-
公开(公告)号：CN115761403A
公开(公告)日：2023-03-07
申请号：CN202211441887.9
申请日：2022-11-17
Applicant: 西安交通大学
IPC: G06V10/774 , G06V10/42 , G06V10/56
Abstract: 本发明公开了一种基于样本的选择性知识蒸馏方法及系统，首先训练分割SEG图像和RGB图像分别完成VPR任务的网络，再将SEG特征中包含的高质量知识迁移到RGB特征中，将分割图像中的不变性特征在RGB特征中进行强化的同时，不需要在测试时保留额外的分支网络，将分割图像通过加权独热编码输入到训练网络中，提取针对视觉位置识别任务的场景结构信息；通过基于样本的选择性知识蒸馏，根据重要性施加不同的蒸馏损失权重，通过知识蒸馏的方式将额外模态信息中的不变性特征在RGB特征中进行强化，定向地强化高质量的知识，更大程度地提升网络精度；最终网络在测试时只用到RGB图像进行全局检索，兼顾了系统的实时性、高精度和环境鲁棒性。
-
公开(公告)号：CN113688914B
公开(公告)日：2022-12-09
申请号：CN202110998691.9
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
IPC: G06V10/82 , G06N3/08 , G06F16/53 , G06F16/538
Abstract: 本发明公开了一种实用相对顺序对抗攻击方法，属于深度学习与计算机视觉领域。包括以深度排序模型作为目标模型，利用深度排序模型计算查询样本和被选中的候选样本集合之间的距离度量；当深度排序模型的参数获取成功时，使用白盒威胁模型进行相对顺序对抗攻击，得到对抗样本；将所得对抗样本输入到深度排序模型中，输出排序结果；所得的排序结果中，候选样本集合之间的相对顺序已经修改，实现所述实用相对顺序对抗攻击方法。其中，当深度排序模型的参数无法获取时，使用黑盒威胁模型进行相对顺序对抗攻击。本发明所述方法，解决了现有技术中忽视相对顺序对抗攻击可能性、对选中样本相对顺序不敏感、不适用于黑盒威胁模型等问题。
-
公开(公告)号：CN114625141A
公开(公告)日：2022-06-14
申请号：CN202210260195.8
申请日：2022-03-16
Applicant: 西安交通大学
IPC: G05D1/02
Abstract: 本发明公开一种基于时空概率道路树的轨迹生成与优化方法及系统，方法为：确定机器人的参考状态序列和未来每一帧的自由区域；在每一帧的自由区域进行点随机采样，如果当前帧的采样点与前一帧的采样点是否满足构建边的条件，则进行边的构建，并根据参考状态序列为当前帧的采样点附加损失值，直到最后一帧的采样点全部判断完毕，构建出时空概率道路树以及时空概率道路树中采样点的损失值；基于时空概率道路树中采样点的损失值搜索出一条损失最小的通路，即初始轨迹；确定初始轨迹上的每一帧状态所处的边界限制，根据参考状态序列以及目标函数对初始轨迹进行优化；直到满足机器人运动学约束和障碍物约束条件或达到迭代上限得到优化后的轨迹。
-
公开(公告)号：CN114429609A
公开(公告)日：2022-05-03
申请号：CN202210102806.6
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
IPC: G06V20/40 , G06V40/20 , G06V10/74 , G06V10/764 , G06V10/766 , G06V10/80 , G06K9/62
Abstract: 本发明公开了一种基于动作与其共现特征重组的时序动作定位方法及系统，所述方法包括以下步骤：获取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；基于所述编码后的视频特征序列，通过预训练好的特征重组网络对原始视频特征序列进行特征重组，获得特征重组后的视频特征序列；其中，所述特征重组网络包括串接的特征解耦子网络和特征重构子网络，用于解纠缠动作特征向量并规则化共现特征向量；基于所述特征重组后的视频特征序列，获得时序动作定位结果。本发明中，首次提出对视频特征重构，以获得包含显著动作信息的新的视频特征，能够准确地分类动作和精确地检测动作边界。
-
公开(公告)号：CN114355888A
公开(公告)日：2022-04-15
申请号：CN202111488933.6
申请日：2021-12-07
Applicant: 西安交通大学 , 宁波市舜安人工智能研究院
IPC: G05D1/02
Abstract: 本发明公开了一种基于直骨架的室内多级拓扑地图的自动生成方法及系统，基于栅格地图提取墙壁多边形和障碍物多变形并进行边界平滑；对墙壁多边形通过直骨架生成方法生成一级骨架道路，接着对一级骨架道路进行搜索，将骨架走向不可控的房间结构划分为区域；联合区域和区域内部的障碍物多边形生成区域内部的二级骨架道路；对生成的骨架道路进行剪枝与平滑，生成分层拓扑地图，对于不能进行原地转向动作的室内机器人，使用基于螺线对的转角平滑方法，保证了路径曲率的连续性，确保生成的地图可以运用到多种不同类型的室内机器人上；生成了平滑的室内中轴参考轨迹，解决了基于维诺图的传统室内地图自动生成方法的骨架抖动和毛刺的问题。
