-
公开(公告)号：CN120063298A
公开(公告)日：2025-05-30
申请号：CN202510554626.5
申请日：2025-04-29
Applicant: 之江实验室
Abstract: 本申请公开了一种基于自适应空间约束的地磁轮廓匹配方法、装置及介质，该方法包括：获取待匹配点和当前权重系数的影响参数；权重系数为用于计算待匹配点的组合相似度得分的权重，且权重系数为多个；并通过影响参数，调整当前权重系数后得到目标权重系数；根据目标权重系数，确定组合相似度得分；并将得分最小值对应的待匹配点作为候选点。以候选点为中心，缩小搜索范围进行循环匹配，直至达到迭代条件为止；将最后一次迭代得到的候选点作为目标匹配位置。由此，通过动态调整计算组合相似度得分的权重系数，从而调整不同权重系数对应的相似度约束项在相似度得分中的贡献，从而不断适应复杂多换的导航环境，实现对载体位置的精确匹配。
-
公开(公告)号：CN119721273A
公开(公告)日：2025-03-28
申请号：CN202510212619.7
申请日：2025-02-25
Applicant: 之江实验室
Abstract: 本申请公开了一种模型量化方法、装置及介质，该方法包括：对预训练模型量化得到初始量化模型，并确定插入初始量化模型中的提升模块的目标数量。将初始量化模型划分为目标数量个骨干网络模块；为各骨干网络模块并联插入一个提升模块，得到包括多个目标单元的待优化模型；目标单元包括提升模块和骨干网络模块；依次对待优化模型中各目标单元进行优化，得到中间优化模型；通过预设损失函数对中间优化模型进行全局优化，得到目标优化模型。由此，在初始量化模型中插入提升模块得到待优化模型，即，在初始量化模型中增加计算复杂度以提升计算精度。进一步的，依次对待优化模型进行局部和全局优化，得到高运行速度和高计算精度的目标优化模型。
-
公开(公告)号：CN119573742A
公开(公告)日：2025-03-07
申请号：CN202510135232.6
申请日：2025-02-07
Applicant: 之江实验室
Abstract: 本申请涉及地磁适配导航技术领域，公开了一种矢量磁图匹配方法、装置、设备及介质，其中，所述方法包括：获取当前时刻的惯导轨迹点集合；其中，所述惯导轨迹点集合包括惯导轨迹点的惯导轨迹坐标位置和所述惯导轨迹点对应的矢量磁场强度；基于所述矢量磁场强度从预设的矢量磁图中确定所述惯导轨迹点对应的候选轨迹点集合；对所述候选轨迹点集合中的候选轨迹点进行筛选，并根据筛选结果进行图像转化，得到目标序列图像；基于所述目标序列图像和所述惯导轨迹坐标位置，生成下一时刻的预测轨迹点。本申请提供的技术方案，能够在应对复杂惯性导航误差的环境中提高预测位置的实时性和准确率。
-
公开(公告)号：CN119169081B
公开(公告)日：2025-03-07
申请号：CN202411647687.8
申请日：2024-11-18
Applicant: 之江实验室
IPC: G06T7/70 , G01C21/08 , G01C21/20 , G06T5/60 , G06N3/0455 , G06N3/0895 , G06T17/05
Abstract: 本说明书公开了一种面向地磁导航的地磁适配区域定位方法以及装置，具体包括：根据目标区域对应的地磁信息图，确定出目标区域对应的地磁特征图。将地磁特征图输入到尺度划分模型中，通过尺度划分模型生成出地磁信息图在各图像分辨率下对应的地磁特征图。针对每个尺度特征图，确定出在对应图像分辨率下目标区域中的待选地磁适配区域。根据各待选地磁适配区域，确定目标区域的地磁适配区。相较于现阶段技术中人为主动确定地磁适配区域来说，本说明书的方法更加智能且自动化程度更高，地磁适配区域的确定效率和精准度提升的同时，也极大程度上节省了人力资源和时间成本的消耗，使得后续基于地磁适配区域进行地磁航线规划的执行效率也获得提升。
-
公开(公告)号：CN119003826B
公开(公告)日：2025-02-11
申请号：CN202411470793.3
申请日：2024-10-21
Applicant: 之江实验室
IPC: G06F16/901 , G06F16/903 , G06F18/213 , G06F18/22 , G01N30/72 , G01N33/00
Abstract: 本说明书提供一种气味源识别方法、装置、存储介质和电子设备，通过嗅觉传感器对指定地点的待识别气体进行检测，得到传感器响应特征，根据预先建立的气味源数据库，确定所述传感器响应特征对应的各目标气味源，以及所述各目标气味源的属性信息，根据所述传感器响应特征和预先确定的多变量全局函数，构建以所述各目标气味源为变量因子的因子图模型，其中，所述多变量全局函数以所述各目标气味源与所述指定地点的相对位置为变量，根据所述因子图模型和所述各目标气味源的属性信息，确定所述各目标气味源的位置。通过该方法，能够准确的进行气味源识别，确定各气味源的位置信息。
-
Patent Agency Ranking
公开(公告)号：CN119003826A
公开(公告)日：2024-11-22
申请号：CN202411470793.3
