/36
Abstract: 本发明公开了一种基于Carla模拟器实现智能驾驶的方法，包括如下步骤：步骤1：基于Carla模拟器，构建地图模型以及自车模型，通过多个节点模块订阅Carla客户端发送的信息，并发布对自车模型的控制信号，实现对自车模型的控制；步骤2：将驾驶策略导入Carla模拟器，根据驾驶策略依次启动多个模块，使自车模型能够按照驾驶策略在地图模型中行驶。本发明以Carla模拟器为基础，不仅能够将仿真系统与智能驾驶系统隔离开，使二者能够各自独立地进行开发和调试，还能通过ros节点进行实时通信；对于智能驾驶系统而言，其各模块相互有信号的依赖，但同样可以独立运行在不同的命令窗口，这无疑提高了系统整体的灵活度以及调试程序、定位问题的效率。
-
公开(公告)号：CN116523137A
公开(公告)日：2023-08-01
申请号：CN202310500722.2
申请日：2023-05-05
Applicant: 重庆长安汽车股份有限公司
IPC: G06Q10/04 , G06Q10/0631 , G06Q10/0639 , G06Q50/30 , G06F18/23 , G06F18/214 , G06F18/24 , G06N3/04 , G06F18/22
Abstract: 本发明公开了一种车辆自动驾驶的轨迹预测模型调度方法和系统，涉及自动驾驶的技术领域；离线训练阶段，获取轨迹预测所需的历史数据集并进行分类处理，利用不同道路场景不同类簇的历史数据集训练每个轨迹预测模型，保存满足预设精度阈值的预训练轨迹预测模型；在线调度阶段，获取当前道路场景和当前车辆数据，匹配离线训练阶段中相同道路场景最接近类簇的历史数据集，将对应的若干个预训练轨迹预测模型作为初选轨迹预测模型，其中最终总得分最高的作为终选轨迹预测模型，进行自动驾驶轨迹预测。本发明能够合理调度多种自动驾驶轨迹预测模型，降低计算资源，提高计算效率，更高效、准确的预测车辆自动驾驶轨迹。
-
公开(公告)号：CN116080687A
公开(公告)日：2023-05-09
申请号：CN202310179054.8
申请日：2023-02-27
Applicant: 重庆长安汽车股份有限公司
Abstract: 本申请提供一种预测轨迹后处理方法、系统、设备和介质，该方法包括：获取地图数据以及目标车辆的预测轨迹，根据所述地图数据确定所述目标车辆当前行驶车道的目标车道中心线；根据所述目标车道中心线搜索所述地图数据中对应的后继车道中心线，将所述目标车道中心线的对应的道路边界线与所述后继车道中心线对应的道路边界线进行拼接，得到待判别道路边界线集合；将所述预测轨迹转换到以所述待判别道路边界线集合中的道路边界线为参考线的坐标系下，对超出所述待判别道路边界线集合中道路边界线的所述预测轨迹进行矫正以使所述预测轨迹在对应道路边界线内。本申请可保证预测轨迹可满足实际行车需求，保证行车安全。
-
公开(公告)号：CN115817467A
公开(公告)日：2023-03-21
申请号：CN202211544049.4
申请日：2022-11-30
Applicant: 重庆长安汽车股份有限公司
IPC: B60W30/095 , B60W50/00
Abstract: 本发明提供一种预测轨迹的后处理方法及系统、电子设备、存储介质，属于运动轨迹预测技术领域。预测轨迹的后处理方法，包括：获取预测轨迹及所述预测轨迹所映射的车道边界，所述车道边界的两侧分别为内侧及外侧，所述预测轨迹的起点位于内侧；比较所述预测轨迹及所述车道边界，所述预测轨迹位于车道边界外侧的部分为越界轨迹；将所述预测轨迹的越界轨迹替换为所述越界轨迹所映射的所述车道边界，得到修正轨迹。本发明能够将所述预测轨迹的越界轨迹替换为所述越界轨迹所映射的所述车道边界，得到修正轨迹。避免预测轨迹超出车道边界情况发生，降低预测轨迹的偏差，提高预测轨迹的合理性及可使用性。
-
公开(公告)号：CN116129380A
公开(公告)日：2023-05-16
申请号：CN202310001900.7
申请日：2023-01-03
Applicant: 重庆长安汽车股份有限公司
IPC: G06V20/56 , G06V10/26 , G06V10/82 , G06V10/764 , G06N3/08 , G06N3/0464
Abstract: 本发明涉及车辆自动驾驶技术领域，提供了一种自动驾驶车辆行驶车道判别方法、系统、车辆及存储介质，系统包括整车控制器和前视摄像头，方法步骤包括：通过前视摄像头获取道路路况图像；将视觉感知获得的道路图像输入PSPNet语义分割神经网络，输出图像中每个像素的语义，判断每个像素点属于左车道、或右车道、或当前车道、或非车道；在进行语义分割的同时，利用目标检测神经网络检测出障碍物在道路图像中的像素坐标；通过障碍物像素坐标与车道语义分割的像素结果判定障碍物所属车道的位置。本发明能够通过基于PSPNet深度神经网络的语义分割技术获取语义信息，根据语义信息更准确和更抗干扰地提取车道信息，从而判定自车以及障碍物当前所占据的车道。
