{{detailStore.author.is_follow?'已关注':'关注'}}
特斯拉自动泊车能力可能会得到史诗级加强。 特斯拉刚刚有两份专利得到通过,它们于 2025年3月10日提交,2025年9月11日公开: 1.基于相机的 AI 占用网络(Occupancy Network) → 通过体素化的有符号距离函数来构建高精度 3D 环境模型。 2.应用场景:辅助泊车、环境感知、道路标志识别,超越传统仅靠车道线检测的功能。 3.技术意义:用视觉+AI 替代传统激光雷达/传感器方案,在 3D 空间中实现高保真物体识别与环境建模。 专利一(Pub. No.: US 2025/0282344 A1) • 标题:Artificial Intelligence Modeling Techniques for Vision-Based High-Fidelity Occupancy Determination and Assisted Parking Applications • 申请人:Tesla, Inc., Austin, TX • 发明人:Philip Lee 等 9 位(其中包括 Ashok Kumar Elluswamy,特斯拉自动驾驶团队负责人) • 申请号:19/075,490 • 申请日:2025年3月10日 • 摘要: • 专利提出了一种基于 AI 的高保真占用网络(occupancy network)。 • 系统可通过相机画面来预测 3D 空间中体素对象的有符号距离值,进而细化物体形状。 • 这些预测值能转化为图像层并堆叠,形成车辆周围空间的 3D 表示。 • 除了检测物体,还能识别和显示各种地面标记(如车道线、停车标志等),功能性超越传统车道线检测。 • 配图内容:展示了 Tesla 车机屏幕界面,车辆周围的 3D 占用物体(其他车辆)被可视化,支持泊车和环境感知。 专利二(Pub. No.: US 2025/0285372 A1) • 标题:Artificial Intelligence Modeling Techniques for Vision-Based High-Fidelity Occupancy Determination and Assisted Parking Applications • 申请人:Tesla, Inc., Austin, TX • 发明人:Philip Lee 等 6 位(其中包括 Lewey Geselowitz) • 申请号:19/075,462 • 申请日:2025年3月10日 • 摘要: • 与第一份专利类似,强调 AI 占用网络 的方法与系统。 • 通过相机数据预测 3D 空间体素的有符号距离值,生成高精度的空间表示。 • 可以显示道路上的标记和环境特征,应用于辅助泊车和复杂环境下的车辆导航。 • 配图内容:类似 3D 点云或体素渲染的视觉效果,显示停车场场景,包含道路标记(如 STOP)、树木和车辆的 3D 占用网格表示。
  • 全部评论{{detailStore.commentnum}} 条
  • 只看作者
  • 最热
  • 最新
  • 最早

「待审核」

首评 {{ comment.relativeTime }} 已被赞赏 {{comment.integral}} 积分 回复

{{ type!=10 ? '前排沙发空着~' : '暂无相关评论' }}

{{type!=10 ? '还没有人评论哦,快抢沙发吧!' : '发表一下个人看法吧'}}
写评论
积分赞赏
点赞
评论区
  • 编辑
  • {{is_favourite ? '已收藏' : '收藏'}}
  • {{is_personal_top ? '取消主页置顶' : '个人主页置顶'}}
  • 举报
  • 加入黑名单
  • 内容{{ eyes_only ? '公开' : '仅自己' }}可见
  • 删除
  • 取消置顶
  • 置顶推荐
    • 6小时
    • 12小时
    • 24小时
    • 3天
    • 一周
    • 长期
  • {{feature?'撤销':'进'}}精选库
  • {{digest?'撤销精华':'设为精华'}}
回到顶部