一种模型剪枝方法、装置、设备和存储介质

    公开(公告)号:CN118690815A

    公开(公告)日:2024-09-24

    申请号:CN202410778695.X

    申请日:2024-06-17

    IPC分类号: G06N3/082 G06N3/0464

    摘要: 本发明公开了一种模型剪枝方法、装置、设备和存储介质,涉及模型剪枝技术领域。该方法包括:根据预先设定的剪枝比例和初始模型中各卷积层的重要度对初始模型进行剪枝,得到剪枝模型,其中,剪枝模型在测试数据集上的第一损失函数值满足第一阈值条件;对剪枝模型进行模型优化,得到优化模型,并在测试数据集上计算优化模型的第二损失函数值;在确定第二损失函数值不满足第二阈值条件的情况下,返回执行根据预先设定的剪枝比例和初始模型中各卷积层的重要度对初始模型进行剪枝,直至第二损失函数值满足第二阈值条件;将上一优化模型确定为目标模型。通过本发明实施例的技术方案可以在优化模型大小的同时提高剪枝后模型的精度。

    一种点云可视化方法、装置、设备及存储介质

    公开(公告)号:CN117496061A

    公开(公告)日:2024-02-02

    申请号:CN202311482198.7

    申请日:2023-11-08

    IPC分类号: G06T17/00 G06T9/00 G06F30/20

    摘要: 本申请公开了一种点云可视化方法、装置、设备及存储介质,涉及数据处理技术领域。该方法包括:获取目标车辆的仿真点云数据,并对所述仿真点云数据进行解码,得到所述仿真点云数据对应的仿真坐标信息;其中,所述仿真点云数据包括至少一个仿真点云;根据所述仿真坐标信息,生成整车点云数据;对所述整车点云数据进行格式转换,得到可视化点云数据,并对所述可视化点云数据进行可视化。上述技术特征,通过根据对仿真点云数据解码得到的仿真坐标信息,生成整车点云数据,在实现点云可视化的连续性的同时,提高了点云可视化的准确性。

    一种车辆定位方法、装置、设备及介质

    公开(公告)号:CN117351079A

    公开(公告)日:2024-01-05

    申请号:CN202311277102.3

    申请日:2023-09-28

    摘要: 本发明公开了一种车辆定位方法、装置、设备及介质。其中,所述方法包括:确定图像获取设备在当前时刻感知的目标图像信息,并根据所述目标图像信息确定至少一个目标对象的二维检测框信息和三维检测信息;确定激光雷达感知的在当前时刻在图像坐标系下的激光雷达点云数据;基于二维检测框信息以及图像坐标系下的激光雷达点云数据确定目标对象的第一三维检测框信息;基于三维检测信息确定目标对象的第二三维检测框信息;基于第一三维检测框信息与第二三维检测框信息确定车辆的当前位置信息。通过执行本方案,可以实现高效、快速、准确地进行车辆定位,可以节约成本,提升用户体验。

    激光雷达的性能识别方法、装置、车辆及存储介质

    公开(公告)号:CN116559848A

    公开(公告)日:2023-08-08

    申请号:CN202310692688.3

    申请日:2023-06-12

    IPC分类号: G01S7/497 G01S17/931

    摘要: 本申请公开一种激光雷达的性能识别方法、装置、车辆及存储介质,方法包括:确定激光雷达的非识别盲区;在非识别盲区没有放置目标物体时,根据激光雷达的特征信息和地面的特征信息计算非识别盲区的点云分布,得到理想无遮挡点云分布;在非识别盲区放置目标物体时,从理想无遮挡点云分布中去除目标物体的遮挡点云,得到理想有遮挡点云分布,并获取激光雷达测量到的非识别盲区的点云分布,得到实际有遮挡点云分布;根据理想有遮挡点云分布和实际有遮挡点云分布从非识别盲区识别出积水区域和潮湿区域;根据积水区域的面积和潮湿区域的面积确定激光雷达的性能识别结果。即本申请的方案,能够识别激光雷达性能,从而增强激光雷达的实用性与可靠性。

    车道线检测方法、装置、设备及介质

    公开(公告)号:CN118823710A

    公开(公告)日:2024-10-22

    申请号:CN202410803410.3

    申请日:2024-06-20

    IPC分类号: G06V20/56 G06V10/766

    摘要: 本发明公开了一种车道线检测方法、装置、设备及介质,该方法应用于设置有车载雷达的车辆,通过获取车辆的行驶方向环境的三维雷达点云数据;对三维雷达点云数据进行栅格划分,得到栅格特征数据;将栅格特征数据输入至深度多项式回归模型,得到至少一组输出数据;每一组输出数据包括预设一元多次多项式函数中的多项式参数和车道线目标点的第一坐标数据;第一坐标数据为车道线目标点在行驶方向上的坐标数据;对于每一组输出数据,基于输出数据中的多项式参数和预设一元多次多项式函数得到一个目标多项式函数;基于目标多项式函数和输出数据中的车道线目标点的第一坐标数据得到每一组输出数据对应的目标车道线。本发明实施例提高了车道线计算速度。

