-
公开(公告)号：CN102961151A
公开(公告)日：2013-03-13
申请号：CN201210493194.4
申请日：2012-11-27
Applicant: 清华大学
IPC: A61B5/16
Abstract: 本发明提出一种心理测评系统，包括：至少一个移动终端客户端，移动终端客户端用于收集受试者的心理测评数据和向受试者展示心理测评结果；至少一个脑电波测试仪器，脑电波测试仪器用于监测受试者的脑电波数据并发送给移动终端客户端，测试脑电波测试仪器与移动终端客户端数量相同且通过无线方式一一对应；数据服务器，数据服务器从移动终端客户端获得心理测评数据和脑电波数据，经过统计分析处理得到心理测评结果并发送给移动终端客户端。本发明可以应用于刑侦、神经科学研究、心理治疗等，还能够应用于大范围人群的心理调查，它够有效地提高心理测评的准确性、有效性，提高信息处理效率。
-
公开(公告)号：CN120023807A
公开(公告)日：2025-05-23
申请号：CN202510065041.7
申请日：2025-01-15
Applicant: 清华大学
IPC: B25J9/16 , G06N3/006 , G06N3/0442 , G06N3/08 , G06Q10/04 , G06Q10/0631 , B25J11/00
Abstract: 本发明提供了一种多智能体协作的具身任务推理与机器人调度系统，包括交互单元，用于获取用户下达的自然语言指令，发送给智能处理单元并与其交互，接收任务的执行结果及机器人的具身状态信息，并在任务信息缺失时发出补充任务缺失信息请求；智能处理单元，用于根据用户指令、机器人反馈的具身状态和环境信息及存储的记忆对环境和任务状态进行动态感知，基于感知结果和对任务执行结果的反思结果进行动态规划和决策，实现任务推理和机器人调度；机器人集群，根据动作序列执行任务，并反馈自身的具身状态信息和环境信息。本发明通过基于大模型的多智能体协作框架，赋予机器人动态推理与主动交互能力，满足了动态环境下高效任务推理与协作执行的需求。
-
公开(公告)号：CN119087408A
公开(公告)日：2024-12-06
申请号：CN202410964621.5
申请日：2024-07-18
Applicant: 清华大学
Abstract: 本申请提供一种车端和路端激光雷达外参标定方法及装置，其中的方法包括：获取目标区域的车端激光雷达采集的第一点云数据和路端激光雷达采集的第二点云数据；利用目标检测模型对第一点云数据进行处理得到第一三维目标框集合；利用目标检测模型对第二点云数据进行处理得到第二三维目标框集合；基于第一三维目标框与第二三维目标框的相似度构建亲和力矩阵；基于亲和力矩阵从预设数量的第一三维目标框和预设数量的第二三维目标框中确定多个匹配的目标框对；基于多个匹配的目标框对确定车端和路端激光雷达的第一外参；在车端和路端激光雷达的第一外参限定的范围内，确定车端和路端激光雷达的第二外参。本申请提高了车端和路端激光雷达外参标定的精度。
-
公开(公告)号：CN118097134A
公开(公告)日：2024-05-28
申请号：CN202410080055.1
申请日：2024-01-19
Applicant: 清华大学
Abstract: 本申请提供一种用于路口交通监控的实例分割方法及装置，涉及交通监控技术领域，该方法包括：获取路口任一监控相机的当前RGB图像帧，以及所述监控相机的静态背景图像；所述静态背景图像为监控相机所在机位下不包含任何实例的纯背景RGB图像；利用预先训练完成的实例分割模型对当前RGB图像帧和静态背景图像进行处理，得到实例分割结果。本申请通过在实例分割模型中引入静态背景图像，有效地强化了当前帧的前景特征，缓解了现有实例分割模型在应用到新路口新机位时精度下降严重这一泛化性难题。
-
公开(公告)号：CN115908498B
公开(公告)日：2024-01-02
申请号：CN202211685567.8
申请日：2022-12-27
Applicant: 清华大学
IPC: G06T7/246
Abstract: 本申请提供了一种基于类别最优匹配的多目标跟踪方法及装置，涉及智能驾驶技术领域，所述方法包括：获取检测器输出的当前图像帧中的所有运动目标的检测框，对检测框进行分类；利用上一图像帧中所有运动目标的运动信息，得到上一图像帧中所有运动目标在当前图像帧中的预测框；根据预先设定的每个类别的代价函数，计算所属类别的检测框和所有预测框的关联值，由此构建每个类别的第一关联代价矩阵；每个类别的代价函数为：二维交并比、三维交并比、二维广义交并比、三维广义交并比或欧氏距离；基于每个类别的第一关联代价矩阵，使用匹配算法得到当前图像帧中匹配成功的检测框。本申请(56)对比文件任珈民;宫宁生;韩镇阳.基于YOLOv3与卡尔曼滤波的多目标跟踪算法.计算机应用与软件.2020,(第05期),全文.仇男豪;曹杰;马俊杰;龚永富.一种改进的无人机对地小目标检测方法.电子设计工程.2020,(第12期),全文.
