-
公开(公告)号：CN109118532B
公开(公告)日：2020-11-20
申请号：CN201710488104.5
申请日：2017-06-23
Applicant: 百度在线网络技术(北京)有限公司
IPC: H04N13/246 , G06T7/521
Abstract: 本发明公开了视觉景深估计方法、装置、设备及存储介质，其中方法包括：获取采集车所采集的图像，根据获取到的图像生成训练样本；根据训练样本训练得到神经网络模型；获取单目摄像机所采集的图像，根据神经网络模型，确定出图像中的各像素点分别对应的景深。应用本发明所述方案，能够满足实时处理的要求等。
-
公开(公告)号：CN110928286A
公开(公告)日：2020-03-27
申请号：CN201811120306.5
申请日：2018-09-19
Applicant: 百度在线网络技术(北京)有限公司
IPC: G05D1/02 , G05B19/042
Abstract: 根据本公开的实施例，提供了用于控制车辆的自动驾驶的方法、设备、介质和系统。一种用于控制车辆的自动驾驶的方法包括获取与车辆周围的环境相关的环境感知结果，环境感知结果基于由布置在环境中并且独立于车辆的至少一个传感器采集到的感知信息，并且环境感知结果指示环境中的多个物体的相关信息；通过从环境感知结果中排除与车辆相对应的自车感知结果，确定车辆的车外感知结果；以及至少基于车外感知结果，控制车辆的驾驶行为。由车外传感器来执行对环境的感知，可以降低对车辆本身的感知能力的要求，使得非自动驾驶车辆或具有较弱自动驾驶能力的车辆能够简单且低成本地提升自动驾驶能力。
-
公开(公告)号：CN109145860B
公开(公告)日：2019-12-13
申请号：CN201811026061.X
申请日：2018-09-04
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06K9/00
Abstract: 本发明实施例提出一种车道线跟踪方法和装置。其中，该方法包括：将当前帧的前K帧在相机坐标系的车道线检测结果投影到世界坐标系，K为大于或等于1的正整数，所述前K帧为从所述当前帧向前的连续的K个帧；将所述前K帧在世界坐标系的投影结果，投影到所述当前帧的相机坐标系；在所述当前帧的相机坐标系中，按照所述前K帧的车道线分组，确定所述当前帧的车道线分组。本发明实施例利用前后帧之间的关联，能够输出更准确、更鲁棒的车道线结果，实现准确的车道线跟踪效果。
-
公开(公告)号：CN109145931B
公开(公告)日：2019-11-05
申请号：CN201811018729.6
申请日：2018-09-03
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明实施例提出一种物体检测方法、装置及计算机可读存储介质。其中物体检测方法包括：获取输入图像中的目标物体的包围框；根据所述包围框从预先设置的备选框集合中确定出参照框；根据所述参照框与所述包围框的尺寸，生成尺寸相关特征；在机器学习模型中使用所述尺寸相关特征对所述输入图像进行物体检测。本发明实施例使用与物体的大小相关的特征进行物体检测，即在机器学习模型中在原有特征的基础上增加了物体大小的预测依据，进一步提升了物体检测的准确程度。
-
公开(公告)号：CN109508580A
公开(公告)日：2019-03-22
申请号：CN201710831216.6
申请日：2017-09-15
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本申请实施例公开了交通信号灯识别方法和装置。该方法的一具体实施方式包括：将图像采集装置所采集的待处理图像按照至少一个预设比例进行缩放，得到至少一个缩放图像；将该至少一个缩放图像输入至预先训练的卷积神经网络，得与该至少一个缩放图像中的每一个缩放图像相对应的交通信号灯的位置信息和类别信息，其中，该卷积神经网络用于提取图像中所显示的交通信号灯的位置信息和类别信息；对所得到的位置信息和类别信息进行解析，生成至少一个候选交通信号灯识别结果，并对所生成的候选交通信号灯识别结果进行融合，生成与该待处理图像相对应的交通信号灯识别结果。该实施方式提高了交通信号灯识别的准确性。
-
Patent Agency Ranking
公开(公告)号：CN109376594A
公开(公告)日：2019-02-22
申请号：CN201811055289.1