申请日：2024-10-21
Applicant: 之江实验室
IPC: G06F16/901 , G06F16/903 , G06F18/213 , G06F18/22 , G01N30/72 , G01N33/00
Abstract: 本说明书提供一种气味源识别方法、装置、存储介质和电子设备，通过嗅觉传感器对指定地点的待识别气体进行检测，得到传感器响应特征，根据预先建立的气味源数据库，确定所述传感器响应特征对应的各目标气味源，以及所述各目标气味源的属性信息，根据所述传感器响应特征和预先确定的多变量全局函数，构建以所述各目标气味源为变量因子的因子图模型，其中，所述多变量全局函数以所述各目标气味源与所述指定地点的相对位置为变量，根据所述因子图模型和所述各目标气味源的属性信息，确定所述各目标气味源的位置。通过该方法，能够准确的进行气味源识别，确定各气味源的位置信息。
-
公开(公告)号：CN118627535A
公开(公告)日：2024-09-10
申请号：CN202410879988.7
申请日：2024-07-02
Applicant: 之江实验室
Abstract: 本申请涉及一种基于值分布的多智能体协同控制方法、装置、设备和介质，方法包括：构建每个智能体的初始价值网络和多个智能体的初始分布混合网络；基于各智能体的采样数据，对初始分布混合网络和各智能体的价值网络进行训练，通过最小化全局价值分布的损失函数优化初始分布混合网络以及各智能体的价值网络的网络参数，并满足全局价值分布的期望最大、每个智能体的确定性价值最大的约束关系，得到训练好的各智能体的价值网络；根据自身的观测及训练好的价值网络，各智能体执行各自的最优动作。本申请通过在训练过程中综合考虑全局观测、在执行过程中智能体仅利用局部观测做出最优决策方法。
-
公开(公告)号：CN118097359B
公开(公告)日：2024-07-19
申请号：CN202410493628.3
申请日：2024-04-23
Applicant: 之江实验室
Abstract: 本说明书提供的一种模型训练方法、装置、存储介质以及电子设备，获取目标区域的全色图像、多光谱图像以及标准融合图像，将全色图像以及多光谱图像输入到目标模型中，以提取出全色图像的频域特征以及多光谱图像的频域特征，并将全色图像的频域特征以及多光谱图像的频域特征进行特征融合，以确定出第一特征图像，以及，对全色图像以及多光谱图像进行图像融合，以根据融合后的图像中包含的各像素点的像素信息，确定出自适应权重，并根据自适应权重对融合后的图像进行处理，以得到第二特征图像，将第一特征图像与第二特征图像进行叠加，以确定输出的预测融合图像，以最小化预测融合图像与标准融合图像之间的偏差为优化目标，对目标模型进行训练。
-
公开(公告)号：CN118053052B
公开(公告)日：2024-06-28
申请号：CN202410457517.7
申请日：2024-04-16
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/762 , G06V10/26 , G06V20/70 , G06V10/42 , G06V10/44 , G06V20/56 , G06V20/64
Abstract: 本说明书公开了一种无监督的高精矢量地图元素异常检测方法，可以将高精地图中各矢量元素分为线段元素、长线元素以及不规则元素，并基于三类元素构建空间检索树KD‑Tree，而后可以针对每类元素，根据KD‑Tree构建该类元素对应的相对空间关系特征，最后，可以根据各类元素对应的相对空间关系特征，通过预设的离群点检测方法，对各矢量元素进行异常元素检测，本发明提出了一种自动化的针对高精矢量地图的异常检测算法，可以在已构建好的高精矢量地图中无监督、自动化地检测出可能存在错误的异常元素，相较于人工的地图核准工作，能够利用自动化算法降低重复性劳动，同时能够大大提升自动驾驶地图部署效率，降低错误元素的漏检率。
-
公开(公告)号：CN118015316B
公开(公告)日：2024-06-11
申请号：CN202410410287.9
申请日：2024-04-07
Applicant: 之江实验室
IPC: G06V10/75 , G06V10/774 , G06V10/82 , G06V20/17
Abstract: 本说明书公开了一种图像匹配模型训练的方法、装置、存储介质、设备，获取由第一基准图像和第一待匹配图像组成的第一样本组，将第一样本组输入预先训练的教师模型，确定第一基准图像与第一待匹配图像的匹配度，作为伪标注，将第一样本组输入图像匹配模型，确定第一基准图像与第一待匹配图像的当前匹配度，图像匹配模型的复杂度小于教师模型的复杂度，根据当前匹配度与伪标注的差异，对图像匹配模型进行训练，本方法利用预先训练的复杂度较高、输出结果精准的教师模型，使得复杂度较低、运算速度较快的图像匹配模型可以学习到教师模型的策略，最终训练得到运算速度快、输出结果精准的图像匹配模型，可应对时限短、批量大的图像定位匹配任务。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.03 seconds)
