-
公开(公告)号：CN114429490B
公开(公告)日：2025-05-13
申请号：CN202210102800.9
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: G06T7/246 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于互补注意力的行人轨迹预测方法及系统，所述方法包括以下步骤：获取待轨迹预测的行人观测轨迹序列；将所述行人观测轨迹序列输入预训练好的行人轨迹预测模型，输出轨迹预测结果；其中，所述行人轨迹预测模型包括：空间交互神经网络，用于输入所述行人观测轨迹序列，输出空间轨迹特征；时序运动趋势神经网络，用于输入所述空间轨迹特征，输出时空轨迹特征；第一多层感知机网络，用于输入所述时空轨迹特征，输出作为轨迹预测结果的终点分布。本发明提供的行人轨迹预测方法或系统，在面临行人运动的特殊情况时，可获得较准确的预测结果。
-
公开(公告)号：CN114625141B
公开(公告)日：2025-03-21
申请号：CN202210260195.8
申请日：2022-03-16
Applicant: 西安交通大学
IPC: G05D1/43
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：CN118865357A
公开(公告)日：2024-10-29
申请号：CN202410999754.6
申请日：2024-07-24
Applicant: 西安交通大学
IPC: G06V20/64 , G06N5/04 , G06V10/82 , G06T7/60 , G06V10/40 , G06N3/0464 , G06V10/764 , G06T7/80 , G06V10/44 , G06N3/08 , G06T7/50
Abstract: 本发明公开一种基于地面约束的路侧相机三维目标检测方法及系统，所述方法利用路侧的相机固定位的优势，离线拟合地面方程，作为先验语义信息，在图像视角中进行二维目标检测，保证目标的召回率，再使用基于地面约束的视角转换模块，提高检测精度；具体的，将图像数据输入路侧单目三维目标检测模型中，利用二维骨干网络提取图像特征，使用二维目标检测器进行二维目标检测得到二维目标检测框；使用DepthNet网络进行深度估计，使用LSS方式将图像特征投影得到场景的BEV特征；使用离线获取的地面方程将二维目标框投影到BEV空间，作为三维目标检测的提议框裁剪所述场景的BEV特征，得到形状相同的RoI特征预测三维目标的信息，进行NMS处理得到最终的三维目标检测结果。
-
公开(公告)号：CN113847924B
公开(公告)日：2024-07-16
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：CN113569757B
公开(公告)日：2024-04-05
申请号：CN202110866992.6
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 , G06V10/764 , G06V10/774
Abstract: 本发明公开了一种时序动作定位方法、系统、终端设备及可读存储介质，所述方法包括以下步骤：获取待时序动作定位的原始视频的候选动作提案集合；获取所述候选动作提案集合中每个提案的提案特征；更新所述候选动作提案集合中每个提案的提案特征，获得更新后的动作提案集合；基于所述更新后的动作提案集合，通过预训练好的全连接层网络获得待时序动作定位的原始视频的时序动作定位结果。本发明提供了利用局部和全局上下文处理时序动作定位的方法；其中，全局上下文能提供对分类有用的信息，让模型更加精准的识别动作类别；在此基础上，局部上下文能提供细腻的时序定位信息，让模型更加精准的定位动作的起止时刻。
-
Patent Agency Ranking
公开(公告)号：CN113569758B
公开(公告)日：2024-04-02
申请号：CN202110866995.X
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 , G06V10/774 , G06V10/764
Abstract: 本发明公开了一种基于动作三元组引导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：基于动作开始位置集合、动作中心位置集合和动作结束位置集合，获得候选动作提案集合；其中，所述候选动作提案集合中每个提案生成的具体操作包括：从动作开始位置集合中选取动作开始位置，从动作中心位置集合中选取动作中心位置，从动作结束位置集合中选取动作结束位置；将选取的动作开始位置、动作中心位置和动作结束位置连接形成提案；获取所述候选动作提案集合中每个提案的提案特征；基于每个提案的提案特征，通过预训练好的分类器和回归器预测类别和边界偏移，获得时序动作定位结果。本发明能够实现更精确的动作定位。
