-
公开(公告)号：CN114494335B
公开(公告)日：2024-07-26
申请号：CN202210102817.4
申请日：2022-01-27
Applicant: 西安交通大学 , 宁波市舜安人工智能研究院
Abstract: 本发明公开了一种基于时空上下文的视频全景分割方法，包括以下步骤：将待全景分割的视频处理为连续的图像序列；获取图像序列间的光流；获取图像序列中每幅图像的图像全景分割结果；基于光流所蕴含的视频时间上下文信息和图像序列所蕴含的空间上下文信息，对图像序列中每幅图像的图像全景分割结果进行分割边缘精细化优化，获得优化后的图像全景分割结果；基于光流所蕴含的视频时间上下文信息和优化后的图像全景分割结果，将图像序列中出现的每个物体进行一致性关联，获得视频全景分割结果。本发明的视频全景分割方法，可获得更准确的视频全景分割结果。
-
公开(公告)号：CN117227708A
公开(公告)日：2023-12-15
申请号：CN202311187147.1
申请日：2023-09-14
Applicant: 西安交通大学
Abstract: 本发明提出了一种非结构场景的强化学习泊车路径规划方法及系统，通过变分自动编码器将非结构化障碍物地图编码成潜在特征向量，获取障碍物地图中隐藏的特征，然后将车辆自身状态信息和泊车位信息用向量表示，将三者连接构成状态向量，以混合A*算法作为专家搜索出初始泊车路径，将状态向量和路径信息输入模仿学习网络，使自动驾驶车辆学会规划处一条基本的泊车路径；再利用强化学习优化模仿学习规划策略，使其不仅优化基本的路径，还能适应模仿学习中没有的泊车场景；使强化学习从对图像的处理转换为对潜在向量的处理，减少模型训练时间，使策略更容易推广；在已经泊车策略的情况下继续与环境交互，解决模仿学习数据集不足和学习效率低下的问题。
-
公开(公告)号：CN117192986A
公开(公告)日：2023-12-08
申请号：CN202311165662.X
申请日：2023-09-11
Applicant: 西安交通大学 , 宁波市舜安人工智能研究院
IPC: G05B13/04
Abstract: 本发明公开了一种基于自适应课程残差分层强化学习轨迹规划方法及系统，所述方法利用模糊逻辑集成自动驾驶车辆的空间位置和动态特性；将基于规则的方法与深度强化学习相结合形成CR‑HRL决策框架，利用模糊逻辑将自动驾驶车辆的空间位置和动态特性作为输入CR‑HRL决策框架，根据训练过程自适应地调整基于规则和深度强化学习的输出比例，输出高层行为决策结果和目标速度；根据高层行为决策结果和目标速度生成安全舒适的规划轨迹；本发明使用基于规则的安全规划模型作为CR‑HRL的软指导，利用深度强化学习算法生成残差策略作为补充，得到安全和高效平衡的策略，在模拟器SUMO和ROS中的RL分别进行训练和测试，验证了方法的有效性，将模型成功地应用于实际，验证了模型的泛化能力。
-
公开(公告)号：CN113569755B
公开(公告)日：2023-08-22
申请号：CN202110866978.6
申请日：2021-07-29
Applicant: 西安交通大学 , 宁波市舜安人工智能研究院
IPC: G06V40/20 , G06V20/40 , G06V10/774 , G06V10/764
Abstract: 本发明公开了一种基于对偶关系网络的时序动作定位方法、系统、设备及介质，所述方法包括以下步骤：将待时序动作定位的原始视频序列分解为若干个视频片段并编码，获得编码后的视频特征序列；基于编码后的视频特征序列，获得候选的动作提案集合；利用预训练好的对偶关系网络对所述候选的动作提案集合中的每个提案进行信息更新，获得提案信息更新后的动作提案集合；基于所述提案信息更新后的动作提案集合，获得时序动作定位结果。本发明中，首次提出建模并推理动作提案之间的关系以及动作提案与全局上下文之间的关系，以丰富和补充动作提案表征，进而准确地分类动作和精确地检测动作边界。
-
公开(公告)号：CN116469163A
公开(公告)日：2023-07-21
申请号：CN202310324640.7
申请日：2023-03-29
Applicant: 西安交通大学 , 宁波市舜安人工智能研究院
IPC: G06V40/20 , G06V20/40 , G06V10/764 , G06V10/82 , G06N3/09 , G06V10/774
Abstract: 本发明公开了一种全监督时序动作定位方法、系统、设备及介质，属于计算机视觉与模式识别技术领域；所述全监督时序动作定位方法包括以下步骤：获取待时序动作定位的编码后视频特征序列，并利用骨干网络提取获得编码后视频特征序列的特征；基于获得的编码后视频特征序列的特征，利用训练好的时序动作定位模型进行预测，获得分类结果和定位结果。本发明公开的全监督时序动作定位方法，具体是一种基于联合优化的全监督时序动作定位方法，其利用基于联合优化的方法提出了IoU感知的目标函数以及对齐权重分配策略来对分类头和定位头进行对齐，能够有效地提升全监督时序动作定位检测器的性能。
-
Patent Agency Ranking
