-
公开(公告)号：CN113781633B
公开(公告)日：2022-11-29
申请号：CN202111056859.0
申请日：2021-09-09
Applicant: 清华大学
Abstract: 本发明涉及一种面向无人飞行汽车、无人旋翼飞机等空间移动平台的空间感知安全技术领域，尤其涉及一种基于势能场的空间感知安全形式化方法，所述方法包括：根据空间移动平台的运动速度，建立基于人工势场的无障碍物初始安全场；确定空间移动平台设定范围内的障碍物状态；根据障碍物状态，结合空间移动平台与移动障碍物的相对速度，建立基于人工势场的风险场；将无障碍物的初始安全场和风险场进行叠加，得到空间移动平台设定范围内的安全场。本发明创新性地构建了一种立体空间感知场，通过组合初始安全场和障碍物风险场，将叠加组合成的包络面凹凸程度作为判定周围的安全程度的标准，具有运算量较小、直观、实时更新等优点。
-
公开(公告)号：CN115393384A
公开(公告)日：2022-11-25
申请号：CN202211116422.6
申请日：2022-09-14
Applicant: 清华大学
IPC: G06T7/20
Abstract: 本申请提供了基于跨相机的多目标跟踪模型的训练方法及装置，包括：获取多个训练样本组合，所述训练样本组合包括一个场景的多个相机图像样本，所述相机图像样本上标注多个目标的真实框；利用多目标跟踪模型对每个训练样本组合进行处理，得到多个相机图像的预测结果，每个相机图像的预测结果包括多个目标的预测框；基于多个相机图像的预测结果和多个相机图像样本，分别计算吸引项损失函数值、第一排斥项损失函数值以及第二排斥项损失函数值；将三者的加权和作为总损失函数值；基于总损失函数值，更新多目标跟踪模型的模型参数。本申请可以有效解决目标遮挡情况下的无法实现多目标跟踪的技术问题。
-
公开(公告)号：CN115358413A
公开(公告)日：2022-11-18
申请号：CN202211115837.1
申请日：2022-09-14
Applicant: 清华大学
IPC: G06N20/00
Abstract: 本申请提供了一种点云多任务模型的训练方法、装置及电子设备，涉及智能驾驶技术领域，该方法包括：利用点云多任务模型对每个多任务训练样本组合进行处理,得到每个任务分支的损失函数，分别计算每个任务分支的主干网络参数的梯度；对每个任务分支的主干网络参数的梯度进行更新以消除梯度冲突，得到每个任务分支的主干网络参数的最终梯度及当前多任务模型的主干网络参数的梯度；利用当前多任务模型的主干网络参数的梯度更新主干网络参数；基于更新后的主干网络参数和所述多个多任务训练样本组合，继续进行主干网络的参数更新过程，直至达到预设的迭代结束条件。本申请训练出的不同任务分支间的共享参数，能够减少各任务之间的干扰。
-
公开(公告)号：CN115284288A
公开(公告)日：2022-11-04
申请号：CN202210958761.2
申请日：2022-08-09
Applicant: 清华大学
IPC: B25J9/16
Abstract: 本公开提供的多机器人在线任务分配和执行方法、装置及存储介质，包括：预训练阶段，构建场景编码模型，将其与分类模型连接，训练场景编码模型以将场景内的语义图进行编码，并在编码中保留位置和语义信息；训练阶段，构建多机器人任务分配和执行模型，对其训练，使之根据任务语言指令和多机器人的视觉观测图像进行动态任务分解和分配，使多机器人协作完成指定任务；测试阶段，给定任务语言指令，多机器人任务分配和执行模型根据该指令和机器人的视觉观测图像在每一步对任务进行动态分解和分配，并为各机器人生成下一步导航的子目标，使多机器人协同完成任务。本公开可推理出语言指令中隐含的信息，对指定任务进行动态分配，并由多机器人协作完成。
-
公开(公告)号：CN115273028A
公开(公告)日：2022-11-01
申请号：CN202210834516.0
申请日：2022-07-14
Applicant: 清华大学
IPC: G06V20/58 , G06V40/10 , G06V10/62 , G06V10/764 , G06V10/80 , G06T7/70 , G06T7/292 , G01C21/00 , G01S17/89 , G08G1/14 , G08G1/0968
Abstract: 本发明提出了一种基于全域感知的智慧停车场语义地图构建方法及系统，基于部署在停车场场端的激光雷达与相机实现，该方法包括：接收相机和激光雷达分别获取的停车场各个区域的RGB图像和点云数据；结合停车位的先验信息，根据RGB图像和点云数据进行停车位检测，得到停车位信息；采用基于相机与激光融合的三维目标检测算法，根据RGB图像和点云数据，得到车辆位置信息和行人位置信息；根据停车位信息和车辆位置信息构建栅格地图；根据停车位信息、车辆位置信息和行人位置信息，采用特征关联算法进行路径规划；根据栅格地图、停车位的先验信息以及停车位信息、车辆跟踪与路径规划信息，构成动态的停车场语义地图。
-
