-
公开(公告)号：CN116434193A
公开(公告)日：2023-07-14
申请号：CN202310419930.X
申请日：2023-04-19
申请人： 江苏大学 , 镇江市江苏大学工程技术研究院 , 汉得利(常州)电子股份有限公司
摘要： 本发明公开了一种面向决策支持的自动驾驶目标检测算法综合评价方法，包括：获取目标检测数据集；根据目标检测数据集，建立因素集；其中，因素集包括距离、方位和类别；根据因素集，建立评价集；其中，评价集包括距离因素评价集、方位因素评价集和类别因素评价集；设定各个评价集以及各个评价集中每个评价等级的权重；根据各个评价集、各个评价集中每个评价等级以及对应的权重，对自动驾驶目标检测算法进行综合评价。本发明同时考虑了目标物体与当前车辆之间的距离因素的权重、目标物体与当前车辆之间的方位信息的权重和目标物体的类别权重，能够面向自动驾驶决策端，甄别出对危险系数较大目标的识别能力的目标检测算法及其模型。
-
公开(公告)号：CN116310345A
公开(公告)日：2023-06-23
申请号：CN202310363274.6
申请日：2023-04-07
申请人： 江苏大学 , 镇江市江苏大学工程技术研究院 , 汉得利(常州)电子股份有限公司
IPC分类号： G06V10/26 , G06V20/56 , G06V20/70 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464
摘要： 本发明公开了一种用于交通路面的多要素语义分割方法，包括：获取目标图片集；目标图片集中的每个目标图片均包括可行驶区域、车道线和路面交通标志；对目标图片集的目标图片进行标签标注，并将标注后的目标图片集划分为训练集和测试集；构建实时语义分割网络模型；利用训练集对实时语义分割网络模型进行训练，得到训练好的实时语义分割网络模型；利用训练好的实时语义分割网络模型对测试集进行测试，得到交通路面的语义分割结果。本发明中能够将可行驶区域分割、车道线检测和道路路面交通标志检测整合到同一个实时语义分割网络模型中同时进行处理，能够取得较好的分割效果和较快的推理速度，从而减少推理消耗的时间，节省计算资源。
-
公开(公告)号：CN118314541A
公开(公告)日：2024-07-09
申请号：CN202410441105.4
申请日：2024-04-12
申请人： 江苏大学 , 汉得利(常州)电子股份有限公司
IPC分类号： G06V20/56 , G06V20/64 , G06V20/70 , G06V10/26 , G06V10/44 , G06V10/52 , G06V10/62 , G06V10/80 , G06T3/08 , G06T19/00
摘要： 本发明公开了一种全景动态驾驶环境感知方法、系统、介质和设备，包括：获取待预测的多帧连续的三维点云数据；将待预测的多帧连续的三维点云数据输入预先构建的基于激光雷达的全景驾驶感知预测模型中进行感知，得到最终感知结果；其中，基于激光雷达的全景驾驶感知模型包括：预处理模块、双分支骨干网络、多任务检测头和后处理模块。本发明以多帧连续的三维点云数据作为输入，不严重依赖于相邻帧的感知结果，而且可以在单个网络中强大地执行自由空间分割、静态物体语义分割和移动物体实例分割，有效节约了计算资源，提供了实时、准确和稳健的感知结果，显著提高了驾驶安全性。
-
公开(公告)号：CN118521981A
公开(公告)日：2024-08-20
申请号：CN202410599701.5
申请日：2024-05-15
申请人： 江苏大学 , 汉得利(常州)电子股份有限公司
IPC分类号： G06V20/56 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/52 , G06N3/0464 , G06N3/045 , G06N3/09
摘要： 本发明公开了一种基于关键点的全局关联车道线检测方法、系统、介质和设备，包括：获取带有标注的数据集；构建基于关键点的全局关联车道线检测模型；利用带有标注的数据集对基于关键点的全局关联车道线检测模型进行训练，得到训练好的基于关键点的全局关联车道线检测模型；利用基于关键点的全局关联车道线检测模型对待测车道线进行检测，得到预测车道线；其中，基于关键点的全局关联车道线检测模型包括数据预处理模块、特征提取模块、通道空间注意力模块CBAM、特征金字塔网络FPN、解码器和后处理模块。本发明大大提高了检测效率。
-
公开(公告)号：CN117252272A
公开(公告)日：2023-12-19
申请号：CN202311244777.8
申请日：2023-09-25
申请人： 江苏大学
IPC分类号： G06N20/00 , G06Q10/0631
摘要： 本发明公开了一种基于多智能体协同的静目标协同检测方法及系统，S1、设定待检测区域的范围约束，初始化各智能体和静目标；S2、对协同检测问题进行数学建模，完成问题设定；S3、设定各智能体的任务效用；S4、设定静目标协同检测算法，完成动态任务分配；S5、动态更新智能体和静目标的状态量，对静目标实现检测。本发明通过智能体的效用价值或最大化预期效用为单个智能体选择最优任务，并让通信范围内的智能体共享自身状态向量，而后依据状态向量和智能体个体的效用实现竞价拍卖，将最优任务分配抽象为拍卖中的投标向量求解问题，采用贪婪去中心化拍卖算法予以解决，实现检测次数、检测角度动态调整的多智能体最优任务分配，指导智能体检测。
-
公开(公告)号：CN117236538A
公开(公告)日：2023-12-15
申请号：CN202311193731.8
申请日：2023-09-15
