-
公开(公告)号：CN115871658A
公开(公告)日：2023-03-31
申请号：CN202211561322.4
申请日：2022-12-07
Applicant: 之江实验室
IPC: B60W30/095 , B60W30/09
Abstract: 一种面向稠密人流的自动驾驶速度规划方法，包括：首先，将汽车与感知到的行人从笛卡尔坐标系转换到基于参考轨迹的Frenet坐标系；再根据车辆长宽、位置以及姿态等信息构造粗过滤区域，对感知到的行人进行粗过滤；然后，根据期望行驶的路线与行人的状态等信息对粗过滤后留下来的行人进行精过滤；最后，基于保守制动能力的速度决策方法得到自车关于每个通过精过滤的行人的最佳期望速度，并选择最小值作为自车当前最佳期望速度。本发明还包括一种面向稠密人流的自动驾驶速度规划方法。本发明能够使自动驾驶系统在人车混流的场景中产生安全且高效的驾驶行为，解决了自动驾驶汽车面对行人时频繁停车或卡死等问题。
-
公开(公告)号：CN115309170B
公开(公告)日：2023-03-24
申请号：CN202211243619.6
申请日：2022-10-12
Applicant: 之江实验室
IPC: G05D1/02
Abstract: 本发明公开一种考虑舒适性约束的轨迹规划方法、装置和系统，该方法包括：步骤一，根据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，采样得到离散原始参考点；步骤二，通过构造并计算车辆行驶路径规划的代价函数及约束，得到路径优化结果，根据路径优化结果，计算出路径规划对应的朝向角及曲率，得到平滑后的路径；步骤三，通过构造并计算车辆行驶速度规划的代价函数及约束，得到速度优化结果，根据速度优化结果，计算出速度规划对应的朝向角及曲率，得到平滑后的速度；步骤四，将平滑后的速度与路径融合得到带有速度信息的平滑轨迹。本发明能够对自动驾驶车辆的规划路径和速度进行约束优化，实现自动驾驶的乘坐舒适性体验。
-
公开(公告)号：CN115734028A
公开(公告)日：2023-03-03
申请号：CN202211265710.8
申请日：2022-10-17
Applicant: 之江实验室 , 浙江杭钢职业教育集团有限公司
IPC: H04N21/4402 , H04N21/44 , H04N21/4788 , H04N21/6437 , H04N21/439 , H04N21/2187
Abstract: 一种基于级联编码的媒体流推送方法，包括：主播端开启互动直播功能，信令服务器创建一个互动房间；主播端向加入互动房间的第一互动观众端发送主播端自身采集的媒体帧M0o编码后的媒体帧M0，第一互动观众端接收并解码后将自身媒体帧M1o与主播端媒体帧M0进行拼接，编码为新媒体帧M1；第一互动观众端向第二互动观众端发送媒体帧M1，第二互动观众端接收并解码后将自身媒体帧M2o与媒体帧M1再次拼接，编码为新媒体帧M2；第i互动观众端(i＝1,2,3,……,N)向主播端发送第i互动观众端拼接编码后的媒体帧Mi，主播端将Mi推送至推流服务器；推流服务器将Mi推送给所有互动用户端，并分发给所有场外观众端。本发明还包括一种基于级联编码的媒体流推送系统。
-
公开(公告)号：CN115496818A
公开(公告)日：2022-12-20
申请号：CN202211390992.4
申请日：2022-11-08
Applicant: 之江实验室
Abstract: 本发明公开一种基于动态物体分割的语义图压缩方法和装置，该方法首先将仿真场景分为静态背景和动态物体两部分，绘制仿真场景得到语义图；将语义图中的所有动态物体分割出来得到语义子图，并使用动态物体语义子图的临近像素填充静态背景语义图；最后使用编码算法分别编码所有动态物体语义子图和填充后的静态背景语义图。该方法将静态背景和动态物体分离，把一张语义图拆分成一张静态背景语义图和多张动态物体语义子图，减少了语义图中的像素突变，增加了数据分布的连续性，对语义图编码的压缩率有显著提升。
-
公开(公告)号：CN115439817A
公开(公告)日：2022-12-06
申请号：CN202211016393.6
申请日：2022-08-24
Applicant: 之江实验室
Abstract: 本发明公开了一种基于场景先验的视觉车道线检测系统及方法，包括：数据处理模块、视觉主干网络模块、先验知识对齐模块、融合网络模块、检测网络模块；所述数据处理模块的输入为待检测的图像数据、场景先验数据、定位数据，输出为归一化之后的图像、用栅格图维护的局部场景先验信息；所述视觉主干网络模块的输入为归一化之后的图像，输出为图像特征；所述先验知识对齐模块，输入为用栅格图维护的局部场景先验信息，输出为对齐后的局部场景先验信息；所述融合网络模块，输入为图像特征和对齐后的局部场景先验信息，输出为融合后的图像特征和局部场景先验信息；所述检测网络模块，输入为融合后的图像特征，输出为用掩码表示的车道线检测结果。