    一种道路边界检测方法、装置、设备及介质

    公开(公告)号:CN117953451A

    公开(公告)日:2024-04-30

    申请号:CN202311809537.8

    申请日:2023-12-26

    IPC分类号: G06V20/56 G06V10/25 G06V10/44

    摘要: 本发明公开了一种道路边界检测方法、装置、设备及介质。包括:实时获取ROI内的道路边界点云数据,确定ROI内预先划分的各栅格的高度;根据ROI区域内各栅格的高度以及各栅格所属的左侧或者右侧区域,分别确定车辆左侧与右侧分别对应的道路边界点集,并生成车辆左侧与右侧分别对应的道路完整曲线方程以及道路有效曲线方程;根据指定时间段内各历史更新的道路有效曲线方程确定内点点集,根据道路完整曲线方程和/或道路有效曲线方程,在内点点集中确定多个有效内点;将有效内点添加至道路边界点集中,更新道路有效曲线方程,生成道路边界检测结果。采用上述技术方案,能够对道路边界与道路缺口进行准确区分,有效提高道路边界检测的准确性。

    一种雷达标定参数的校验方法、装置、设备和介质

    公开(公告)号:CN117192520A

    公开(公告)日:2023-12-08

    申请号:CN202311401414.0

    申请日:2023-10-26

    IPC分类号: G01S7/497

    摘要: 本发明实施例公开一种雷达标定参数的校验方法、装置、设备和介质,该方法包括:在标定校验环境内,获取目标车辆中每个雷达对应的安装信息和每个雷达扫描到的第一点云图像;基于安装信息,确定各个雷达对应的目标地面重合度,并对目标地面重合度进行地面重合度校验,确定第一雷达标定参数对应的第一校验结果;基于第一点云图像,确定各个雷达对应的目标靶标重合度,并对目标靶标重合度进行靶标重合度校验,确定第二雷达标定参数对应的第二校验结果。通过本发明实施例的技术方案,可以对雷达标定参数进行自动校验,无需人工校验,从而提高雷达标定参数的校验效率和准确性。

    一种匝道口检测方法、装置、设备及介质

    公开(公告)号:CN117125071A

    公开(公告)日:2023-11-28

    申请号:CN202310952886.9

    申请日:2023-07-31

    IPC分类号: B60W40/02 B60W60/00 B60W40/06

    摘要: 本发明公开了一种匝道口检测方法、装置、设备及介质,方法包括:获取车辆行驶关联信息,其中所述车辆行驶关联信息包括车辆运行信息和车辆定位导航信息中的至少一项;根据所述车辆行驶关联信息判断车辆运行前方是否为潜在匝道区域,并在当车辆运行前方为潜在匝道区域时,获取设定时间段内的历史道路线信息;确定主路道路线信息,根据所述历史道路线信息和主路道路线信息进行匝道口的检测,通过道路线信息进行匝道口的检测,解决了匝道口检测受地图精度影响的技术问题,实现了匝道检测地图精度不高的情况下的准确检测。

    一种针对毫米波雷达稠密数据的深度学习感知方法及系统

    公开(公告)号:CN116299556A

    公开(公告)日:2023-06-23

    申请号:CN202310286943.4

    申请日:2023-03-22

    IPC分类号: G01S17/931 G01S7/48

    摘要: 本发明涉及车辆自动驾驶技术领域,具体涉及一种针对毫米波雷达稠密数据的深度学习感知方法及系统;该方法主要包括以下步骤:首先结合激光雷达对雷达稠密数据进行真值标注,随后根据标注的数据、分别从三个方向进行压缩,并输入到深度学习网络模型中,得得到周围环境中的高维特征,最后将高维特征输入网络卷积层中,提取目标障碍物的信息;本方案有效利用了毫米波雷达的原始数据信息,并采用激光雷达作为真值标注感知环境,结合深度学习的方法,提高对周围环境感知结果的准确性,减少毫米波雷达硬件本身的算例依赖,降低了毫米波雷达的硬件成本。

    一种车辆异常检测方法、装置、电子设备和存储介质

    公开(公告)号:CN118465738A

    公开(公告)日:2024-08-09

    申请号:CN202410531473.8

    申请日:2024-04-29

    摘要: 本发明实施例公开了一种车辆异常检测方法、装置、电子设备和存储介质,该方法包括:当车辆处于自动行驶状态时,获取车辆的行驶状态信息;基于预先确定的配置文件,获取与行驶状态信息对应的目标雷达的雷达数据和感知软件数据;基于检测阈值对雷达数据和感知软件数据进行异常检测,得到异常检测结果;当异常检测结果为存在异常时,根据异常处理规则进行异常处理。本发明中,在车辆处于自动行驶状态时,根据雷达数据和感知软件数据,实时对激光雷达和感知软件进行异常检测,及时发现激光雷达和激光雷达感知软件是否存在异常,并在激光雷达或激光雷达感知软件存在异常时,及时做出相应处理,提高了自动驾驶车辆的行驶准确性和安全性。