“N·茨维耶蒂奇”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

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]自主机器应用中的车道变换规划和控制-CN202080085183.5在审
发明人：张振毅;王一舟;D·尼斯特;N·茨维耶蒂奇 -专利权人：辉达公司
申请日： 2020-12-22 - 公布日： 2022-08-02 - 主分类号： B60W30/18 文献下载
摘要：在各种示例中，可以使用自我车辆的一个或更多个传感器来收集传感器数据以生成自我车辆的周围环境的表示。该表示可以包括道路的车道和车道内的对象位置。环境的表示可以作为输入提供给纵向速度分布标识符，其可以将多个纵向速度分布候选投影到目标车道上。多个纵向速度分布候选中的每一个可以基于一组或更多组标准被评估一次或更多次。使用来自评估的分数，可以从纵向速度分布候选中选择目标间隙和特定纵向速度分布。一旦确定了目标间隙的纵向速度分布，系统就可以根据纵向速度分布执行车道变换操纵。
自主机器应用中的车道变换规划控制

[发明专利]用于自主驾驶应用的地图创建和定位-CN202080076617.5在审
发明人： M·克勒普夫尔;A·阿克巴扎德;R·巴尔加瓦;V·图卡拉尔;N·茨维耶蒂奇;V·库古诺夫斯;D·尼斯特;B·亨克;I·埃登;竺幼定;M·格拉布纳;I·斯托亚诺维奇;盛宇;J·刘;郑恩亮;J·马尔;A·卡利 -专利权人：辉达公司
申请日： 2020-08-31 - 公布日： 2022-06-24 - 主分类号： G01C21/32 文献下载
摘要：公开了一种用于数据生成、使用所生成的数据创建地图和定位到所创建的地图的端到端系统。可以生成地图流——或传感器数据流、来自深度神经网络(DNN)的感知输出和/或相对轨迹数据——与任何数量的车辆的任何数量的驾驶相对应并且将其上传至云。地图流可以用于生成表示在多个驾驶上生成的数据的地图数据(以及最终融合的高清晰度(HD)地图)。当定位到融合的HD地图时，可以基于来自传感器模态的实时数据与对应于相同传感器模态的地图数据的比较来生成个体定位结果。可以针对任何数量的传感器模态重复该过程，并且可以将结果融合在一起以确定最终融合定位结果。
用于自主驾驶应用地图创建定位

[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]用于自主驾驶机器的基于回归的线检测-CN201980061007.5在审
发明人： M·帕克;林晓琳;H-J·徐;D·尼斯特;N·茨维耶蒂奇 -专利权人：辉达公司
申请日： 2019-07-17 - 公布日： 2021-07-23 - 主分类号： G06K9/00 文献下载
摘要：在不同示例中，公开了保留来自机器学习模型的输入分辨率的丰富空间信息以在输入图像中的线上回归的系统和方法。机器学习模型可以被训练为在部署中预测输入分辨率的输入图像的每个像素到被确定为对应于输入图像中的线的线像素的距离。机器学习模型可以进一步被训练为预测线的角度和标记类。可以使用嵌入算法来训练机器学习模型以预测线像素的集群，每个线像素对应于输入图像中的相应线。在部署中，在各种自主机器应用中，机器学习模型的预测可以被用作理解周围环境(例如用于更新世界模型)的辅助。
用于自主驾驶机器基于回归检测

[发明专利]用于自主机器应用中传感器视盲检测的深度神经网络处理-CN201980074103.3在审
发明人： H-J·徐;A·巴基帕耶;D·尼斯特;M·帕克;N·茨维耶蒂奇 -专利权人：辉达公司
申请日： 2019-09-13 - 公布日： 2021-06-15 - 主分类号： G06K9/00 文献下载
摘要：在各个示例中，使用区域和基于上下文的方法来训练深度神经网络(DNN)以用于传感器视盲检测。使用传感器数据，DNN可计算视盲或受损的可见性区域的位置以及相关联的视盲分类和/或与其关联的视盲属性。此外，DNN可以预测传感器数据的每个实例对于执行一个或更多个操作(诸如与半自主或自主驾驶相关联的操作)的可用性。DNN的输出的组合可以用于过滤掉传感器数据的实例，或过滤掉被确定为受损的传感器数据的实例的部分，这可导致系统的一个或更多个操作的不准确或无效的结果。
用于自主机器应用传感器检测深度神经网络处理

1
共 8 条