-
公开(公告)号：CN115964446A
公开(公告)日：2023-04-14
申请号：CN202211628850.7
申请日：2022-12-18
Applicant: 北京工业大学
IPC: G06F16/28 , G06F16/26 , G06F16/215 , G06F9/451 , G01S17/931 , H04L69/164 , H04L12/40
Abstract: 一种基于移动端的雷达数据交互处理方法属于自动驾驶领域。本发明在计算生成端对原始点云数据进行快捷准确的处理，并将雷达数据通过计算生成端处理发送到移动端进行显示，解决显示设备占用空间、难以移动的问题，具有灵活性高的优点，可以同时让更多的测试人员参与到调试工作中；除此之外，在移动端将雷达数据进行处理并通过简单的模型表示障碍物信息，让更多的乘车者理解雷达数据，在乘坐无人驾驶车辆时可以充分的信任无人驾驶车辆所做的每一个决策。本发明解决计算生成端难以移动和普通用户对雷达数据不理解的问题。
-
公开(公告)号：CN119850915A
公开(公告)日：2025-04-18
申请号：CN202411919309.0
申请日：2024-12-25
Applicant: 北京工业大学
Abstract: 本发明提供一种基于超图关联的跨模态3D目标检测方法，包括获取点云数据L和图像数据C，还包括以下步骤：选取关键区域；构建局部全局特征超图；传播局部全局超图；对齐多尺度高质量特征；回归尺度间超图。本发明提出了一种基于超图关联的跨模态3D目标检测方法，用于提取场景的多粒度语义信息，并探索关键区域之间高阶语义内容的表示，对尺度间跨模态关键区域进行超图构建，通过基于关键区域对物体高阶语义内容的隐式表示，直接回归三维空间中物体的相关属性，提高了三维物体检测的准确率。
-
公开(公告)号：CN115964446B
公开(公告)日：2024-07-02
申请号：CN202211628850.7
申请日：2022-12-18
Applicant: 北京工业大学
IPC: G06F16/28 , G06F16/26 , G06F16/215 , G06F9/451 , G01S17/931 , H04L69/164 , H04L12/40
Abstract: 一种基于移动端的雷达数据交互处理方法属于自动驾驶领域。本发明在计算生成端对原始点云数据进行快捷准确的处理，并将雷达数据通过计算生成端处理发送到移动端进行显示，解决显示设备占用空间、难以移动的问题，具有灵活性高的优点，可以同时让更多的测试人员参与到调试工作中；除此之外，在移动端将雷达数据进行处理并通过简单的模型表示障碍物信息，让更多的乘车者理解雷达数据，在乘坐无人驾驶车辆时可以充分的信任无人驾驶车辆所做的每一个决策。本发明解决计算生成端难以移动和普通用户对雷达数据不理解的问题。
-
公开(公告)号：CN115952312A
公开(公告)日：2023-04-11
申请号：CN202211539530.4
申请日：2022-12-02
Applicant: 北京工业大学
IPC: G06F16/583 , G06F16/58 , G06V10/26 , G06V10/46
Abstract: 本发明提供一种图像标签的自动标注与排序方法，包括以下步骤：构建基准图像集；对无标签的测试图像进行标注；对测试图像的标签进行排序。本发明提出了一种图像标签的自动标注和排序方法，一方面，通过基准图像集得到标签和视觉词的对应关系，实现测试图像标签的自动标注；另一方面，图像的对象性检测结果具有很强的语义性，将对象性检测技术用于标签排序，排序后的标签带有的语义信息和图像反映出的语义信息一致性更强，更准确的标签信息能够更好的用于图像检索等其他视觉任务，同时也能够为研究提供海量的可靠训练样本。
-
公开(公告)号：CN115952312B
公开(公告)日：2024-07-19
申请号：CN202211539530.4
申请日：2022-12-02
Applicant: 北京工业大学
IPC: G06F16/583 , G06F16/58 , G06V10/26 , G06V10/46