Patent Agency Ranking
公开(公告)号：CN114037834B
公开(公告)日：2022-09-13
申请号：CN202111454268.9
申请日：2021-12-01
Applicant: 清华大学
Abstract: 本申请提供了一种基于振动信号和RGB图像融合的语义分割方法及装置，涉及自动驾驶技术领域，包括：将RGB图像和振动信号输入预先训练完成的车道线检测模型，车道线检测模型包括视觉图像分割分支和振动信号分类分支，视觉图像分割分支包括压线检测子网络和车道线检测子网络；振动信号分类分支对振动信号进行特征提取及分类，得到车轮是否压线的二分类标签；压线检测子网络对RGB图像进行处理，得到车轮是否压线的预测结果；根据车轮是否压线的预测结果与二分类标签计算第一损失函数值值，更新车道线检测子网络的部分参数，利用更新参数的车道线检测子网络对RGB图像进行处理，得到车道线检测结果。本申请能够提高车辆变换车道时的车道线检测效果。
-
公开(公告)号：CN114049616B
公开(公告)日：2022-09-09
申请号：CN202111453912.0
申请日：2021-12-01
Applicant: 清华大学
IPC: G06V20/58 , G06V10/25 , G06V10/764 , G06V10/762 , G06K9/62 , G06N7/02
Abstract: 本发明公开了一种基于模糊分类的立体空间目标检测方法及系统，所述方法包括：根据立体空间目标检测算法，对接收的激光雷达点云数据生成边界框，并计算每个边界框的置信度；选取置信度大于设定阈值的边界框，计算每个边界框的体积和密度；将每个边界框的体积和密度输入预先建立的模糊系统，通过IF‑THEN模糊规则构建模糊规则库，实现模糊分类，得到包括大体积高密度LVHD、小体积高密度SVHD和低密度LD三种类别的边界框；为LVHD、SVHD和LD三种类别的边界框分别设置合适的IoU阈值，并分别输入NMS筛选检测模块，得到每个类别选定的边界框，从而得到目标检测结果。本发明的方法提高了立体空间目标检测算法的准确性。
-
公开(公告)号：CN114782865A
公开(公告)日：2022-07-22
申请号：CN202210413332.7
申请日：2022-04-20
Applicant: 清华大学
Abstract: 本发明公开了一种基于多视角和重识别的路口车辆定位方法及系统，基于路侧设备部署的多视角相机实现，所述方法包括：对多视角相机采集的路口原始图像进行预处理；对预处理后的视角图像依次进行特征提取、透视变换和聚合，生成路口车辆的分布鸟瞰图；将路口原始图像输入预先建立和训练好的车辆检测模型，得到路口车辆的搜索域；接收路口的车辆发送的环视图片和id信息，在搜索域中重识别该车辆，得到该车辆的某一视角图片；对重识别得到的某一视角图像进行特征提取和透视变换，并投影到鸟瞰图中，得到车辆在鸟瞰图中的位置信息；将位置信息及该车辆的id信息发送至该车辆，从而完成定位。
-
公开(公告)号：CN113012448B
公开(公告)日：2022-07-19
申请号：CN202110184358.4
申请日：2021-02-08
Applicant: 清华大学
IPC: G08G1/08 , G08G1/082 , G08G1/00 , G08G1/01 , G08G1/0968 , G08G1/0967
Abstract: 本发明公开了一种解决路口交通拥堵的汽车配发编队智能驾驶系统，包括：车端系统和路侧系统；路侧系统用于根据当前以及上一个红绿灯路口的路口车流量信息，自适应调整下一红绿灯时间；接收来自车端系统的车辆自身特征信息和运动状态，根据这些信息和下一红绿灯时间计算配发车队的每个车辆的组网配发指令信息，向这些车辆下发配发组网指令信息；车端系统包括设置在无人驾驶汽车上的智能配发编队自动驾驶子系统和设置在有人驾驶汽车上的智能配发编队辅助驾驶子系统；智能配发编队自动驾驶子系统用于发送车辆自身特征信息和运动状态到路侧系统，接收并执行路侧系统的配发组网指令信息并进行组网，生成自动驾驶的控制指令。
-
公开(公告)号：CN113673444B
公开(公告)日：2022-03-11
申请号：CN202110971811.6
申请日：2021-08-19
Applicant: 清华大学
Abstract: 本发明公开了一种基于角点池化的路口多视角目标检测方法及系统，所述方法包括：对实时采集的路口多视角相机的图像进行预处理；将预处理后的多视角相机的图像输入预先建立和训练好的路口多视角目标检测模型，输出目标预测结果；其中，所述多视角目标检测模型用于提取预处理后的多视角相机的图像的特征、将提取的特征进行特征投影、特征融合和角点池化，通过角点池化处理后的地平面矩形特征图预测目标位置，同时将提取的特征进行单视角检测和结果投影，通过单视角目标位置映射图对目标位置进行校正，输出目标预测结果。
-
-
-
-
-
-
-
-
-
Search Results
197
records
(took 0.047 seconds)
