-
公开(公告)号：CN113096156B
公开(公告)日：2024-05-24
申请号：CN202110441246.2
申请日：2021-04-23
Applicant: 中国科学技术大学
Abstract: 本申请提供了一种面向自动驾驶的端到端实时三维多目标追踪方法及装置，当接收到第t帧的传感器数据时，并行执行获取并依据第r帧的状态集合，预测第t帧的追踪结果的过程，以及检测第t帧传感器数据中对应的多个物体的检测包围框，在状态集合更新至第t‑1帧时，将各个检测包围框和第t‑1帧的状态集合进行关联，得到第t帧的状态集合，将第t‑1帧的状态集合更新为所述第t帧的状态集合的过程。可见，在接收到第t帧的传感器数据时，直接基于第r帧的状态集合预测第t帧的追踪结果(r
-
公开(公告)号：CN115686530A
公开(公告)日：2023-02-03
申请号：CN202211418249.5
申请日：2022-11-14
Applicant: 中国科学技术大学
Abstract: 本申请公开了一种张量程序的生成方法及装置，该方法包括：获取表征目标算法模型的计算图；确定与计算图对应的计算子图的调度原语集合；基于目标性能指标以及计算图待应用的目标硬件平台的硬件特征信息，在调度原语集合中筛选得到目标调度原语；生成与目标调度原语对应的张量程序，以使得将张量程序部署在目标硬件平台。本申请通过对调度原语进行筛选，生成筛选后的调度原语的张量程序，提升了处理效率，并且能够基于目标硬件平台的硬件特征信息确定张量程序，使得更加匹配当前的目标硬件平台，提升了生成当前硬件平台的张量程序的准确性。
-
公开(公告)号：CN115453565A
公开(公告)日：2022-12-09
申请号：CN202211274422.9
申请日：2022-10-18
Applicant: 中国科学技术大学
Abstract: 本发明涉及一种面向激光雷达建图与定位的特征噪点过滤方法，步骤1：将接受到的一帧激光雷达原始数据进行特征提取与运动补偿，提取特征点；步骤2：若为初始化过程，则将从第一帧激光数据在步骤1中获得的特征点，保存为局部地图；若不为初始化过程，则将这一帧数据经过步骤1提取到的特征点与已有的局部地图进行配准，计算优化后得到该帧数据在局部地图中的位姿，即在局部地图中进行定位；步骤3：使用步骤1中提取到的特征点和步骤2中获得的位姿，进行局部地图更新，将该组特征点合并到局部地图中，即建图；同时使用一种特征过滤的算法PFilter去除局部地图中的特征噪点，得到更精确、整齐和噪点最少的局部地图，提高后续计算的精度与效率。
-
公开(公告)号：CN113159151B
公开(公告)日：2022-09-06
申请号：CN202110391620.2
申请日：2021-04-12
Applicant: 中国科学技术大学
IPC: G06K9/62 , G06T5/50 , G06T17/20 , G06V10/774 , G06V10/80
Abstract: 本发明公开了一种面向自动驾驶的多传感器深度融合3D目标检测方法，通过边缘校准技术，有效解决了传感器时空不同步的问题，通过目标中心数据增强，有效解决了标注不足时的深度估计模型训练问题，通过不确定性估计技术、场景关联损失函数，有效提高了深度估计模型在场景变化条件下的鲁棒性和精度。通过2D‑3D无损信息转化、体素转换为点技术、由粗到细的深度对齐、多分支监督流，有效的解决了不同模态特征空间不一致且转换有信息损失问题，最终的架构可以在自动驾驶场景中，增强多模态信息的互补作用，降低多模态信息相互之间的干扰，在遮挡、点云稀疏、光照变化等场景下均取得良好表现。
-
公开(公告)号：CN112967316B
公开(公告)日：2022-09-06
申请号：CN202110245922.9
申请日：2021-03-05
Applicant: 中国科学技术大学
Abstract: 本发明涉及一种面向3D多目标追踪的运动补偿优化方法及系统，其方法包括：步骤S1：分别获得观测点物体在第t帧和第t+1帧的局部坐标系的数据(θ，vf)；步骤S2：计算物体在第t帧和第t+1帧的航向角差Δθ，并根据物体在第t帧和第t+1帧的前进速度和计算物体在第t帧时刻、第t+1帧的局部坐标系下，经过运动补偿后的位置步骤S3：根据物体运动补偿后的位置结合运动预测，更新物体在第t+1帧时刻、第t+1帧的局部坐标系下的位置步骤S4：根据检测得出第t+1帧的物体包围框并与物体运动预测后的位置进行数据关联，确定物体包围框的最终位置。
-
Patent Agency Ranking
公开(公告)号：CN112949769B
公开(公告)日：2022-09-06
申请号：CN202110372835.X
申请日：2021-04-07
Applicant: 中国科学技术大学
