-
公开(公告)号：CN118411701B
公开(公告)日：2024-09-03
申请号：CN202410882966.6
申请日：2024-07-03
Applicant: 东北大学
Abstract: 本发明提供一种用于高速场景自动驾驶车队的联合感知预测方法，涉及智能网联汽车技术领域。通过对环视图像和雷达RAD数据的编码及特征转换得到当前场景的单车端BEV表征；然后通过空间对齐得到车队级BEV表征，所述车队级BEV表征为覆盖整个车队所处交通场景的环境建模结果；基于该BEV表征，以时序自注意力进行时间维度的特征聚合，最后得到车队级的感知及预测结果。本发明的方法不仅可以解决车队中单车单独进行感知和预测对于周边场景编码的重复计算问题；同时通过感知和预测任务的联合训练优化能实现两个任务的参数共享，从而进一步降低计算量。
-
公开(公告)号：CN118411701A
公开(公告)日：2024-07-30
申请号：CN202410882966.6
申请日：2024-07-03
Applicant: 东北大学
Abstract: 本发明提供一种用于高速场景自动驾驶车队的联合感知预测方法，涉及智能网联汽车技术领域。通过对环视图像和雷达RAD数据的编码及特征转换得到当前场景的单车端BEV表征；然后通过空间对齐得到车队级BEV表征，所述车队级BEV表征为覆盖整个车队所处交通场景的环境建模结果；基于该BEV表征，以时序自注意力进行时间维度的特征聚合，最后得到车队级的感知及预测结果。本发明的方法不仅可以解决车队中单车单独进行感知和预测对于周边场景编码的重复计算问题；同时通过感知和预测任务的联合训练优化能实现两个任务的参数共享，从而进一步降低计算量。
-
公开(公告)号：CN118246609B
公开(公告)日：2024-08-13
申请号：CN202410666862.1
申请日：2024-05-28
Applicant: 东北大学
IPC: G06Q10/04 , G06Q50/40 , G06F18/25 , G06N3/0455 , G06N3/042 , G06F123/02
Abstract: 本发明提供一种用于高速场景中自动驾驶汽车编队的轨迹预测方法，涉及智能网联汽车技术领域。通过聚合高速汽车编队中多车感知数据，实现长距离/超长距离的历史轨迹数据捕获，从而实现长距离/超长距离驾驶场景的动态及静态环境上下文建模。基于上述环境建模，实现基于高速车队感知数据的轨迹预测方法。相对于基于单车感知数据的轨迹预测方法，由于本发明将车队的感知数据整体建模，只进行一次预测，不仅降低了轨迹预测任务的计算冗余度，同时消除了多个单车预测结果的潜在冲突导致的安全隐患。另外，本发明采用了基于空间划片和时间解耦的层次化编码器结构，以及嵌入式设备友好型的解码器计算单元，进一步降低了轨迹预测任务的计算量。
-
公开(公告)号：CN118246609A
公开(公告)日：2024-06-25
申请号：CN202410666862.1
申请日：2024-05-28
Applicant: 东北大学
IPC: G06Q10/04 , G06Q50/40 , G06F18/25 , G06N3/0455 , G06N3/042 , G06F123/02
Abstract: 本发明提供一种用于高速场景中自动驾驶汽车编队的轨迹预测方法，涉及智能网联汽车技术领域。通过聚合高速汽车编队中多车感知数据，实现长距离/超长距离的历史轨迹数据捕获，从而实现长距离/超长距离驾驶场景的动态及静态环境上下文建模。基于上述环境建模，实现基于高速车队感知数据的轨迹预测方法。相对于基于单车感知数据的轨迹预测方法，由于本发明将车队的感知数据整体建模，只进行一次预测，不仅降低了轨迹预测任务的计算冗余度，同时消除了多个单车预测结果的潜在冲突导致的安全隐患。另外，本发明采用了基于空间划片和时间解耦的层次化编码器结构，以及嵌入式设备友好型的解码器计算单元，进一步降低了轨迹预测任务的计算量。
-
-
-
Search Results
4
records
(took 0.024 seconds)
