“B·罗德里格斯·赫尔瓦斯”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网_中国专利网

首页在售求购查询申请展会资讯专利榜企服商城升级VIP

立即登录免费注册

在售专利
求购专利
查询专利
新闻资讯
技术展会
招商加盟
专利榜

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

专利名称

专利名称
专利号码
专利分类
申请人
公布日期

农业化学；冶金建筑机械工程区域搜索

主分类

B 作业；运输

C 化学；冶金

D 纺织；造纸

E 固定建筑物

F 机械工程、照明、加热

专利下载VIP

公布日期

2023-10-24 公布专利

2023-10-20 公布专利

2023-10-17 公布专利

2023-10-13 公布专利

2023-10-10 公布专利

2023-10-03 公布专利

2023-09-29 公布专利

2023-09-26 公布专利

2023-09-22 公布专利

2023-09-19 公布专利

专利权人

国家电网公司

华为技术有限公司

中兴通讯股份有限公司

三星电子株式会社

中国石油化工股份有限公司

鸿海精密工业股份有限公司

松下电器产业株式会社

上海交通大学

钻瓜专利网为您找到相关结果8个，建议您升级VIP下载更多相关专利

[发明专利]用于自主机器系统和应用的基于感知的停车辅助-CN202210985367.8在审
发明人： B·罗德里格斯·赫尔瓦斯;窦航;邹珂轩;H-I·陈;N·G·阿萨夫;M·帕克 -专利权人：辉达公司
申请日： 2022-08-17 - 公布日： 2023-09-19 - 主分类号： B60W30/06 文献下载
摘要：本公开涉及用于自主机器系统和应用的基于感知的停车辅助。在各种示例中，呈现了用于自我机器的基于感知的停车辅助系统和方法。示例实施例可以确定现实世界停车带相对于自我机器的位置以及用于停车带的相关停车规则。可以至少部分地基于在自我机器的环境中的一个或更多个检测到的特征和追踪的自我机器的运动来生成虚拟停车带和一个或更多个虚拟停车标志，并且虚拟停车带可被用于追踪停车带位置和相关的停车规则。自我机器可以依赖虚拟停车带和相关联的规则来确定停车位置和/或导航到合适的停车位。
用于自主机器系统应用基于感知停车辅助

[发明专利]用于自主系统的让行场景编码-CN202210592215.1在审
发明人： D·尼斯特;M·帕克;M·塞恩兹·塞拉;V·图卡拉尔;B·罗德里格斯·赫尔瓦斯 -专利权人：辉达公司
申请日： 2022-05-27 - 公布日： 2023-04-28 - 主分类号： G08G1/0967 文献下载
摘要：本公开涉及用于自主系统的让行场景编码。在示例中，自主车辆能够以安全和可预测的方式协商让行场景。响应于检测到让行场景，生成一个等待元素数据结构，该数据结构对自我路径的几何、包括与自我路径的至少一个竞争点的竞争者路径的几何以及与至少一个竞争点相关联的竞争状态进行编码。还可以对让行场景上下文的几何进行编码，例如交叉口的内部地面、入口线或出口线等。等待元素数据结构被传递给自主车辆的让行规划器。让行规划器至少基于等待元素数据结构来确定自主车辆的让行行为。自主车辆的控制系统可以根据让行行为来操作自主车辆，使得自主车辆安全地协商让行场景。
用于自主系统场景编码

[发明专利]用于自主驾驶应用的三维路口结构预测-CN202080091188.9在审
发明人： T·彭;B·罗德里格斯·赫尔瓦斯;M·帕克;D·尼斯特;N·茨维耶蒂奇 -专利权人：辉达公司
申请日： 2020-12-09 - 公布日： 2022-08-12 - 主分类号： G06V20/56 文献下载
摘要：在各种示例中，可以使用基于处理二维(2D)输入数据的深度神经网络(DNN)来预测三维(3D)路口结构。为了训练DNN从2D输入准确地预测3D路口结构，可以使用将DNN的3D输出(在转换为2D空间后)与2D地面实况数据进行比较的第一损失函数和考虑一个或更多个几何约束来分析DNN的3D预测的第二损失函数来训练DNN——例如，路口的几何知识可用于惩罚与已知路口和/或道路结构几何形状不对齐的DNN预测。因此，DNN可以使用自主或半自主车辆的实时感知来从2D输入中检测路口结构的3D位置。
用于自主驾驶应用三维路口结构预测

