-
公开(公告)号：CN114509936B
公开(公告)日：2022-09-02
申请号：CN202210412955.2
申请日：2022-04-19
Applicant: 之江实验室
IPC: G05B13/02
Abstract: 本发明属于运动控制领域，涉及一种运动能力可在线学习的运动规划方法、装置和介质，该方法包括：步骤S1：根据运动平台的运动学与动力学约束，初始化曲率‑速率函数；步骤S2：根据运动平台的实际运行轨迹与期望轨迹实时评估运动平台的轨迹跟踪能力；步骤S3：根据运动平台的跟踪能力实时更新曲率‑速率函数；步骤S4：运动平台的运动规划器根据更新后的曲率‑速率函数，得到运动平台的运动规划结果；步骤S5：运动平台的控制器根据运动规划结果得到运动命令，根据运动命令控制运动平台运动。本方法能够使运动平台在运动能力很好的条件下，自适应的提高运动效率；同时在运动能力不好的条件下，自适应的降低速度以提高跟踪精度。
-
公开(公告)号：CN114413882B
公开(公告)日：2022-08-05
申请号：CN202210317515.9
申请日：2022-03-29
Applicant: 之江实验室
Abstract: 本发明属于全局初定位技术领域，涉及一种基于多假设跟踪的全局初定位方法和装置，该方法首先采集场景的点云数据和其对应的全局位姿数据，构建数据库，将采集的数据经过预处理存入数据库，同时生成点云地图，然后对当前帧点云数据与数据库中的数据进行匹配，得到匹配的候选结果，接着利用连续帧之间的约束关系对候选结果进行过滤，直到候选结果收敛后，利用当前帧数据和其对应的数据库中的数据进行平移和旋转的计算，从而得到全局初定位的初始值后与点云地图匹配得到精确的初定位结果。本发明的方法结合全局描述以及多帧数据进行场景初定位，采用多假设跟踪的方法对结果进行筛选，保证了定位的效率，同时提高了定位的鲁棒性。
-
公开(公告)号：CN114756355A
公开(公告)日：2022-07-15
申请号：CN202210663902.8
申请日：2022-06-14
Applicant: 之江实验室
Abstract: 本发明属于计算机领域，涉及一种计算机操作系统的进程自动快速恢复的方法和装置，该方法包括：步骤一，用户进程创建前，计算机的内核申请地址连续的两块内存作为进程控制块，内核使用其中一块内存进行用户进程创建并作为当前进程控制块；步骤二，用户进程创建完成后，对当前进程控制块的数据进行复制备份至另一块内存即备份进程控制块；步骤三，执行用户进程逻辑后，用户进程的程序出现错误时，触发计算机系统的异常，系统收到异常信号并处理后，通知用户进程该异常信息，用户进程收到异常信息后，从备份进程控制块的数据信息中恢复用户进程数据，使用户进程状态回滚到初始状态，实现进程重启恢复。本发明有效提升了进程重启速度并简化进程管理。
-
公开(公告)号：CN113364846B
公开(公告)日：2022-07-08
申请号：CN202110602032.9
申请日：2021-05-31
Applicant: 之江实验室
IPC: H04L67/1095 , H04L47/62 , H04L7/00
Abstract: 本发明公开一种自适应处理网络延时抖动的数据同步方法及装置，考虑了服务器和客户端双方的时间线，将服务器某一时刻的数据帧在对应时刻同步到客户端，提高了网络数据同步的精准度；自适应调节主动延时时间，缓解网络延时抖动的影响，增加了数据同步的稳定性；动态查找时间线对齐的客户端数据帧，并且应用插值算法得到平滑的采样结果，避免客户端的数据发生跳动。该方法特别适用于在网络延时和抖动明显的情况下数据的实时同步，且对网络丢包的容忍度较高。
-
公开(公告)号：CN114119850B
公开(公告)日：2022-06-03
申请号：CN202210090998.3
申请日：2022-01-26
Applicant: 之江实验室
IPC: G06T15/40
Abstract: 本发明涉及激光雷达点云仿真领域，尤其涉及一种虚实激光雷达点云的融合方法和装置，该方法首先获取真实场景中的激光雷达点云数据，然后构建虚拟场景，使用仿真激光雷达生成虚拟激光雷达点云数据，栅格化真实激光雷达点云数据，最后将栅格化的真实点云数据和虚拟点云数据通过深度缓存器算法写入到融合结果缓存中，将真实激光雷达点云数据和虚拟激光雷达点云数据精确融合，发挥了仿真模拟的高度动态性和灵活性，丰富了点云数据集，解决了感知算法等下游机器学习算法数据集不足的问题。
-
Patent Agency Ranking