-
Patent Agency Ranking
公开(公告)号：CN114677442B
公开(公告)日：2022-10-28
申请号：CN202210583847.1
申请日：2022-05-26
Applicant: 之江实验室
Abstract: 本发明公开了一种基于序列预测的车道线检测系统、装置和方法，所述方法对待检测的图像数据进行归一化操作得到归一化后的图像，并查找相应的预测关键点序列；提取归一化后的图像的特征向量，对该特征向量进行降维得到降维特征，将该降维特征按高宽维度展开，得到图像序列特征；基于降维特征的维度计算图像位置编码，将图像序列特征和图像位置编码相加，再共同进行编码得到编码记忆；对预测关键点序列进行特征提取得到解码序列特征；对编码记忆、预测关键点序列的位置编码与解码序列特征进行解码，得到待预测关键点的隐状态向量；将待预测关键点的隐状态向量转化为关键点的坐标。本发明提高了车道线的密集关键点的预测准确率，并实现快速预测。
-
公开(公告)号：CN115204529A
公开(公告)日：2022-10-18
申请号：CN202211118482.1
申请日：2022-09-15
Applicant: 之江实验室
Abstract: 本发明涉及智能电网领域，提出了一种基于时间注意力机制的非侵入式负荷监测方法及装置，所述方法包括如下步骤：获取建筑某时段内的总负荷数据、设备负荷数据及对应采样时间；将总负荷数据、设备负荷数据分别与对应采样时间进行融合，得到增强的总负荷数据和设备负荷数据；利用滑动窗口法对增强的总负荷数据和设备负荷数据进行分割，构造深度学习训练数据集；构建神经网络模型，基于深度学习训练框架并利用得到的训练数据集对模型进行训练。本发明内容可有效提取负荷工作时间模式及其内在的依赖关系，从而提升负荷监测的准确性。
-
公开(公告)号：CN114895316A
公开(公告)日：2022-08-12
申请号：CN202210809070.6
申请日：2022-07-11
Applicant: 之江实验室
Abstract: 本发明公开一种多激光雷达测距的快速数值仿真方法和装置，该方法能够同时仿真多个激光雷达，并使用一张公共的数据表用来存储和读取测距仿真结果；首先多个激光雷达依次在场景中进行采样，将采样结果写入各自的独立数据表中；重采样所有独立数据表，统一映射到公共数据表空间，并编码写入采样点的距离值；最后回读整张公共数据表，解码读取其中的测距结果。该方法使用公共的GPU数据缓存，减少了数据在GPU和CPU之间传输的次数，降低了数据回读延时；重采样映射阶段利用了GPGPU通用计算，显著提高多激光雷达的仿真性能。
-
公开(公告)号：CN114119426B
公开(公告)日：2022-07-01
申请号：CN202210090686.2
申请日：2022-01-26
IPC: G06T5/00
Abstract: 本发明公开了非局部低秩转换域与全连接张量分解图像重构方法及装置，包括：S1，输入待修复图像；S2，构建张量分解模型，包括：S2.1，分割输入图像，得到非局部张量块；S2.2，将非局部张量块引入B样条转换域，得到非局部张量块的转换域形式；S2.3，通过非局部张量块，构造非局部相似张量块组；S2.4，联合全连接张量分解，构造全连接张量分解因子；S2.5，构建低秩张量补全模型，并根据S2.1‑2.4进行优化，得到基于非局部低秩转换域与全连接张量分解模型；S3，构建图像修复模型，获取待修复图像，通过张量分解模型得到的修复图像张量块组，得到修复后的图像。使得在光谱图像修复中，图像重构更加精准。
-
公开(公告)号：CN114677442A
公开(公告)日：2022-06-28
申请号：CN202210583847.1
申请日：2022-05-26
Applicant: 之江实验室
Abstract: 本发明公开了一种基于序列预测的车道线检测系统、装置和方法，所述方法对待检测的图像数据进行归一化操作得到归一化后的图像，并查找相应的预测关键点序列；提取归一化后的图像的特征向量，对该特征向量进行降维得到降维特征，将该降维特征按高宽维度展开，得到图像序列特征；基于降维特征的维度计算图像位置编码，将图像序列特征和图像位置编码相加，再共同进行编码得到编码记忆；对预测关键点序列进行特征提取得到解码序列特征；对编码记忆、预测关键点序列的位置编码与解码序列特征进行解码，得到待预测关键点的隐状态向量；将待预测关键点的隐状态向量转化为关键点的坐标。本发明提高了车道线的密集关键点的预测准确率，并实现快速预测。
-
-
-
-
-
-
-
-
-
Search Results
197
records
(took 0.033 seconds)