Abstract: 本发明提供一种图像标签的自动标注与排序方法，包括以下步骤：构建基准图像集；对无标签的测试图像进行标注；对测试图像的标签进行排序。本发明提出了一种图像标签的自动标注和排序方法，一方面，通过基准图像集得到标签和视觉词的对应关系，实现测试图像标签的自动标注；另一方面，图像的对象性检测结果具有很强的语义性，将对象性检测技术用于标签排序，排序后的标签带有的语义信息和图像反映出的语义信息一致性更强，更准确的标签信息能够更好的用于图像检索等其他视觉任务，同时也能够为研究提供海量的可靠训练样本。
-
Patent Agency Ranking
公开(公告)号：CN116416499A
公开(公告)日：2023-07-11
申请号：CN202211492206.1
申请日：2022-11-25
Applicant: 北京工业大学
IPC: G06V10/776 , G06V20/56 , G06V20/58 , G06V20/40
Abstract: 本发明公开了一种车道线检测性能的评测方法，该评测方法中，建立车道线的真值标注，在车道一定长度范围内，对车道线在物理世界中的位置进行采点和真值标注，获得基准标注的车道线。在智能车上安装摄像头进行车道线进行实时采集，获取车道线视频，并抽取车道线视频中的关键帧，进行车道线检测。将检测到的车道线基于世界坐标系进行数据转换，采用最小二乘法获得车道线的拟合参数，并进行车道线的拟合。将拟合车道线的中心坐标位置和基准标注得到的车道线中心坐标计算偏差值，并进行拟合参数稳定性的计算。本发明的车道线检测性能评测维度更丰富，突破了只从分割和分类的角度进行评测，从而使车道线检测性能评测方法更全面、更科学。
-
公开(公告)号：CN118966883A
公开(公告)日：2024-11-15
申请号：CN202411017578.8
申请日：2024-07-29
Applicant: 北京工业大学
IPC: G06Q10/0639 , B60W50/00 , B60W40/00 , G06F17/16 , G06F17/18 , G06N3/0464 , G06N3/042 , G06N3/08
Abstract: 本发明提供一种对无人驾驶交互认知能力的评估方法，包括确定无人驾驶交互认知能力维度集，还包括以下步骤：确定无人驾驶交互认知能力评估对象集；计算无人驾驶交互认知综合评估得分C。本发明提出了一种对无人驾驶交互认知能力的评估方法，可以同时考虑指标间的内在相关性和非线性特征，能够有效评估在复杂的、多指标的无人驾驶交互认知能力。
-
公开(公告)号：CN117670955A
公开(公告)日：2024-03-08
申请号：CN202311670013.5
申请日：2023-12-07
Applicant: 北京工业大学
Abstract: 本发明提供一种应用于双足仿人机器人的跨模态点云精配准方法，包括获取参考点云和待配准点云并提取超点 和匹配点 对匹配点根据超点进行维罗尼分解，构建局部点集 构建基于几何位置编码的注意力机制模块，计算超点 的混合特征并以此进行超点 之间的匹配，获得超点对应关系进行局部点集内局部密集点间的匹配，获得全局密集点对应求解点关联度计算得到的和的变换关系根据局部点集 约束建立匹配点 精配准点对关系根据候选匹配的置信度矩阵wij加权计算最优变换；进行精配准优化，得到最终配准变换矩阵
-
公开(公告)号：CN116012697A
公开(公告)日：2023-04-25
申请号：CN202211578969.8
申请日：2022-12-05
Applicant: 北京工业大学
IPC: G06V10/98 , G06V10/776 , G06V10/48 , G06V10/80
Abstract: 本发明公开了基于量化特征的车道线检测性能评测方法，建立车道线检测数据集，并基于车道线检测数据集和车道线检测结果分别进行统一量化，获取量化特征；基于车道线数据集的真值量化特征和车道线检测结果的量化特征，建立车道线检测性能的评测模型；通过筛选量化指标，提取量化特征建立基于量化特征的车道线检测性能的统一评测框架。车道线的量化指标包括：车道线的多项式拟合参数、车道线的位置信息、车道线的类型、车道线的颜色。车道线的多项式拟合参数可以评测车道线的偏离程度；车道线的位置信息、车道线的类型、车道线的颜色能否检测正确对智能汽车能否做出正确决策至关重要，可以非常方便的对评测方法进行扩展。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.014 seconds)
