-
公开(公告)号：CN113655469A
公开(公告)日：2021-11-16
申请号：CN202110783880.4
申请日：2021-07-12
Applicant: 之江实验室
IPC: G01S13/04 , G01S13/931 , G01S15/04 , G01S15/931 , G01S17/04 , G01S17/931 , G01V8/10
Abstract: 本发明公开基于智能驾驶的预测感知盲区中存在物体的方法及系统，在智能驾驶过程中，通过充分考虑附近物体的预测行为与实际行为的差异，来判定智能驾驶中预测感知盲区中是否存在物体；首先，根据自车的感知信息对目标车辆的行为进行预测；然后，根据目标车辆的预测行为与实际行为的差异程度来判断目标车辆前方存在物体的概率；最后，将物体添加到自车的感知结果中；此外，为了降低计算成本，将检测周围车辆对自动驾驶汽车感知造成的影响，当影响较大时才启动预测算法；在智能驾驶场景中由于其它交通参与者的遮挡形成感知视野盲区时，对视野盲区内存在物体的概率进行估计，让智能驾驶汽车预见可能出现的行人或障碍物，从而提高驾驶的安全性。
-
公开(公告)号：CN113536913A
公开(公告)日：2021-10-22
申请号：CN202110642915.2
申请日：2021-06-09
Applicant: 之江实验室
Abstract: 本发明公开了一种三维目标检测中针对静态目标的优化方法，首先过滤缓存中时间太久和距离太远的静态目标，然后融合当前帧的三维目标检测的目标和缓存中的静态目标，再遍历缓存中的静态目标，作为当前帧三维目标检测的部分检测结果R1，遍历当前帧的检测目标，若检测目标类别为静态目标且置信度超过预设阈值S1，则将当前帧的检测目标的三维信息，输入到缓存中，并作为当前帧三维目标检测的部分检测结果R2，若检测类别是动态目标或者检测置信度小于S1，则直接作为当前帧三维目标检测的部分检测结果R3，最后将R1、R2、R3合并为R作为当前帧的三维目标检测结果。针对于自动驾驶领域，本发明稳定了感知模块的输出结果，提升环境感知整体感知精度。
-
公开(公告)号：CN113111978B
公开(公告)日：2021-10-01
申请号：CN202110652361.4
申请日：2021-06-11
Applicant: 之江实验室
Abstract: 本发明属于目标检测技术领域，涉及一种基于点云和图像数据的三维目标检测系统和方法，该系统包括：三维检测神经网络、二维检测神经网络、融合处理模块、分类器和后处理模块，所述三维检测神经网络输入三维点云数据，输出三维目标信息至融合处理模块；所述二维检测神经网络输入二维图片数据，输出二维目标信息至融合处理模块；所述融合处理模块对所述三维目标信息和二维目标信息进行融合处理后，将融合处理后的数据输出至分类器；所述分类器对融合处理后的数据信息进行分类，输出分类结果至后处理模块；所述后处理模块输入分类结果和三维目标信息，输出目标检测结果。本发明能够有效提升三维目标检测的准确率。
-
公开(公告)号：CN112580786B
公开(公告)日：2021-09-28
申请号：CN202011529184.2
申请日：2020-12-22
Applicant: 之江实验室
Abstract: 本发明公开了一种用于ReID的神经网络构造和训练方法，构造方法包括：S1，构造神经网络DNN1；S2，从DNN1中选取全卷积层FCLi；S3，构造神经网络DNN2；S4，将选取的FCLi的输出特征向量图Fi和DNN1的输出连接到DNN2的输入，形成神经网络DNNfinal；训练方法包括：S1，构造DNNfinal；S2，训练DNN1；S3，构造神经网络DNN3；S4，将DNNfinal的输出连接到DNN3形成神经网络DNNaux；S5，选取多目标跟踪数据集训练DNNaux，训练过程中不更新DNN1的神经网络参数；S6，训练结束后输出的DNNfinal为用于ReID的神经网络。
-
公开(公告)号：CN114429219B
公开(公告)日：2025-02-11
申请号：CN202111502142.4
申请日：2021-12-09
IPC: G06N20/00
Abstract: 本发明公开了一种面向长尾异构数据的联邦学习方法包括如下步骤：步骤一、服务器端随机初始化全局模型w并将模型参数发给各个客户端，各个客户端利用收到的模型参数进行模型更新，并将更新后的模型参数上传至服务器端；步骤二、服务器端对收到的本地模型参数后进行聚合得到教师模型和学生模型；步骤三、服务器端对步骤二中得到的教师模型进行校准，让教师模型在无偏知识上进行学习，以此教出好的学生模型；步骤四、使用知识蒸馏将教师模型的无偏知识传递给学生模型，随后将学生模型发给各个客户端开始下一轮联邦训练。
-
Patent Agency Ranking
