-
公开(公告)号:CN116824541A
公开(公告)日:2023-09-29
申请号:CN202310597833.X
申请日:2023-05-25
Applicant: 常州大学
Abstract: 本发明涉及一种基于双通道的行人过街意向预测方法、模型及装置,方法包括:获取与行人过街相关的观察帧;利用姿态估计提取算法SimCC从所述观察帧中提取目标行人的行人骨架信息X;从所述行人骨架信息X中提取时空行为特征Ks;从所述观察帧的最后一帧图片中提取与目标行人有关的交通场景对象交互关系特征Us;利用自适应平均池化层AAP深度融合所述时空行为特征Ks和所述交通场景对象交互关系特征Us,实现鲁棒的行人过街意图预测。本发明可以准确预测行人的过街意图。
-
公开(公告)号:CN119986695A
公开(公告)日:2025-05-13
申请号:CN202510048187.0
申请日:2025-01-13
Applicant: 常州大学
IPC: G01S17/894 , G01S17/93 , G01S17/86 , G01C21/16 , G06T17/05 , G06V20/58 , G06V10/44 , G06V10/25 , G06V10/52 , G06V10/82 , G06N3/0464 , G06N3/0495
Abstract: 本发明涉及移动巡检机器人领域,具体涉及一种基于激光雷达的巡防检测机器人建图导航运动控制方法。包括:实时获取巡防检测机器人运动过程中的IMU数据及通过3D激光雷达扫描得到的3D点云数据;将3D点云数据闭环融合IMU数据和向后推算过程,补偿雷达采样建图,得到3D点云地图;基于3D点云数据实时检测运动过程中遇到的障碍物,并将障碍物更新到基于3D点云地图转换得的的2D地图中;基于更新后的2D地图对巡防检测机器人进行运动避障控制。本发明能够消除机器人运动引起的畸变精准建图,从而很好地实现巡防检测机器人建图导航及运动避障控制。
-
公开(公告)号:CN116503907A
公开(公告)日:2023-07-28
申请号:CN202310486383.7
申请日:2023-04-28
Applicant: 常州大学
IPC: G06V40/10 , G06V10/46 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于人体重心检测的移动机器人转向控制方法及系统,方法包括:获取被跟随行人的深度图像及彩色图像;利用轻量OpenPose算法从所述彩色图像提取人体关键点信息,所述关键点信息包括关键点坐标;基于各关键点的坐标及系数,得到人体重心位置;以肩部和髋关节关键点包围的区域作为选中区域,从所述深度图像提取选中区域的深度值,根据所述深度值计算人机距离;基于所述人体重心位置及所述人机距离,计算行人偏航角;基于所述行人偏航角对所述移动机器人进行转向控制。本发明基于轻量OpenPose算法进行测距,并改进人体重心计算方法,进行行人的偏航角计算,提高了移动机器人转向控制的准确性及稳定性。
-
公开(公告)号:CN118314567A
公开(公告)日:2024-07-09
申请号:CN202410398943.8
申请日:2024-04-03
Applicant: 常州大学
IPC: G06V20/64 , G06V20/58 , G06V10/40 , G06V10/44 , G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及3D目标检测领域,具体涉及一种基于级联特征融合的3D目标检测方法及模型。方法包括:获取待检测区域的点云数据;对点云数据进行预处理,将点云数据转化为多个点柱;提取多个点柱中的稀疏特征,从稀疏特征中提取多层次的密集特征;对至少一层稀疏特征及至少两层次的密集特征进行级联融合,得到融合特征;基于融合特征检测目标。本发明可以提高3D检测中行人检测的准确性,以更好地保障自动驾驶过程中的行人安全。
-
公开(公告)号:CN117557979A
公开(公告)日:2024-02-13
申请号:CN202311142494.2
申请日:2023-09-06
Applicant: 常州大学
IPC: G06V20/58 , G06V40/20 , G06V10/25 , G06V10/44 , G06V10/46 , G06V10/62 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048
Abstract: 本发明涉及一种基于行人穿越意图预测网络的行人穿越意图预测方法,包括:获取自车速度S、行人i的人体姿势Ki、行人i在自车视角中的人体检测框中心点位置Ci以及行人i在自车视角中的类极坐标Pi;基于自车速度S,获取自车速度特征FS;基于行人i的人体姿势Ki,获取行人i的动作特征 基于行人i在自车视角中的人体检测框中心点位置Ci,获取行人i在自车视角中的人体检测框中心位置在时间维度上的特征 基于行人i在自车视角中的类极坐标Pi,获取行人i在自车视角中的类极坐标特征按照通道维度分别对特征FS、 及进行全局池化,并按元素相乘,得到多模态融合后的行人意图特征基于所述行人意图特征 得到行人穿越预测结果。本发明可以在交通场景中快速准确地预测行人穿越行为。
-
-
-
-