-
公开(公告)号：CN115900735A
公开(公告)日：2023-04-04
申请号：CN202211659114.8
申请日：2022-12-22
Applicant: 重庆长安汽车股份有限公司
IPC: G01C21/30
Abstract: 本申请涉及自动驾驶技术领域，特别涉及一种车辆定位方法、装置、车辆及存储介质，其中，方法包括以下步骤：获取车辆的当前位置和当前所处路段的图像；识别图像得到车辆当前所处车道的第一车道中心线，并计算车辆与第一车道中心线之间的第一偏差距离；根据当前位置匹配当前所处路段的地图，根据地图确定车辆当前所处车道的第二车道中心线，并计算当前位置与第二车道中心线之间的第二偏差距离；根据第一偏差距离和/或第二偏差距离修正当前位置。由此，解决了相关技术中定位系统信号较弱的情况下，车辆容易出现定位不准或者失效的情况，从而引发安全事故等问题。
-
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：CN114583737B
公开(公告)日：2024-09-24
申请号：CN202210313196.4
申请日：2022-03-28
Applicant: 重庆长安汽车股份有限公司
Abstract: 本发明公开了一种云层运动预测系统、预测方法及存储介质，该预测系统包括传感器模块、单片机、云服务器和光伏发电站，光伏发电站内设有备用电池；传感器模块用于将跟随光照强度的变化而变化的电压信号发送给单片机；单片机用于将电压信号转化为光照强度信号进行本地保存并上传到云服务器；云服务器用于将云层到达光伏发电站的时间和启用备用电池的信号发送到光伏发电站；光伏发电站通过启动所述备用电池来稳定光伏发电站的供电电压。本发明能够在云层到达光伏发电站上方前对云层的运动速度和方向进行预测，在需求启用备用电池时提前向光伏发电站发送信号，以减小云层即将到来对光伏发电站造成的电压波动，提高光伏发电站的使用寿命。
-
公开(公告)号：CN115147790B
公开(公告)日：2024-06-04
申请号：CN202210741040.6
申请日：2022-06-28
Applicant: 重庆长安汽车股份有限公司
IPC: G06V20/56 , G06V10/762 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于图神经网络的车辆未来轨迹预测方法，包括如下步骤：步骤1：数据采集：步骤2：制作训练数据：步骤3：神经网络搭建：步骤4：进行模型训练：步骤5：将测试集输入训练完成的图神经网络模型，得到轨迹预测的结果。本发明所述方法是基于图神经网络(GNN)的多模态轨迹预测算法，道路图和待预测车辆的时间序列会输入深度学习模型，输出预测轨迹；模型输出的是多条轨迹及其对应的置信概率，从而避免模型为了降低损失函数值而输出多条轨迹的均值的行为(模式崩塌)；当神经网络训练好之后，在模型见到训练数据中没有存在过的实时路况和交通参与者的状态时，模型会基于已有经验对新数据作出预测。
-
公开(公告)号：CN116628433A
公开(公告)日：2023-08-22
申请号：CN202310664466.0
申请日：2023-06-05
Applicant: 重庆长安汽车股份有限公司
Abstract: 本发明公开了一种智能驾驶车辆的行车状态评估方法及其系统，方法如下：采集车辆行驶过程中自动驾驶模块产生的数据信息，根据评估指标对数据信息进行筛选；对筛选后的数据信息进行本地存储；对保存的数据进行解析，还原成数据在车辆上的状态，基于评估功能规则对还原后的数据进行模块功能类评估、模块性能类评估，得到自动驾驶模块在功能上和性能上的评估结果；根据评估结果生成评估报告；本发明完善车辆的评估纬度，且对车辆自身模块的功能与性能进行评估。
-
Patent Agency Ranking
公开(公告)号：CN115909246A
公开(公告)日：2023-04-04
申请号：CN202211520634.0
申请日：2022-11-29
Applicant: 重庆长安汽车股份有限公司