IPC: G06V10/774 , G06V10/764 , G06T3/00
Abstract: 本申请公开了一种目标检测方法及目标检测系统，其中，所述目标检测方法首先将单目图像的像素坐标转换为3D空间的伪点云坐标，即将2D的单目图像转换为3D表示的伪点云图，以为目标检测方法提高检测精度奠定基础，然后提取所述伪点云图中特征点的空间上下文，并分别进行两个分支的检测，这两个分支包括局部检测和邻居投票检测，最后将局部分类结果与邻居分类结构进行融合，以通过待测目标周围的每个特征点的检测结果的投票减小严重变形的伪点云导致的检测误差，实现提高目标检测精度的目的。
-
公开(公告)号：CN113159151A
公开(公告)日：2021-07-23
申请号：CN202110391620.2
申请日：2021-04-12
Applicant: 中国科学技术大学
Abstract: 本发明公开了一种面向自动驾驶的多传感器深度融合3D目标检测方法，通过边缘校准技术，有效解决了传感器时空不同步的问题，通过目标中心数据增强，有效解决了标注不足时的深度估计模型训练问题，通过不确定性估计技术、场景关联损失函数，有效提高了深度估计模型在场景变化条件下的鲁棒性和精度。通过2D‑3D无损信息转化、体素转换为点技术、由粗到细的深度对齐、多分支监督流，有效的解决了不同模态特征空间不一致且转换有信息损失问题，最终的架构可以在自动驾驶场景中，增强多模态信息的互补作用，降低多模态信息相互之间的干扰，在遮挡、点云稀疏、光照变化等场景下均取得良好表现。
-
公开(公告)号：CN118839729A
公开(公告)日：2024-10-25
申请号：CN202410871186.1
申请日：2024-06-28
Applicant: 中国科学技术大学
IPC: G06N3/0455 , G06N3/08 , G01C21/20
Abstract: 本发明提供了一种导航模型的训练方法、装置、存储介质及电子设备，该方法包括：获取待训练的第一模型、训练数据集以及增强数据；训练数据集包括多个导航数据；增强数据由预先训练好的第二模型对训练数据集中失败的导航数据处理得到；第一模型包括编码器以及解码器，第一模型的编码器共享第二模型的编码器参数；利用训练数据集中的导航数据对第一模型中的解码器进行训练，以调节第一模型中的解码器的参数；在第一模型满足初始训练完成条件的情况下，利用增强数据对满足初始训练完成条件的第一模型进行训练，以调节满足初始训练完成条件的第一模型的编码器的参数和解码器的参数。应用本发明实施例提供的方法，能够提升模型的训练效率以及导航效果。
-
公开(公告)号：CN118683571A
公开(公告)日：2024-09-24
申请号：CN202410645932.5
申请日：2024-05-23
Applicant: 中国科学技术大学
Abstract: 本公开属于自动驾驶技术领域，具体涉及一种车道级别的自动驾驶方法和装置及自动驾驶设备。其中所述方法包括：分别获取目标车辆多个预设视角的图像数据，其中，所述目标车辆位于车道；基于所述图像数据生成所述车道的车道属性特征及对应的车道属性，融合所述车道属性特征生成车道规划特征并预测车道规划属性，整合所述车道规划属性和所述车道属性生成规划路径，其中，所述车道属性至少包括车道3D位置属性、车道交叉路口属性、车道方向属性和车道占用属性；获取控制参数，基于所述控制参数和所述规划路径生成对目标车辆的控制命令并执行所述控制命令。
-
公开(公告)号：CN115327529B
公开(公告)日：2024-07-16
申请号：CN202211078285.1
申请日：2022-09-05
Applicant: 中国科学技术大学
IPC: G01S13/72 , G01S17/66 , G01S13/931 , G01S13/89 , G01S13/86 , G01S17/86 , G01S17/931
Abstract: 本发明涉及一种融合毫米波雷达和激光雷达的3D目标检测与追踪方法，对采集的激光雷达和毫米波雷达数据预处理；将鸟瞰图形式的激光雷达特征和毫米波雷达特征直接进行拼接，获取融合的特征后进行检测识别任务，得到目标的3D位置识别框和类别信息；基于检测的识别框对原始的毫米波雷达点进行过滤，获取属于该框内的毫米波雷达点，再对检测框内雷达点和追踪框求取P2B距离，采用注意力机制加权后得到由毫米波雷达点计算位置相似性亲和矩阵；根据检测任务预测的速度求取检测框和追踪框间的位置偏移量，得到另一种位置偏移量亲和矩阵；将两种亲和矩阵加权后得到最终的亲和矩阵，以此进行目标追踪，最终实现兼顾精度和鲁棒性的3D目标检测与追踪。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.054 seconds)