-
Patent Agency Ranking
公开(公告)号：CN116977958A
公开(公告)日：2023-10-31
申请号：CN202310774082.4
申请日：2023-06-27
Applicant: 清华大学
IPC: G06V20/56 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本申请提供一种面向灯塔认知的路端视觉远距离目标检测方法，包括：获取路端感知主体采集的目标场景的RGB图像；利用预先训练完成的图像编码器对RGB图像进行处理，得到多尺度图像特征图；利用预先训练完成的高度特征提取网络对多尺度图像特征图进行处理，得到高度分布特征图；利用深度特征提取网络对多尺度图像特征图进行处理，得到深度分布特征图；对多尺度图像特征图、高度分布特征图和深度分布特征图进行处理，得到高度BEV特征图和深度BEV特征图；对高度BEV特征图和深度BEV特征图进行融合处理，得到融合BEV特征图；利用检测头对融合BEV特征图进行处理，得到3D目标检测结果。本申请提高了路端视觉远距离目标的检测精度和鲁棒性。
-
公开(公告)号：CN115273028B
公开(公告)日：2023-05-12
申请号：CN202210834516.0
申请日：2022-07-14
Applicant: 清华大学
IPC: G06V20/58 , G06V40/10 , G06V10/62 , G06V10/764 , G06V10/80 , G06T7/70 , G06T7/292 , G01C21/00 , G01S17/89 , G08G1/14 , G08G1/0968
Abstract: 本发明提出了一种基于全域感知的智慧停车场语义地图构建方法及系统，基于部署在停车场场端的激光雷达与相机实现，该方法包括：接收相机和激光雷达分别获取的停车场各个区域的RGB图像和点云数据；结合停车位的先验信息，根据RGB图像和点云数据进行停车位检测，得到停车位信息；采用基于相机与激光融合的三维目标检测算法，根据RGB图像和点云数据，得到车辆位置信息和行人位置信息；根据停车位信息和车辆位置信息构建栅格地图；根据停车位信息、车辆位置信息和行人位置信息，采用特征关联算法进行路径规划；根据栅格地图、停车位的先验信息以及停车位信息、车辆跟踪与路径规划信息，构成动态的停车场语义地图。
-
公开(公告)号：CN115328205B
公开(公告)日：2023-04-14
申请号：CN202211115814.0
申请日：2022-09-14
Applicant: 清华大学
IPC: G05D1/10
Abstract: 本发明公开了一种基于三维目标检测的飞行汽车起飞着陆决策规划方法，基于部署在飞行汽车上的摄像头和激光雷达实现，该方法包括：根据实时采集的图像和三维点云数据建立动态三维地图；当飞行汽车为飞行状态，根据动态三维地图，分别建立斥力场和引力场形成实时变化的合力场，驱动飞行汽车进行动态着陆，当满足安全距离，控制飞行汽车着陆，决策规划结束；否则，控制飞行汽车上升，重新建立引力场；当飞行汽车为行驶状态，根据动态三维地图，分别建立斥力场和引力场形成实时变化的合力场，驱动飞行汽车起飞，决策规划结束。
-
公开(公告)号：CN115879377A
公开(公告)日：2023-03-31
申请号：CN202211684467.3
申请日：2022-12-27
Applicant: 清华大学
IPC: G06F30/27 , G06F30/15 , G06T3/40 , G06V10/80 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本申请提供了一种智能飞行汽车模态切换的决策网络的训练方法，涉及深度学习技术领域，所述方法包括：基于A3C网络构建总决策网络；在一个训练周期内，执行下述步骤，直至达到预设的训练周期数量：采用CoppeliaSim仿真器中随机搭建M个模拟环境；复制M个总决策网络作为M个子决策网络，为每个模拟环境分配一个子决策网络；在各模拟环境中对对应的子决策网络进行训练，直至到达训练周期结束条件，计算每个子决策网络的损失函数；当所有的模拟环境的当前训练周期均结束，计算M个子决策网络的损失函数的平均值，作为总决策网络的损失函数，利用损失函数对总决策网络的权重参数进行更新。本申请的训练方法提高了智能飞行汽车模态切换的决策网络的鲁棒性。
-
公开(公告)号：CN115861601A
公开(公告)日：2023-03-28
申请号：CN202211639960.3
申请日：2022-12-20
Applicant: 清华大学
Abstract: 本申请提供了一种多传感器融合感知方法及装置，涉及融合感知技术领域，该方法包括：利用Transformer编码器对点云数据的特征张量进行编码，得到三维体素特征图；将三维体素特征图进行鸟瞰视角映射得到二维特征图；利用候选区域生成网络对二维特征图进行处理，得到点云ROI区域，从点云ROI区域提取出点云ROI特征；对点云数据和RGB图像进行处理得到伪点云图像，从伪点云图像上提取出伪点云ROI特征；利用交叉注意力融合模型对点云ROI特征和伪点云ROI特征进行处理，得到融合后的ROI特征；利用感知模型对融合后的ROI特征进行处理，得到三维目标检测框、目标类别以及道路分割结果。本申请提高了目标检测和道路分割的精度。
-
-
-
-
-
-
-
-
-
Search Results
197
records
(took 0.037 seconds)