公开(公告)号：CN116434112A
公开(公告)日：2023-07-14
申请号：CN202310322967.0
申请日：2023-03-29
Applicant: 西安交通大学 , 宁波市舜安人工智能研究院
IPC: G06V20/40 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0895
Abstract: 本发明公开了一种弱监督视频异常检测方法、系统、设备及介质，所述弱监督视频异常检测方法包括以下步骤：获取待检测的视频帧特征序列；基于获取的所述待检测的视频帧特征序列，利用预先训练好的异常检测模型进行视频异常检测，获得视频异常检测结果。本发明提供的技术方案中，利用基于异常占比的多实例学习损失函数和异常占比引导下的多阶段自训练框架，能够对视频中存在的异常(包括简单异常帧和难异常帧)进行准确检测。
-
公开(公告)号：CN113284163B
公开(公告)日：2023-04-07
申请号：CN202110516998.0
申请日：2021-05-12
Applicant: 西安交通大学
IPC: G06T7/194 , G06V10/44 , G06V10/82 , G06V10/25 , G06V10/764 , G06N3/0464 , G06N3/08 , G01S17/931 , G01S17/66
Abstract: 本发明公开一种基于车载激光雷达点云的三维目标自适应检测方法及系统，将激光雷达点云栅格化后提取不同尺度的三维特征图和鸟瞰视角下的二维特征图；对激光雷达点云进行最远点采样得到稀疏采样点，分别将原始点云特征、不同尺度的三维特征图、鸟瞰视角下的二维特征图整合至稀疏采样点，丰富采样点特征表达；以采样点特征为输入，通过偏移预测和目标自适应的邻域划分方法生成与目标更加匹配的候选参考点及其对应特征；通过采样点特征和候选参考点特征分别得到目标候选框的分类和回归预测结果；最后进行目标候选框参数精细化；本发明能够在检测精度上超越所有现有基于稀疏候选框的方法和大多数基于稠密候选框的方法。
-
公开(公告)号：CN112904858B
公开(公告)日：2022-04-22
申请号：CN202110076203.9
申请日：2021-01-20
Applicant: 西安交通大学
IPC: G05D1/02
Abstract: 本发明公开一种曲率连续的路径规划方法、系统及设备，方法包括以下步骤：获取原始路点，生成曲率变化率连续的自然参数曲线，定义局部规划使用的坐标架；获取机器人在笛卡尔坐标系的位姿，基于所述位姿得到机器人在所述坐标架中的对应点；进一步解算出机器人在以所述坐标架为横轴的曲线坐标系下的位姿；在曲线坐标系下采样多个目标点，利用所述多个目标点和作为边界条件解算出多条路径的参数曲线，再将每一条路径从曲线坐标系转换回笛卡尔坐标系；采用损失函数对每一条路径进行评价，损失最小的路径作为当前最优路径，在曲线坐标系中进行规划仍然可以保证规划路径的曲率连续性，可以在顺应全局导航路径趋势的同时，实现局部避障。
-
公开(公告)号：CN112526988B
公开(公告)日：2022-04-22
申请号：CN202011192592.3
申请日：2020-10-30
Applicant: 西安交通大学
Abstract: 本发明公开了一种自主移动机器人及其路径导航和路径规划方法、系统，方法包括全局规划过程和局部规划过程；具体如下：获取定位信息和感知信息；根据所述定位信息和感知信息生成代价地图，所述代价地图用于A星路径搜索，得到初始导航路径；对所述初始导航路径进行优化，对优化后路径的顶点进行采样，取出其中的关键点进行插值，得到全局导航路径；根据定位信息和所述全局导航路径生成待选路径组；根据实时感知信息对每一条待选路径进行评价，得到最优路径，并输出；能够在大范围内快速搜索出接近最优的导航路径，得到一系列描述全局导航路径的点，对全局导航路径的点进行调整和选择，得到能够满足曲率连续和无碰撞的需求全局导航路径。
-
公开(公告)号：CN113705000A
公开(公告)日：2021-11-26
申请号：CN202110997109.7
申请日：2021-08-27
Applicant: 西安交通大学 , 宁波市舜安人工智能研究院
Abstract: 本发明公开一种基于仿真场景的自动驾驶教育小车测试方法及系统，方法具体为：基于高精度语义地图搭建仿真场景，在所述仿真场景中配置仿真教育小车和动态障碍物；搭建硬件设备，硬件设备包括可视化设备以及真实教育小车，真实教育小车能够在所述可视化设备行使；硬件设备与仿真场景信息交互，真实教育小车和仿真教育小车同步行驶，该方法向自动驾驶算法提供仿真中绝对精确的位置、障碍物以及传感器信息，避免了场外干扰带来的实验困难问题；其次，用户可以自己设计测试场景(路网、交通流、红绿灯等)，教学内容更为丰富、灵活，降低平台搭建的成本；最后，该方法中真实的教育小车仅在小范围运动，大大提高了实践教学的安全性。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.022 seconds)