申请日：2018-09-11
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本申请提供一种基于自动驾驶车辆的视觉感知方法、装置、设备以及介质，其中，该方法包括：将获取的自动驾驶车辆所采集的第一视觉感知图像输入至第一神经网络模型中，识别出至少一个待识别的目标识别对象的多通道特征信息，以剔除所述第一视觉感知图像中冗余特征信息；进一步地，将所述至少一个待识别的目标识别对象的多通道特征信息，分别输入至第二神经网络模型中的至少一个子神经网络模型中，得到至少一个目标识别对象；其中，所述目标识别对象与所述子神经网络模型是一一对应的。本申请实施例提高了目标识别对象的识别速度，从而提高了自动驾驶车辆的灵敏度，能够保证自动驾驶车辆的行驶安全。
-
公开(公告)号：CN109345589A
公开(公告)日：2019-02-15
申请号：CN201811056854.6
申请日：2018-09-11
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06T7/73
Abstract: 本申请提供一种基于自动驾驶车辆的位置检测方法、装置、设备及介质，其中，该方法包括：根据细长卷积核神经网络模型中的底层神经网络层对获取的自动驾驶车辆的第一视觉感知图像进行识别，确定出所述目标线状物图像的特征信息，并采用所述细长卷积核神经网络模型中的高层神经网络层对所述目标线状物图像的特征信息进行识别，确定出所述目标线状物图像的尺寸信息；进一步地，将所述目标线状物图像的尺寸信息与预设坐标系地图信息进行匹配，确定所述自动驾驶车辆的位置。本申请实施例，可以准确地确定出目标线状物图像的尺寸信息，从而根据目标线状物图像的尺寸信息和预设坐标系地图信息可以准确地确定出所述自动驾驶车辆的位置。
-
公开(公告)号：CN109345512A
公开(公告)日：2019-02-15
申请号：CN201811062068.7
申请日：2018-09-12
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06T7/00
Abstract: 本发明提供了一种汽车图像的处理方法、装置及可读存储介质，通过获取汽车图像的采集点采集得到的包括待处理图像，其中所述采集点是设置在自动驾驶设备上的，利用深度学习模型对该待处理图像中进行处理，输出待处理图像中的汽车的状态参数，根据所述状态参数确定所述待处理图像中的汽车行为，从而可利用深度学习模型对采集点采集的待处理图像进行处理，以得到可用于确定汽车行为的状态参数，从而获得汽车行为，进而为自动驾驶设备根据路况进行驾驶策略的调整提供基础和依据。
-
公开(公告)号：CN109214334A
公开(公告)日：2019-01-15
申请号：CN201811019280.5
申请日：2018-09-03
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明实施例提出一种车道线处理方法和装置。该方法包括：对第一图像进行二值化处理，得到二值图像，所述第一图像中包括车道线点和非车道线点；对所述二值图像进行连通域分析，得到所述二值图像中的一个或多个连通域，每个连通域中包括相互邻接的多个车道线点；利用各所述连通域确定各车道线对应的分组中包括的车道线点；利用各所述分组中包括的车道线点得到各所述分组对应的车道线的表示信息。本发明实施例，利用连通域分析方法对二值图像上的车道线点进行分组，得到的分组准确，不受图像质量的影响，具有较高的鲁棒性。
-
公开(公告)号：CN109214238A
公开(公告)日：2019-01-15
申请号：CN201710521291.2
申请日：2017-06-30
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明公开了多目标跟踪方法、装置、设备及存储介质，其中方法包括：获取待处理的当前图像，将当前图像输入给预先训练得到的卷积神经网络模型，得到目标检测结果；从预先选定的卷积层中分别抽取出检测到的各目标的特征向量；分别计算当前图像中各目标的特征向量与之前的图像中各目标的特征向量之间的相似度，根据计算结果完成同一目标在不同图像帧间的关联，并分配跟踪编号。应用本发明所述方案，能够满足实时处理的要求等。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.047 seconds)