公开(公告)号：CN117490718A
公开(公告)日：2024-02-02
申请号：CN202311552544.4
申请日：2023-11-21
Applicant: 之江实验室
Abstract: 一种车辆路径规划方法和装置，其方法包括：步骤一，根据定位的自车全局位置及参考线的信息，计算出自车投影到参考线的投影点坐标，从投影点坐标开始以一固定长度进行采样，得到终点参考点；步骤二，获取当前的道路边界及障碍物信息，将道路边界和障碍物边界上的离散点集作为输入，构造Voronoi图；步骤三，构造路径规划代价函数，根据路径规划代价函数搜索Voronoi图中起点到终点代价最小的无碰撞路径，得到离散路径点；步骤四，构造二次多项式规划代价函数及约束，对离散的路径点进行优化并计算出路径点对应的朝向角和曲率，得到平滑后的路径。本发明能够在有可行解的情况下输出最大程度远离所有障碍物的行驶路径，保证车辆避障的安全性和舒适性。
-
公开(公告)号：CN116817958B
公开(公告)日：2024-01-23
申请号：CN202311097046.5
申请日：2023-08-29
Applicant: 之江实验室
IPC: G01C21/34
Abstract: 本发明公开了一种基于障碍物分组的参考路径生成方法、装置和介质，该方法沿道路方向根据障碍物的位置关系将道路行驶区域划分成若干不包含障碍物的自由区域，自由区域间是包含障碍物的障碍区域；在每个障碍区域中根据障碍物沿垂直道路方向的位置信息，确定障碍区域中的可通行凸多边形区域，并基于简单的规则得到该障碍区域的参考路径线段，最后利用参数化的曲线对各障碍区域的参考路径线段进行拼接，得到曲率连续的完整参考路径。本发明充分利用了障碍物之间的位置关系，将复杂的无碰撞参考路径规划问题拆分成简单的线段计算与拼接问题，在保证路径解的有效性的同时，具有很低的计算时间成本，非常适合实时性要求较高的智能驾驶任务。
-
公开(公告)号：CN116994240B
公开(公告)日：2024-01-09
申请号：CN202311258898.8
申请日：2023-09-27
Applicant: 之江实验室
Abstract: 本申请提出了一种基于注意力机制的三维目标检测系统，包括用于执行感兴趣区域选择及骨干网络特征提取操作的跨模型特征提取模块，用于将低分辨率特征图与局部高分辨率特征图进行融合得到融合后特征的跨模型特征融合模块，对未增加融合网络的单模型检测网络进行训练的训练模块，用于向低分辨率检测网络模型输入点云数据得到检测结果或输入高分辨率感知区域进行高分辨率特征提取和特征融合的推理模块。通过在原有检测模型的基础上融合一个增强感知区域的模型，在增强感知区域的选取中参考路径规划、高精度地图等多模态数据进行增强感知区域的划分。实现保证原有检测精度的同时，提升对增强感知区域的检测效果。
-
公开(公告)号：CN117275240A
公开(公告)日：2023-12-22
申请号：CN202311554142.8
申请日：2023-11-21
Applicant: 之江实验室
IPC: G08G1/01 , G06N3/092 , G06F18/23213
Abstract: 本发明公开了一种考虑多类型驾驶风格的交通信号强化学习控制方法和装置。包括：基于路口周围车辆的历史轨迹数据，确定车辆驾驶风格的类别；获取路口周围车辆的实时轨迹数据，结合确定的车辆驾驶风格类别，实时获取车辆驾驶风格；设置强化学习环境，包括状态空间、动作空间和奖励函数；对强化学习智能体进行训练；将完成训练的智能体部署在路口，实现交通信号的强化学习控制。本发明相比传统交通信号控制方法，考虑了实时的交通流量，更加智慧化；相比于其他强化学习交通控制方法，考虑了多类型的驾驶风格，有助于进一步提升交通效率。
-
公开(公告)号：CN116931005B
公开(公告)日：2023-12-22
申请号：CN202311208648.3
申请日：2023-09-19
Applicant: 之江实验室
Abstract: 本发明公开了一种基于V2X辅助的车辆高精度定位方法、装置和存储介质，包括以下步骤：S1：判断智能网联车的全球导航卫星系统工作状态是否有效；S2：智能网联车接收路侧单元广播信息并进行身份校验；S3：路侧单元根据智能网联车感知硬件信息，广播对应高精地图的唯一识别编码和下载地址；S4：智能网联车下载本地未检索到的高精地图；S5：智能网联车通过地图匹配定位算法获取当前位置；S6：通过航迹推算实现智能网联车定位信息实时高频更新。本发明通过V2X技术辅助智能网联车在全球导航卫星系统失效状态下保持高精度定位，结合通过V2X技术获取的周边实时交通信息，可以有效提高车辆自
-
-
-
-
-
-
-
-
-
Search Results
197
records
(took 0.024 seconds)