-
Patent Agency Ranking
公开(公告)号：CN118270042A
公开(公告)日：2024-07-02
申请号：CN202410379299.X
申请日：2024-03-29
Applicant: 重庆长安汽车股份有限公司
Abstract: 本申请涉及一种交通对象加塞行为的确定方法、装置、设备及存储介质，该方法包括：确定源交通对象与待测交通对象之间的第一交互关系图；将所述待测交通对象分别与所述待测交通对象所在的车道、所述源交通对象所在的车道建立连接关系，得到所述待测交通对象与车道之间的第二交互关系图；其中，在所述第二交互关系图中，所述待测交通对象为第一节点，所述待测交通对象所在的车道为第二节点，所述源交通对象所在的车道为第三节点；基于所述第一交互关系图和所述第二交互关系图，确定所述待测交通对象是否具有加塞行为。本申请提供的交通对象加塞行为的确定方法可以提高对待测车辆的加塞行为预测的准确性，提高行车安全。
-
公开(公告)号：CN117689694A
公开(公告)日：2024-03-12
申请号：CN202410014040.5
申请日：2024-01-03
Applicant: 重庆长安汽车股份有限公司
Abstract: 本发明涉及自动驾驶技术领域，公开了轨迹预测方法、装置、计算机设备及存储介质，本发明在获得不同轨迹预测算法输出的预测轨迹后，基于各目标车辆在不同预测轨迹中各轨迹点的车辆运行参数，得到各目标车辆的不同预测轨迹相对于参考轨迹的偏差总值，基于得到的偏差总值对第一先验概率矩阵进行更新，根据更新后的第二先验概率矩阵和不同预测轨迹对应的偏差总值得到不同预测轨迹对应的评估分值，以对轨迹集中的预测轨迹进行筛选，确定目标车辆的目标预测轨迹。从而在不损失实时性的前提下，对多种轨迹预测算法输出的预测轨迹进行评估，在不同道路场景下针对目标车辆筛选出其最有可能的轨迹。
-
公开(公告)号：CN117104266A
公开(公告)日：2023-11-24
申请号：CN202311089948.4
申请日：2023-08-28
Applicant: 重庆长安汽车股份有限公司
Abstract: 本发明公开了一种车辆运动轨迹预测方法，包括：获取目标车辆的当前行驶控制信号；以所述目标车辆的当前行驶控制信号作为目标车辆的运动学模型的控制变量，得到目标车辆的运动状态变量；更新所述运动状态变量，得到新的运动状态变量；基于所述新的运动状态变量得到目标车辆的预测运动轨迹。本发明由于在预测过程中结合了车辆的运动学模型，解决了工程化中纯深度学习模型输出轨迹缺乏运动学约束的问题，为自动驾驶系统提供可靠的目标轨迹预测信息，提升车辆行驶的安全性，使得模型在各类场景具有更强的泛化性和鲁棒性，预测轨迹更符合运动学。
-
公开(公告)号：CN115148025B
公开(公告)日：2023-10-20
申请号：CN202210752011.X
申请日：2022-06-28
Applicant: 重庆长安汽车股份有限公司
IPC: G08G1/01 , G08G1/052 , G06N3/0464 , G06N3/047 , G06N3/082
Abstract: 本发明提供了一种交通目标轨迹预测方法及可读存储介质，该方法借助了交通可移动区域的高精地图信息、目标交通物体的历史轨迹信息、以及目标周围预设定范围内的交通参与者的历史轨迹信息并进行坐标重叠，从而基于高精地图能够确认目标交通物体及其周围的交通参与者的运行区域及轨迹特征，因此利用残差神经网络构建交通轨迹预测模型并基于这些特征信息进行训练自动调整模型参数以达到最佳匹配效果后，即可针对目标交通物体的交通参与者类型和运行轨迹加以准确和客观的预测，从而具备针对不同类型的交通参与者以及较复杂的交通环境的轨迹预测能力以及较高的预测准确性，提高交通目标轨迹预测判断的准确性和技术应用适应能力。
-
公开(公告)号：CN115148025A
公开(公告)日：2022-10-04
申请号：CN202210752011.X
申请日：2022-06-28
Applicant: 重庆长安汽车股份有限公司
Abstract: 本发明提供了一种交通目标轨迹预测方法及可读存储介质，该方法借助了交通可移动区域的高精地图信息、目标交通物体的历史轨迹信息、以及目标周围预设定范围内的交通参与者的历史轨迹信息并进行坐标重叠，从而基于高精地图能够确认目标交通物体及其周围的交通参与者的运行区域及轨迹特征，因此利用残差神经网络构建交通轨迹预测模型并基于这些特征信息进行训练自动调整模型参数以达到最佳匹配效果后，即可针对目标交通物体的交通参与者类型和运行轨迹加以准确和客观的预测，从而具备针对不同类型的交通参与者以及较复杂的交通环境的轨迹预测能力以及较高的预测准确性，提高交通目标轨迹预测判断的准确性和技术应用适应能力。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.04 seconds)
