一种感知盲区场景下自动驾驶车辆风险评估及交互规划系统

    公开(公告)号:CN118536793A

    公开(公告)日:2024-08-23

    申请号:CN202410321134.7

    申请日:2024-03-20

    Abstract: 本发明提供了一种感知盲区场景下自动驾驶车辆风险评估及交互规划系统,上层风险评估模块:结合了专家知识的图注意力网络MDN,用于预测感知盲区不确定潜在风险的概率分布,通过引入专家先验知识,利用GAT技术捕获复杂的车辆交互动态;同时利用MDN生成潜在车辆的概率状态分布,提供关于遮挡区域内潜在风险的定量评估;下层交互式规划模块提出自适应损失函数强化学习ALERL)算法生成考虑盲区不确定风险的交互运动规划策略,通过引入自适应辅助损失函数AALF,综合考虑了盲区潜在风险的预测准确性、条件风险价值以及对车辆交互探索的鼓励。

    一种自适应深度感知视觉关系的检测方法

    公开(公告)号:CN114463404B

    公开(公告)日:2024-07-02

    申请号:CN202210003877.0

    申请日:2022-01-05

    Abstract: 本发明的自适应深度感知视觉关系的检测方法,由深度感知视觉融合模块由深度细化单元和深度感知注意力单元组成,能够将不准确的深度视觉信息与准确的RGB视觉信息融合。通过分区域局部池化操作,在背景噪声和前景噪声的影响下,目标的深度空间定位存在较大的误差时,采用自适应深度空间定位方法,利用区域信息方差度量边界框中每个小区域的信息相关性,充分利用视觉外观和空间位置这两个视觉关系检测的主要因素中的深度信息,提高网神经络在视觉关系检测任务中的性能。

    一种自适应深度感知视觉关系的检测方法

    公开(公告)号:CN114463404A

    公开(公告)日:2022-05-10

    申请号:CN202210003877.0

    申请日:2022-01-05

    Abstract: 本发明的自适应深度感知视觉关系的检测方法,由深度感知视觉融合模块由深度细化单元和深度感知注意力单元组成,能够将不准确的深度视觉信息与准确的RGB视觉信息融合。通过分区域局部池化操作,在背景噪声和前景噪声的影响下,目标的深度空间定位存在较大的误差时,采用自适应深度空间定位方法,利用区域信息方差度量边界框中每个小区域的信息相关性,充分利用视觉外观和空间位置这两个视觉关系检测的主要因素中的深度信息,提高网神经络在视觉关系检测任务中的性能。

    一种基于最近发展区指导的自动驾驶对抗学习方法

    公开(公告)号:CN119568178A

    公开(公告)日:2025-03-07

    申请号:CN202411409698.2

    申请日:2024-10-10

    Abstract: 本发明提供的一种基于最近发展区指导的自动驾驶对抗学习方法,通过综合考虑对抗车辆的个人因素、对抗性因素和自车的理想回报上限,保证生成的对抗性任务在具有挑战性的同时是可解的,而且符合交通规则,有效促进了自车代理的学习和适应;其次,引入了“车辆潜在威胁性”概念,基于ZPD理论实现了损失函数各约束项之间比重系数的动态调整,以在训练过程中自适应地改变任务难度,促进自车更快地学习;最后,提出了碰撞分析方法,通过车身碰撞点、碰撞角度和碰撞速度因素评估碰撞的严重程度,计算碰撞损失值,并将其纳入自车和对抗代理的损失函数中,确保模型根据详细的碰撞风险更新其参数。

    一种内容时间关系网络及生成时间动作提案的方法

    公开(公告)号:CN114419487B

    公开(公告)日:2024-07-02

    申请号:CN202111607289.X

    申请日:2021-12-24

    Abstract: 本发明公开了一种内容时间关系网络及生成时间动作提案的方法,能够解决在视频中难以生成高质量时序动作提案的问题。所述内容时间关系网络包括:特征编码模块、基础网络、提案评估网络、帧评估网络;所述特征编码模块得到视频特征序列;所述基础网络用于提取帧级别特征之间的双向语义关系,输出最终特征序列;所述提案评估网络包括提案特征图生成层和内容‑时间关系模块,所述提案特征图生成层将所述最终特征序列转化为二维时域提案特征图;所述内容‑时间关系模块基于所述二维时域提案特征图,获取提案之间的内容和时间语义关系,预测每个提案的置信度和完整性;所述帧评估网络输出每帧为动作帧、开始帧、以及结束帧的概率。

    一种密集交通场景下自动驾驶车辆换道规划控制方法

    公开(公告)号:CN117325860A

    公开(公告)日:2024-01-02

    申请号:CN202311172439.8

    申请日:2023-09-12

    Abstract: 本发明公开了一种密集交通场景下自动驾驶车辆换道规划控制方法,交互式强化学习模块考虑环境不确定性、车辆安全约束和车辆交互异质性,基于强化学习算法生成密集交通场景下自动驾驶汽车交互式换道的目标轨迹;通过引入先验驾驶知识,识别并调节交互式强化学习模块生成的不安全运动规划策略,并将修正后的运动规划策略传递给运动跟踪控制模块;基于非线性模型预测控制算法生成局部最优控制命令,跟踪交互式强化学习模块提供的目标轨迹,使得满足车辆动力学约束并能够预测潜在风险;本发明方法可以与各种传感器和执行器配合使用,获取环境信息和周围车辆状态信息;还可以与制动器、油门、转向器等执行器配合使用,以实现自动驾驶车辆的运动控制。

    一种面向自动驾驶赛车的极限驾驶规划控制方法

    公开(公告)号:CN117270527A

    公开(公告)日:2023-12-22

    申请号:CN202311173726.0

    申请日:2023-09-12

    Abstract: 本发明提供了一种面向自动驾驶赛车的极限驾驶规划控制方法,后退式强化学习模块设计难度逐步提升的多阶段强化学习课程,依次利用专家引导策略和强化学习策略完成整个赛道的车辆轨迹规划,并在训练过程中逐步后退提高强化学习策略的应用范围;风险感知变异模块结合好奇心驱动机制和变异算法,通过对关键风险状态和强化学习动作网络进行变异操作,促进强化学习算法学习关键风险状态中蕴含的极限驾驶知识,提升临界风险状态下的鲁棒性和安全性;模型预测控制模块:基于非线性模型预测控制算法生成局部最优控制命令,跟踪后退式强化学习模块提供的目标轨迹,使得满足车辆动力学约束并能够预测潜在风险,可以实现自动驾驶赛车的运动控制。

    一种内容时间关系网络及生成时间动作提案的方法

    公开(公告)号:CN114419487A

    公开(公告)日:2022-04-29

    申请号:CN202111607289.X

    申请日:2021-12-24

    Abstract: 本发明公开了一种内容时间关系网络及生成时间动作提案的方法,能够解决在视频中难以生成高质量时序动作提案的问题。所述内容时间关系网络包括:特征编码模块、基础网络、提案评估网络、帧评估网络;所述特征编码模块得到视频特征序列;所述基础网络用于提取帧级别特征之间的双向语义关系,输出最终特征序列;所述提案评估网络包括提案特征图生成层和内容‑时间关系模块,所述提案特征图生成层将所述最终特征序列转化为二维时域提案特征图;所述内容‑时间关系模块基于所述二维时域提案特征图,获取提案之间的内容和时间语义关系,预测每个提案的置信度和完整性;所述帧评估网络输出每帧为动作帧、开始帧、以及结束帧的概率。

Patent Agency Ranking