公开(公告)号：CN114218929B
公开(公告)日：2022-05-17
申请号：CN202210159700.X
申请日：2022-02-22
Applicant: 之江实验室
IPC: G06F40/253 , G06F40/284 , G06K9/62
Abstract: 一种基于元算子融合的多平台算子智能化开发系统及方法，包括：初始化器、元算子库预处理器、算子模板生成器、融合规则迭代器、算子融合器、调度策略优化器；初始化器：用于获取系统中内置的融合规则库和对应的元算子接口声明，然后将元算子接口声明转发到元算子库预处理器，将融合规则库转发到融合规则迭代器；由于算子融合器能够根据融合规则和对应的目标平台元算子，来生成目标平台的算子代码，和融合规则平台无关且易于描述，元算子的逻辑比较简单而且可以复用于多个算子。因此，本发明降低了算子开发的工程量和开发难度，且用户需要开发的算子越多，需要适配的平台越多，本发明的效果越明显。
-
公开(公告)号：CN114494248A
公开(公告)日：2022-05-13
申请号：CN202210337234.X
申请日：2022-04-01
Applicant: 之江实验室
Abstract: 本发明公开了一种基于点云和不同视角下的图像的三维目标检测系统及方法。首先处理原始点云数据，输出候选目标的三维包围盒以及点云特征张量；然后根据不同视角下多帧相机采集到的图像数据、每张图像的采集时间戳、点云采集设备和不同相机之间的标定参数、候选目标的三维包围盒，得到候选目标的图像特征张量；再将候选目标的点云特征张量和图像特征张量进行特征融合，得到融合后的特征张量；最后结合候选目标的融合后的特征张量和三维包围盒，得到目标的三维检测信息。本发明解决了多传感器融合产生的时间配准以及点云运动补偿等产生误差的问题，提高了三维目标检测的精度。
-
公开(公告)号：CN114322994A
公开(公告)日：2022-04-12
申请号：CN202210228899.7
申请日：2022-03-10
Applicant: 之江实验室
Abstract: 本发明公开了一种基于离线全局优化的多点云地图融合方法和装置，该方法包括：步骤1，适配基于GPS信息初始化的激光SLAM方法；步骤2，将需要用于点云融合的多个数据集，按照上述S1所述的在线激光SLAM方法依次获得多个点云地图；步骤3，离线加载各点云地图信息，并依次构建各点云地图的里程计因子，回环因子和GPS因子；步骤4，构建不同点云地图之间的互约束因子；步骤5，设定优化参数，进行全局优化，保存最终融合点云和所有关键帧信息。本发明方法相较于在线多点云地图融合的方法，提高了多点云地图融合的稳定性和可靠性，降低了算法实施的难度，无需顾及建图性能和运行实时性之间的平衡关系。
-
公开(公告)号：CN113918507B
公开(公告)日：2022-04-08
申请号：CN202111497148.7
申请日：2021-12-09
Applicant: 之江实验室
Abstract: 本发明的一种深度学习框架适配AI加速芯片的方法和装置，具体分为三个阶段：芯片类型定义、芯片类型注册、芯片内存支持，所述芯片类型定义就是把需要支持的芯片的类型以一个枚举值的形式定义到proto文件中去，从而使得框架内部可以正确识别该芯片类型；芯片类型注册是把该芯片所需的基础设施注册到哈希表中去，便于框架在需要的时候可以根据芯片类型方便地找到相应的内容；芯片内存支持是把该芯片内存相关的操作放到框架中去，使得框架可以对芯片的存储空间进行统一管理。本发明简化了深度学习框架适配AI加速芯片的工作。
-
公开(公告)号：CN113824802B
公开(公告)日：2022-04-01
申请号：CN202111398769.X
申请日：2021-11-24
Applicant: 之江实验室
Abstract: 本发明公开了一种去中心化分布式训练拓扑结构，包括：所述拓扑结构为n维超方形拓扑结构，是封闭的、紧致的、凸的无向图，所述拓扑结构由有限非空节点集合和有限边集合组成，所述拓扑结构的1维骨架是由一群在其所在空间对准每个维度整齐排列的等长的线段组成的，其中相对的线段互相平行，而相交于一点的线段则互相正交，本发明聚焦于去中心化分布式性能训练，将训练任务“均匀化”，将训练任务负荷均匀地分配到分布式训练系统中各个训练节点上，系统性能不再取决于单一训练节点性能，具有迭代耗时短，数据本地化，通信有效性高的优点。
-
-
-
-
-
-
-
-
-
Search Results
197
records
(took 0.038 seconds)