-
Patent Agency Ranking
公开(公告)号：CN113984080A
公开(公告)日：2022-01-28
申请号：CN202111250885.7
申请日：2021-10-26
Applicant: 西安交通大学
IPC: G01C21/34
Abstract: 本发明公开一种适用于大型复杂场景下的分层局部路径规划方法，获取车辆当前位置为中心的局部栅格地图，在所述局部栅格地图中标记障碍物；生成全局引导路径并提取关键点；在混合A*方法的基础上，通过引入分层的搜索过程、预先的引导路径和局部终点生成、改进启发式函数扩展策略和基于朝向一致性的限制策略；通过在粗尺度下进行引导路径搜索，细尺度下的启发式函数准确度有效提升，从而减少了搜索耗时；在具体的搜索方法中，通过引入双优先队列，避免重复扩展的问题；同时，的朝向限制也避免了异常路径的生成；通过引入扩展的搜索空间和螺线的搜索基元，规划得到的路径具有曲率平滑的特性，更加有利于车辆跟随。
-
公开(公告)号：CN113847924A
公开(公告)日：2021-12-28
申请号：CN202111040532.4
申请日：2021-09-06
Applicant: 西安交通大学
IPC: G01C21/34
Abstract: 本发明公开一种基于参数曲线优化的导航路径规划方法、系统，具体过程如下：根据定位、激光雷达、以及地图信息生成规划配置；根据规划配置，使用Lazy Theta星算法进行初始路径搜索，得到初始路径；对初始路径进行几何分析得到一部分关键点，对所述关键点进行扩增，得到剩下的关键点；对所有关键点进行三次样条插值，得到的参数曲线；定义优化目标函数，将所述参数曲线作为目标函数输入，关键点作为决策变量，输出为参数曲线碰撞风险和平滑性的测量值；通过数值优化的方法对目标函数进行数值优化，得到导航路径；对路径的碰撞风险和平滑性进行优化，从而得到最终路径，在优化过程中，结合数值优化与几何优化，以提升优化效果。
-
公开(公告)号：CN112133089B
公开(公告)日：2021-11-19
申请号：CN202010936140.5
申请日：2020-09-08
Applicant: 西安交通大学
IPC: G08G1/01
Abstract: 本发明提供了一种基于周围环境与行为意图的车辆轨迹预测方法、系统及装置，包括：基于传感器信息以及道路信息，生成在历史时间段内车辆相对于车道的位置、速度信息；根据生成的信息对车辆的行为意图构建隐马尔可夫模型，将车辆对于环境的理解总结为规则作为模型的先验概率，预测当前时刻车辆的行为意图；根据预测的车辆行为意图，结合车辆环境信息，基于行为决策模型设置车辆预测终点状态集，根据车辆起点状态以及终点状态对车辆轨迹采样，并根据代价函数筛选得到第一采样轨迹；使用状态滤波，对车辆初始状态递推采样，得到第二采样轨迹；使用融合权重函数合并第一采样轨迹和第二采样轨迹，得到预测轨迹，采用本发明中的方法，能够预测周围车辆未来的轨迹，为无人驾驶车辆提供危险预警和路径规划参考。
-
公开(公告)号：CN112099493B
公开(公告)日：2021-11-19
申请号：CN202010898857.5
申请日：2020-08-31
Applicant: 西安交通大学
IPC: G05D1/02
Abstract: 本发明公开一种自主移动机器人轨迹规划方法、系统及设备，方法包括以下步骤：获取路径规划信号，生成待选路径组，采用状态栅格采样法和五次样条插值算法生成待选路径组，同时生成每条待选路径对应的拓展路径；基于所述待选路径组，选择最优路径；基于非障碍物影响损失和障碍物影响损失衡量得到最优路径，其中损失最小的路径为最优路径；生成最优路径对应的速度曲线，得到移动轨迹；根据移动轨迹、机器人的运动状态以及障碍物对轨迹的影响判断当前轨迹是否适合机器人继续跟随，沿着移动轨迹前行或重新规划路径；有效提升自主移动机器人的灵活性，降低碰撞风险；基于滑动窗关键点提取的速度曲线生成方法可以生成平滑的速度曲线。
-
公开(公告)号：CN113009506A
公开(公告)日：2021-06-22
申请号：CN202110197688.7
申请日：2021-02-22
Applicant: 西安交通大学
IPC: G01S17/89 , G01M17/007 , G06F30/20
Abstract: 本发明公开了一种虚实结合的实时激光雷达数据生成方法、系统及设备，方法包括以下步骤：基于高精度的OSM语义地图渲染仿真场景并生成与真实场景一致的SUMO路网；基于所述SUMO路网生成复杂交通流场景；将自主车辆状态信息同步至SUMO路网中，搭建交通流测试场景；根据自主车辆定位信息获取其周围场景点云以及交通流车辆信息，实时生成虚实结合的激光雷达数据；实现实时的融合虚拟交通流与真实道路场景的激光雷达数据，激光雷达数据中的场景信息来自真实的大规模点云地图，车辆点云由相当真实的车辆的三维模型生成，生成的激光雷达数据作为感知结果用于自动驾驶车辆测试既保证了场景的测试性有可以提供复杂的交通流测试场景。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.024 seconds)