[发明专利]使用机器学习的用于自主机器应用的传感器融合-CN202180005884.8在审
发明人： M·帕克;J·权;M·K·科贾马兹;H-J·徐;B·罗德里格斯·赫尔瓦斯;崔泰银 -专利权人：辉达公司
申请日： 2021-06-21 - 公布日： 2022-06-14 - 主分类号： G06T7/70 文献下载
摘要：在各个示例中，可以部署多传感器融合机器学习模型——例如深度神经网络(DNN)——来融合来自多个单独机器学习模型的数据。因此，多传感器融合网络可以使用来自多个机器学习模型的输出作为输入来生成融合输出，该融合输出表示来自提供机器学习模型的每个传感器的视场或感觉场的数据，同时考虑学习的源传感器的各个视场的边界或重叠区域之间的关联。通过这种方式，融合的输出可能不太可能包括与环境中的对象或特征有关的重复、不准确或噪声数据，因为可以训练融合网络来解释出现在不同输入表示中的相同对象的多个实例。
使用机器学习用于自主应用传感器融合

[发明专利]用于自主机器应用的路口区域检测和分类-CN202080046531.8在审
发明人： T·彭;B·罗德里格斯·赫尔瓦斯;M·帕克;D·尼斯特;N·茨维耶蒂奇 -专利权人：辉达公司
申请日： 2020-06-24 - 公布日： 2022-02-01 - 主分类号： G06V20/58 文献下载
摘要：在各种示例中，可以利用来自车辆的传感器的实况感知来实时或接近实时地检测和分类车辆环境中的路口竞争区域。例如，可以训练深度神经网络(DNN)来计算输出(例如带符号距离函数)，这些输出可对应于划定路口竞争区域的边界位置。可以对带符号的距离函数进行解码和/或后处理以确定表示路口区或区域的位置和分类的实例分割掩模。路口区或区域的位置可以在图像空间中生成并转换为世界空间坐标，以帮助自主或半自主车辆根据道路规则、交通优先级考虑等在路口导航。
用于自主机器应用路口区域检测分类

[发明专利]自主机器应用中的路口检测和分类-CN202080035114.3在审
发明人： S·M·萨贾德·穆罕默德阿巴迪;B·罗德里格斯·赫尔瓦斯;窦航;I·特伦金;D·尼斯特;M·帕克;N·茨维耶蒂奇;J·权;T·彭 -专利权人：辉达公司
申请日： 2020-03-10 - 公布日： 2021-12-17 - 主分类号： G06K9/00 文献下载
摘要：在各个示例中，可以利用来自车辆的传感器的实况感知来实时或近实时地对车辆的环境中的路口进行检测和分类。例如，深度神经网络(DNN)可被训练成计算各个输出，诸如路口的边界框坐标、对应于边界框的路口覆盖图、路口属性、到路口的距离和/或与路口相关联的距离覆盖图。可以对输出进行解码和/或后处理，以确定检测到的路口的最终位置、到其的距离和/或其属性。
自主机器应用中的路口检测分类

[发明专利]自主机器应用中的路口姿态检测-CN202080031631.3在审
发明人： T·彭;窦航;B·罗德里格斯·赫尔瓦斯;M·帕克;N·茨维耶蒂奇;D·尼斯特 -专利权人：辉达公司
申请日： 2020-04-14 - 公布日： 2021-12-10 - 主分类号： G06K9/00 文献下载
摘要：在各个示例中，可以利用来自车辆的传感器的现场感知来生成用于车辆的潜在路径，以便实时地或接近实时地导航路口。例如，深度神经网络(DNN)可以被训练成计算各个输出——如对应于与路口相关联的关键点的热图，对应于相对于车道的方向性、航向和偏移的向量场，对应于车道的宽度的强度图，和/或对应于路口的线段的分类。可以对输出进行解码和/或以其他方式进行后处理以重建路口(或与其相对应的关键点)以及以确定用于导航车辆通过路口的建议或潜在路径。
自主机器应用中的路口姿态检测

[发明专利]使用适合停车位检测的倾斜多边形进行对象检测-CN202080021666.9在审
发明人： D·李;J·权;S·奥;郑文超;H-J·徐;D·尼斯特;B·罗德里格斯·赫尔瓦斯 -专利权人：辉达公司
申请日： 2020-03-16 - 公布日： 2021-11-09 - 主分类号： G06K9/00 文献下载
摘要：神经网络可用于确定倾斜多边形的角点(例如，作为锚框角点的位移值)，其准确地描绘了图像中定义停车位的区域。此外，神经网络可以输出预测锚框的角点对应于停车位入口的可能性的置信值。置信值可用于选择锚框和/或倾斜多边形的角点的子集，以便定义停车位的入口。使用CNN预测的倾斜多边形的角点与停车位的地面实况角点之间的最小聚合距离可以用于简化关于是否应将锚框用作训练的正样本的确定。
使用适合停车位检测倾斜多边形进行对象

1
共 8 条

友情链接：交换友情链接需要网站权重大于4，网站收录10W以上，如符合条件，请联系QQ：76009968。

关于我们寻求报道投稿须知广告合作版权声明网站地图友情链接企业标识联系我们

在线咨询

400-8765-105周一至周五 9:00-18:00

版权所有钻瓜科技（天津）有限公司津ICP备15000985号津公网安备 12019202000206号http://www.vipzhuanli.com/公布日期

咨询在线客服

咨询在线客服

tel code back_top