一种智能驾驶摄像头影像快速校正的方法

    公开(公告)号:CN118014913A

    公开(公告)日:2024-05-10

    申请号:CN202410427251.1

    申请日:2024-04-10

    Abstract: 本申请提供一种智能驾驶摄像头影像快速校正的方法,涉及图像校正技术领域,所述方法包括:提取标准图像与待配准图像中的特征点,得到原始拐点,按照预设像素间隔分割两者,得到第一图像子块与第二图像子块,将两者重叠,得到处于重叠区域中的第一图像子块包含的原始拐点,计算聚类中心,得到第一拐点,分割第一图像子块,得到第三图像子块,提取第一拐点得到第二拐点,分割第二图像子块,得到第四图像子块,提取第一拐点,得到第三拐点,根据第二拐点之间的第一距离,调整第三拐点之间的第二距离,拼接之后,得到校准后的图像,本方法适用于各个车型,可与各个型号摄像头匹配智能驾驶摄像头影像快速校正。

    一种应用于IBC系统的加速度传感器模拟方法

    公开(公告)号:CN116151031A

    公开(公告)日:2023-05-23

    申请号:CN202310401955.7

    申请日:2023-04-17

    Abstract: 本发明实施例公开了一种应用于IBC系统的加速度传感器模拟方法,包括:在车辆行驶于坡道的情况下,通过CAN总线获取车内控制器的各时刻的车辆信号,通过轮速传感器获取各时刻的车轮角速度;根据各时刻的车轮角速度,计算各时刻沿坡道的车速和车辆加速度;根据各时刻的车辆信号对应的车辆参数、车轮角速度和沿坡道的车速和车辆加速度,实时计算各时刻的坡道阻力:根据各时刻的坡道阻力,对各时刻沿坡道的车辆加速度进行分解,得到各时刻沿水平方向和垂直方向的车辆加速度,以模拟加速度传感器的功能。本实施例无需外置IMU、RTK、惯导模块或其它传感器,即可实现各方向加速度的准确计算。

    针对感知算法的训练样本生成和验证方法、设备和介质

    公开(公告)号:CN116071621A

    公开(公告)日:2023-05-05

    申请号:CN202310243674.3

    申请日:2023-03-15

    Abstract: 本发明涉及数据处理技术领域,公开了一种针对感知算法的训练样本生成和验证方法、设备和介质。该方法包括:通过真实感知环境构建虚拟仿真环境,读取针对真实物体的各对抗样本或各普通样本对应的导入文件,在虚拟仿真环境中更新显示导入的各样本,进而通过虚拟环境相机和虚拟激光雷达获取样本的感知数据,通过感知数据构建原始训练样本集,并通过各感知数据之间的差异确定目标训练样本集,进而对算法进行训练,在训练完成后对其进行验证,并返回继续读取新的导入文件以生成新的目标训练样本集,实现了对包含对抗样本的感知数据的训练样本集的生成,以及对感知算法的迭代训练,解决了人工标注成本高、效率低、难以满足算法更新迭代需求的问题。

    一种智能驾驶摄像头影像快速校正的方法

    公开(公告)号:CN118014913B

    公开(公告)日:2024-06-14

    申请号:CN202410427251.1

    申请日:2024-04-10

    Abstract: 本申请提供一种智能驾驶摄像头影像快速校正的方法,涉及图像校正技术领域,所述方法包括:提取标准图像与待配准图像中的特征点,得到原始拐点,按照预设像素间隔分割两者,得到第一图像子块与第二图像子块,将两者重叠,得到处于重叠区域中的第一图像子块包含的原始拐点,计算聚类中心,得到第一拐点,分割第一图像子块,得到第三图像子块,提取第一拐点得到第二拐点,分割第二图像子块,得到第四图像子块,提取第一拐点,得到第三拐点,根据第二拐点之间的第一距离,调整第三拐点之间的第二距离,拼接之后,得到校准后的图像,本方法适用于各个车型,可与各个型号摄像头匹配智能驾驶摄像头影像快速校正。

    针对感知算法的训练样本生成和验证方法、设备和介质

    公开(公告)号:CN116071621B

    公开(公告)日:2023-06-23

    申请号:CN202310243674.3

    申请日:2023-03-15

    Abstract: 本发明涉及数据处理技术领域,公开了一种针对感知算法的训练样本生成和验证方法、设备和介质。该方法包括:通过真实感知环境构建虚拟仿真环境,读取针对真实物体的各对抗样本或各普通样本对应的导入文件,在虚拟仿真环境中更新显示导入的各样本,进而通过虚拟环境相机和虚拟激光雷达获取样本的感知数据,通过感知数据构建原始训练样本集,并通过各感知数据之间的差异确定目标训练样本集,进而对算法进行训练,在训练完成后对其进行验证,并返回继续读取新的导入文件以生成新的目标训练样本集,实现了对包含对抗样本的感知数据的训练样本集的生成,以及对感知算法的迭代训练,解决了人工标注成本高、效率低、难以满足算法更新迭代需求的问题。

Patent Agency Ranking