-
公开(公告)号：CN114170516A
公开(公告)日：2022-03-11
申请号：CN202111500605.3
申请日：2021-12-09
Applicant: 清华大学
IPC: G06V20/10 , G06V20/54 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/26 , G06V10/42 , G06V10/44 , G06V10/74 , G06V10/82
Abstract: 本申请提供了一种基于路侧感知的车辆重识别方法、装置及电子设备，具体涉及车辆重识别技术领域，具体为：获取待识别车辆的图像及多张待匹配的图像；通过预先训练好的主干网络对待识别车辆的图像及多张待匹配的图像分别进行处理，得到待识别车辆的图像的特征图以及多张待匹配的图像的特征图；所述主干网络用于提取图像的特征图，该特征图包括加入采集图像的摄像头的拍摄角度信息的全局特征，以及反映图像细节的局部特征；计算待识别车辆的图像的特征图与各张待匹配的图像的特征图的相似度，获取大于阈值的相似度对应的待匹配的图像作为重识别的图像。本申请能够提高车辆重识别的准确度。
-
公开(公告)号：CN113947141A
公开(公告)日：2022-01-18
申请号：CN202111197599.9
申请日：2021-10-14
Applicant: 清华大学
Abstract: 本申请提供了一种城市路口场景的路侧灯塔感知系统，涉及自动驾驶技术领域，包括：多个路侧灯塔以及一个路边云平台，每个路侧灯塔上布设一套路侧灯塔感知装置；所述路侧灯塔感知装置，用于对多个传感器同步采集的路口目标场景的数据进行融合处理，得到目标场景感知结果，然后将原始点云以及目标场景感知结果发送至路边云平台；所述路边云平台，用于基于各路侧灯塔的点云配准获得各路侧灯塔之间的空间转换矩阵，对各路侧灯塔的原始点云以及目标场景感知结果分别进行拼接，由此得到路口点云以及路口全要素感知结果。本申请的系统具有硬件成本低以及易扩展的优点，并可以提供高质量多角度的路口目标场景数据。
-
公开(公告)号：CN113065590A
公开(公告)日：2021-07-02
申请号：CN202110326528.8
申请日：2021-03-26
Applicant: 清华大学
IPC: G06K9/62 , G06K9/00 , G06T7/80 , G06T7/38 , G06T7/11 , G06T5/50 , G06T5/00 , G06N3/08 , G06N3/04 , G01S17/89
Abstract: 本发明公开了一种基于注意力机制的视觉与激光雷达多模态数据融合方法，所述方法包括：同时采集自动驾驶车辆的激光雷达点云数据以及相机RGB图像；对激光雷达点云数据以及相机RGB图像进行预处理；通过球坐标变换将点云数据转换成距离图像；将距离图像和RGB图像输入预先建立和训练好的距离图像融合模型，输出最终的融合特征图；所述距离图像融合模型采用自注意机制对距离图像和RGB图像进行融合；将最终的融合特征图与带有坐标信息的距离图像连接到一起，通过空间坐标转换从二维图像还原到空间点云的表示形式。本发明的方法使用自注意机制有效地融合了多源信息，使两种数据优势互补，提高了3D目标检测算法的准确性。
-
公开(公告)号：CN111860425B
公开(公告)日：2021-04-09
申请号：CN202010752038.X
申请日：2020-07-30
Applicant: 清华大学
Abstract: 本发明公开了一种深度多模态跨层交叉融合方法、终端设备及存储介质，所述方法包括：获取包含车道线的RGB图像和点云数据，并进行预处理；将预处理后的RGB图像和点云数据输入预先构建和训练好的语义分割模型，输出图像分割结果；所述语义分割模型用于实现RGB图像和点云数据的跨层交叉融合。本发明的方法将当前模态的当前层的特征与另一模态的后续所有层特征进行融合，既能将相似的或者相近的特征进行融合，也能将不相似的或者不相近的特征进行融合，对特征进行充分全面的融合；所有融合连接通过一个可学习的参数进行控制，使得融合更加灵活和智能，不用预设和固定融合方式；能够提高图像分割的准确度。
-
公开(公告)号：CN111553859A
公开(公告)日：2020-08-18
申请号：CN202010355681.9
申请日：2020-04-29
Applicant: 清华大学
IPC: G06T5/00
Abstract: 本发明公开了一种激光雷达点云反射强度补全方法及系统，所述方法包括：利用标定后的车载摄像头和激光雷达，获取同一路面的灰度图像和原始点云；使用预设的边缘提取策略提取灰度图像的边缘信息，得到该灰度图像的边缘图像；对原始点云进行预处理，得到原始点云反射强度投影图像和插值补全点云反射强度投影图像；将灰度图像、灰度图像的边缘图像、原始点云反射强度投影图像和插值补全点云反射强度投影图像，输入预先训练好的点云反射强度补全模型，输出补全点云反射强度投影图像。本发明提供的点云反射强度补全方法可以充分利用点云和图像之间的潜在关联，从而有效、准确地补全出激光雷达点云的反射强度图像。
