公开(公告)号：CN118097955A

公开(公告)日：2024-05-28

申请号：CN202410224861.1

申请日：2024-02-29

Applicant: 北京理工大学

Inventor： 孙超 ,  钟佳儒 ,  岳超 ,  宁启立 ,  许佳慧 ,  魏小栋

IPC: G08G1/01 ,  H04W4/44 ,  G06V10/764 ,  G06V10/42 ,  G06T7/246

Abstract: 本发明公开了一种车路协同目标检测方法及系统，所述检测方法基于BEVFormer模型建立，可解决现有检测方法中的时延问题，提高检测系统对时延的鲁棒性，同时其以BEVFormer解码器输出的查询向量等作为传输信息，解决了现有的基于BEV特征传输的检测方法的信息冗余、信息传输量大的问题，可显著提高三维目标匹配精度。

公开(公告)号：CN118864819A

公开(公告)日：2024-10-29

申请号：CN202410976625.5

申请日：2024-07-21

Applicant: 北京理工大学

Inventor： 李浩宇 ,  孙超 ,  赵跃然 ,  钟佳儒 ,  陈子童 ,  岳超

IPC: G06V10/25 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/096 ,  G06N3/09

Abstract: 本发明公开了适用极端天气下基于迁移学习的单目相机3D目标检测方法，利用迁移学习将正常天气和雨雪雾天气数据集中训练，首先获取图像源域和目标域的数据，利用Resnet‑50或Resnet‑101等主干网络提取基础图像特征，并使用深度预测器获取输入图像的深度特征。随后，通过自注意力层和前馈神经网络对图像的视觉信息和深度信息进行编码，得到视觉特征和深度特征。利用深度交叉注意层和视觉交叉注意层融合不同特征，并通过交叉查询自注意力层捕获序列中的复杂关系。将这些关系输入到前馈神经网络细化特征表示，并通过头部网络生成目标预测结果。最后，通过将目标预测结果和数据集标注真实值输入到预设的损失函数中，使得模型在源域和目标域中均取得良好的检测效果。

公开(公告)号：CN119091397A

公开(公告)日：2024-12-06

申请号：CN202411013384.0

申请日：2024-07-26

Applicant: 北京理工大学

Inventor： 钟佳儒 ,  孙超 ,  钟文欣 ,  许佳慧 ,  王博 ,  郭斌 ,  李浩宇 ,  岳超

IPC: G06V20/54 ,  G06V20/58 ,  G06V10/80 ,  G06V10/82 ,  G06V10/40 ,  G06N3/0499

Abstract: 本发明公开了一种融合时序信息的车路协同3D目标检测方法，首先从路端图像和车载中提取目标特征，并利用query生成器输出query，同时保留了前k1时间步的历史query。接着，利用时间上下文聚合模块整合当前query和历史query，生成时序query，并通过置信度对其进行过滤。经过V2X通信传输置信度前m个query，并在车辆端接收和融合query，同时存储k2帧路端query。最后，通过多层感知器(MPL)等方法对融合后的特征进行融合，生成更丰富和准确的目标特征信息。在多层次时间上下文整合机制和运动感知重建方面，利用历史query序列来增强目标状态在时间维度上的一致性和准确性，加强目标的时间上下文信息，捕捉和重建目标的运动特征，从而提升目标检测的连续性和实时性。

公开(公告)号：CN118097260A

公开(公告)日：2024-05-28

申请号：CN202410225011.3

申请日：2024-02-29

Applicant: 北京理工大学

Inventor： 孙超 ,  宁启立 ,  钟佳儒 ,  李浩宇

IPC: G06V10/764 ,  G01S17/86 ,  G06V10/42 ,  G06V10/80

Abstract: 本发明公开了一种激光雷达和视觉相机融合的目标检测方法及系统，所述目标检测方法包括：获得以空间球坐标系表示的激光雷达点云数据；将空间球坐标系下的点云数据进行视锥网格化处理；从得到的点云视锥网格内进行点云数据的特征提取，得到图像视锥网格特征；将图像视锥网格特征与经视觉相机获得的视觉图像的特征进行融合，得到融合图像，通过融合图像进行目标检测。本发明可有效解决现有融合检测方法中视觉图像深度信息易缺失、通过视觉图像像素点拟合获得概率深度低效且不可靠的问题，并可有效解决现有融合检测方法中没有充分利用Z轴方向的空间信息，导致特征损失的问题，特别适用于自动驾驶领域。