Abstract: 本发明提供一种基于运动学模型的轨迹筛选处理方法、装置、电子设备及存储介质，包括：获取当前车辆在预设范围内的目标对象的行驶数据，并基于行驶数据和预测算法确定所述目标对象的多条候选预测轨迹；获取目标对象所处的场景信息和所述目标对象的类型信息，并基于场景信息和类型信息确定所述预测算法的先验评分；对每条候选预测轨迹进行评价，获取每条候选预测轨迹的轨迹评分，基于轨迹评分和先验评分确定每条候选预测轨迹的最终评分，将评分最高的一条候选预测轨迹输出作为目标对象的预测轨迹。其能够对多种预测算法输出的若干预测轨迹进行筛选和处理，输出一条目标对象的最优预测轨迹，从而提高预测轨迹的准确性。
-
公开(公告)号：CN115147790A
公开(公告)日：2022-10-04
申请号：CN202210741040.6
申请日：2022-06-28
Applicant: 重庆长安汽车股份有限公司
IPC: G06V20/56 , G06V10/762 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图神经网络的车辆未来轨迹预测方法，包括如下步骤：步骤1：数据采集：步骤2：制作训练数据：步骤3：神经网络搭建：步骤4：进行模型训练：步骤5：将测试集输入训练完成的图神经网络模型，得到轨迹预测的结果。本发明所述方法是基于图神经网络(GNN)的多模态轨迹预测算法，道路图和待预测车辆的时间序列会输入深度学习模型，输出预测轨迹；模型输出的是多条轨迹及其对应的置信概率，从而避免模型为了降低损失函数值而输出多条轨迹的均值的行为(模式崩塌)；当神经网络训练好之后，在模型见到训练数据中没有存在过的实时路况和交通参与者的状态时，模型会基于已有经验对新数据作出预测。
-
公开(公告)号：CN115465295B
公开(公告)日：2024-07-23
申请号：CN202211116954.X
申请日：2022-09-14
Applicant: 重庆长安汽车股份有限公司
IPC: B60W60/00 , B60W30/095
Abstract: 本申请涉及一种路口车辆未来轨迹的预测方法、装置、车辆及存储介质，其中，方法包括：确定当前路口处的多条可通行路径；根据每条可通行路径的路径信息计算目标车辆到每条可通行路径的至少一个行驶参数；基于至少一个行驶参数确定具备行驶意图的可通行路径，预测目标车辆的多条预测行驶轨迹，并确定每条预测行驶轨迹的代价函数，得到多条预测行驶轨迹中最优预测行驶轨迹，将最优预测行驶轨迹作为未来轨迹的预测结果。本申请实施例可以实现对路口车辆未来规划轨迹的预测，计算简单可靠，无需依靠大量数据，对算力要求较低，能够全面考虑轨迹的舒适性、时效性与安全性。
-
公开(公告)号：CN117053807A
公开(公告)日：2023-11-14
申请号：CN202310630855.1
申请日：2023-05-30
Applicant: 重庆长安汽车股份有限公司
IPC: G01C21/34 , G01C21/00 , G06Q10/047
Abstract: 本发明提供了一种车道线拓扑关系构建方法、装置、设备及可读存储介质，获取道路数据，道路数据包括每条车道的横向关联车道信息；确定车辆所在的第一车道中心线，并确定第一车道中心线的横向关联车道；根据横向关联车道与第一车道中心线的纵向重叠长度，从横向关联车道中确定与第一车道中心线横向关联的第二车道中心线；继续确定与第二车道中心线横向关联的第三车道中心线，直至确定与第一车道中心线处于同一排的所有车道中心线，并构建处于同一排的所有车道中心线之间的拓扑关系。本申请通过递归查找以及判断纵向重叠长度的方式，逐步确定同一排的所有车道中心线，实现了从大量道路数据中，精确构建车道线拓扑关系，提升车辆路径规划的准确性。
-
公开(公告)号：CN116974875A
公开(公告)日：2023-10-31
申请号：CN202311047784.9
申请日：2023-08-18
Applicant: 重庆长安汽车股份有限公司
Abstract: 本申请提供了一种资源消耗分析方法、装置以及设备，方法包括，获取车辆的至少两个监控日志以及至少两个耗时日志；针对每一所述监控日志，对所述监控日志进行解析，得到所述车辆的至少一个功能模块分别对应的资源消耗信息；针对每一所述耗时日志，对所述耗时日志进行解析，得到每一所述功能模块中的至少一个功能函数分别对应的耗时信息；针对每一所述功能模块，基于所述功能模块的至少两个所述资源消耗信息以及所述功能模块中的每一所述功能函数的至少两个所述耗时信息，确定所述功能模块的资源消耗分析结果。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.028 seconds)