-
Patent Agency Ranking
公开(公告)号：CN108045548B
公开(公告)日：2020-07-14
申请号：CN201711286667.2
申请日：2017-12-07
Applicant: 清华大学
IPC: B64C1/00
Abstract: 一种基于二自由度空间可展机构的飞行器变形头锥装置，包括头锥外壳，头锥外壳一共分成三级以上，第一级头锥外壳为直径最大的圆柱状，中间级头锥外壳直径递减，且均为圆台状，最末级头锥外壳最外端有球冠特征，头锥外壳之间通过伸长弯曲杆系机构和辅助球副机构连接；伸长弯曲杆系机构由两组关于头锥外壳水平中分面对称安装的伸长弯曲杆系组成，每一组伸长弯曲杆系包括四组平行四边形传动杆系，四组平行四边形传动杆系的输入和上一级的驱动杆连接，最后一级四组平行四边形传动杆系的输出和尾杆连接；辅助球副机构共两组，关于头锥外壳垂直中分面对称分布安装，本发明能够实现整体的自由伸缩和弯曲，具备变形量大、驱动简单等优点。
-
公开(公告)号：CN107902069B
公开(公告)日：2020-07-14
申请号：CN201711064473.8
申请日：2017-11-02
Applicant: 清华大学
IPC: B64C1/00
Abstract: 本发明提供一种单一驱动多级联动的仿生变体飞行器头锥，头锥由五级头锥壳体、整体传动装置、级间变形装置、级间连接装置构成。五级头锥壳体尺寸随级数增大而递减；整体传动装置由步进电机、五级螺杆以及级间的万向节组成；级间变形装置主要由螺杆螺母、L形滑槽与上滑块、直形滑槽与下滑块组成，螺杆转动带动螺母移动，再通过连杆带动上滑块在L形滑槽中移动实现伸缩和弯曲；级间连接装置，下一级头锥壳体外侧的滚子在上一级头锥壳体内侧的滑槽中移动，以实现相邻头锥的连接。本装置中头锥的位姿可以在驱动源的作用下被唯一确定，可方便地实现头锥的弯曲与伸缩运动，在变体飞行器设计与航空航天领域有着重要意义。
-
公开(公告)号：CN107539460B
公开(公告)日：2020-06-19
申请号：CN201710766420.4
申请日：2017-08-30
Applicant: 清华大学
IPC: B64C7/00
Abstract: 本发明公开了一种仿蜜蜂腹部的飞行器变形头锥装置，所述仿蜜蜂腹部的飞行器变形头锥装置包括：多级头锥外壳，所述多级头锥外壳由后向前依次排布，所述多级头锥外壳的外径由后向前逐渐减小；变形转换装置，所述变形转换装置设在相邻两个所述头锥外壳之间以驱动相邻两个所述头锥外壳可伸缩和可弯曲；连接机构，所述连接机构设在相邻两个所述头锥外壳之间以在相邻两个所述头锥外壳伸缩和弯曲时随动。根据本发明实施例的仿蜜蜂腹部的飞行器变形头锥装置，可以实现在水平面内头锥装置沿轴向的伸缩和在竖直面内的弯曲运动，具有变形量较大、驱动结构简单、控制方便、锁定便利、外形平滑等优点。
-
公开(公告)号：CN115035296B
公开(公告)日：2024-07-12
申请号：CN202210680819.1
申请日：2022-06-15
Applicant: 清华大学
IPC: G06V10/26 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于鸟瞰投影的飞行汽车3D语义分割方法及系统，该方法包括：步骤1)对飞行汽车采集的不定尺寸大规模3D点云数据进行给定尺寸裁剪；步骤2)通过设定比例因子、窗格尺寸和步距，经缩小、滑窗法和正则化处理得到若干个窗格，每个窗格包括若干个网格，分别对每个网格的点云数据进行投影，得到每个窗格的RGB图像和Alt深度投影图；步骤3)将每个窗格的RGB图像和Alt深度投影图输入预先建立和训练好的2D图像语义分割模型，得到2D语义分割结果；步骤4)将2D语义分割结果，映射到3D点云数据上，得到3D语义分割结果；2D图像语义分割模型基于自注意力机制的多模型融合方法实现。
-
公开(公告)号：CN117315595A
公开(公告)日：2023-12-29
申请号：CN202210686027.5
申请日：2022-06-16
Abstract: 本申请公开了一种基于门控图神经网络的对象重识别方法及电子设备，该方法包括：对多个样本图像进行特征提取，以获取样本图像的特征信息；基于多个所述样本图像构建知识图；将知识图导入门控图神经网络，并将样本图像的特征信息输入门控图神经网络进行迭代训练；将待识别图像的特征信息输入训练完成的门控图神经网络，通过门控图神经网络基于知识图和权重，确定待识别图像中待识别对象与知识图中各节点所表示的类型之间的第一相似度，以对待识别图像中的待识别对象进行重识别。该方法能够实现在相似类别之间转移类别的原型表示，能够加快迭代训练的进度，即使用于训练的样本数量较少，也能够使门控图神经网络形成较高的准确率。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.02 seconds)