申请人： 江苏大学
IPC分类号： G06Q10/047 , G06Q50/30 , G06N3/006
摘要： 本发明公开了一种面向复杂多边形区域的多智能体协同覆盖探索规划模型及方法，改进设计了一个面向复杂不规则海域的多智能体协同区域覆盖模型及算法，使其能够提高在复杂海域情况下的探索成本和最优成本下的区域覆盖效率，并且及时规避突发威胁，针对复杂海域下多智能体协同探查技术需要根据探查工作的实际需求，对多个智能体进行协调控制与规划，兼顾探查的精度与探查的速度，为后期各类海洋工程提供精确的测量数据，最大化保障海洋工程的安全性与经济性。
-
公开(公告)号：CN116503834A
公开(公告)日：2023-07-28
申请号：CN202310375393.3
申请日：2023-04-10
申请人： 江苏大学
IPC分类号： G06V20/58 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于语义分割的交通路面附着系数预测模型及预测方法，模型包括数据前处理模块、Focus切片模块、特征提取网络、特征融合模块、膨胀卷积残差模块、特征还原模块；网络模型采用语义分割的方法，整体结构由一个用于特征提取的编码器以及负责特征还原的解码器组成。本发明将坐标注意力机制融入了传统的特征提取网络中保证不增加计算量的同时增强特征提取效果，在颈部网络中本发明创新性地提出了膨胀卷积残差模块以增强网络对细节的预测性能。该方法在本发明所采集的数据集上取得了平均IoU为90.07％的分割精度并解决了传统方法和深度学习分类网络方法缺点。
-
公开(公告)号：CN118628879A
公开(公告)日：2024-09-10
申请号：CN202410654827.8
申请日：2024-05-24
申请人： 江苏大学
IPC分类号： G06V10/80 , G06V10/82 , G06V10/40 , G06V10/62 , G06V20/56 , G06V20/64 , G06T7/246 , G06T7/277 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/0495 , G06N3/082 , G06N3/09 , G01S13/86 , G01S13/931 , G01S17/86 , G01S17/931 , G01C21/28
摘要： 本发明公开了面向智能驾驶环境感知系统的高性能松耦合多模态数据融合系统及车载设备，包括基于模态独立特征交互策略的融合检测模型，用于将激光雷达点云、相机图像以及毫米波雷达点云转化为统一的鸟瞰图特征，并进行多模态融合；以及基于运动‑外观特征级联耦合数据关联策略的融合跟踪模型，用于根据多模态融合的特征信息，进行后续的轨迹跟踪及匹配。选取VoD数据集以及K‑Radar数据集用以训练、验证以及测试模型的综合性能，应用TensorRT加速推理模型，量化部署于车载计算测试平台。本发明能兼容主流传感器部署方案，实现多源异构传感器信息的高效互补融合，显著提升车载感知系统的可靠性、准确性与适应性，从而有效应对复杂交通场景及恶劣天气等极端工况。
-
公开(公告)号：CN115797881A
公开(公告)日：2023-03-14
申请号：CN202211675099.6
申请日：2022-12-26
申请人： 江苏大学
IPC分类号： G06V20/54 , G06V10/20 , G06V10/80 , G06V20/56 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种用于交通道路路面信息的多任务联合感知网络模型及检测方法，可同时检测车道线和可行驶区域，将坐标注意力机制融入了传统的特征提取网络中保证不增加计算量的同时增强特征提取效果，在颈部网络中，本发明创新性地提出了膨胀卷积残差模块以增强网络对细节的预测性能，解码器部分则将可行驶区域的特征共享到车道线检测中以增强复杂路况下车道线检测效果。在训练环节，提出一种新颖的交替优化训练方法以提高模型整体的分割性能。本发明在具有挑战性的BDD100K数据集中取得了非常高的准确性和优异的速度表现，可行驶区域分割的mIoU达到92.51％，车道线检测准确率和IoU分别是87.29％和32.12％，并且整体推理速度达到39FPS，检测效果优于传统的单任务网络模型。
-
公开(公告)号：CN116912804A
公开(公告)日：2023-10-20
申请号：CN202310957145.X
申请日：2023-07-31
申请人： 江苏大学
IPC分类号： G06V20/58 , G06V10/80 , G06V10/82 , G06V10/774 , G06V10/96 , G06V10/62 , G06N3/0455 , G06N3/0464 , G06N3/09
摘要： 本发明公开了一种高效的无锚框3‑D目标检测及跟踪方法及模型，为减少空间几何特征丢失以及更好的融合多尺度特征，本发明设计了更加有效的颈部网络，命名为空间语义融合颈部网络，使得颈部网络输出的特征更适合最终的目标边界框回归和目标分类。为了有效地捕捉object‑object联系和object‑context联系，本发明使用transformer的decoder结构构建了更加强大的检测头，设计了更加有效的query初始化方法，显著提升了目标检测性能。在3‑D检测算法的基础上构建了更加稳定的多目标跟踪算法。通过优化关联指标和轨迹管理策略，多目标跟踪过程更加具备鲁棒性，大大减少了轨迹ID切换的次数。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.072 秒)