-
公开(公告)号：CN113887653B
公开(公告)日：2024-02-06
申请号：CN202111221943.3
申请日：2021-10-20
Applicant: 西安交通大学
IPC: G06V10/74 , G06V10/774 , G06V10/42 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/0895 , G06F16/901 , G06F16/9038
Abstract: 本发明公开了一种基于三元网络的紧耦合弱监督学习的定位方法及系统，基于全局特征和局部特征，采用重排序算法获取图像q的正样本，采用弱监督算法获取图像q负样本，将所述正样本和负样本作为三元组网络的训练集；在学习策略中从选择训练样本元组和损失函数定义两个方面将全局特征和局部特征更好的耦合，实现全局特征和局部特征的互相促进，可以从训练集中学习到更加有效的信息表征方式和更丰富的特征细节；在训练过程中提高两者的一致性，解决了视觉位置识别任务中两者在结果上的冲突混淆问题，从而在检索框架中更好发挥各自的优势—兼顾了实时性、高精度和环境鲁棒性。此外，学习策略还提升了模型的学习效率，大幅度地降低了模型训练时间。
-
公开(公告)号：CN117369453A
公开(公告)日：2024-01-09
申请号：CN202311392609.3
申请日：2023-10-25
Applicant: 西安交通大学 , 宁波市舜安人工智能研究院
Abstract: 本发明公开一种利用transformers进行自动驾驶的联合规划与预测的InteractionNet架构。组成部分包括感知骨干网络：带有RGB以及激光雷达信息输入，在检测和语义分割的监督下，从PointPillars中得到地图‑视图感知特征φ。联合规划与预测：将φ转换为裁剪特征φ′，通过高层行为和稀疏GNSS目标的叠加，输出用于规划和预测的轨迹。碰撞感知控制器：检查所有轨迹之间的碰撞风险，产生横向和纵向命令来行驶自主车辆。局部和全局transformer：局部transformer处理过的裁剪特征被提供给全局transformer，所有车辆共享全局上下文推理，将规划和预测联合为整体。局部transformer引导模型更为区分每个车辆输入的不同区域裁剪特征的重要性，提升对关键性的或未见车辆区域的关注。本发明在多个基准测试中排名第一，在安全等方面上表现出卓越的性能。
-
公开(公告)号：CN117152377A
公开(公告)日：2023-12-01
申请号：CN202311115114.6
申请日：2023-08-31
Applicant: 西安交通大学
IPC: G06T17/20 , G06T19/20 , G06N3/0475 , G06N3/094 , G06N3/0455
Abstract: 本发明提出了一种基于迭代生成的道路场景新视角合成方法及系统，所述方法包括以下步骤：根据已知道路RGB‑D图像，通过几何渲染得到下一视角的道路RGB‑D图像，并标注孔洞区域；基于GAN网络，对得到的下一视角RGB‑D图像的孔洞区域进行填补以及模糊区域修复；重复上述步骤，生成连续的道路图像；本发明可以通过单张道路RGB‑D图像迭代生成一系列连续的道路场景视图，以满足自动驾驶测试所需的丰富道路场景视觉数据；充分考虑道路场景特点，同时通过控制辨别器的准确性并相应地训练生成器和辨别器，达到平衡的GAN训练过程，提高了GAN的稳定性和收敛性，从而改善了生成道路场景的整体性能。
-
公开(公告)号：CN116946188A
公开(公告)日：2023-10-27
申请号：CN202310972442.1
申请日：2023-08-03
Applicant: 西安交通大学
Abstract: 本发明涉及自动驾驶技术领域，具体涉及一种面对混合环境的轨迹规划方法及系统。方法包括：对自动驾驶车辆周围的环境进行感知，得到包括静态和动态障碍物的环境状态；利用高斯过程运动规划方法，处理静态障碍物和曲率约束，对每条道路生成可行路径集；结合概率约束对不确定性进行推理，生成满足动态障碍物约束和车辆动力学约束的速度剖面，并将生成的路径和速度剖面组合，得到每条道路的轨迹集；考虑安全性、行驶效率以及舒适性，通过损失函数选择最优轨迹作为自动驾驶车辆的行驶轨迹，本发明基于路径‑速度分解结构和多阶段规划方法，实现复杂混合环境下自动驾驶车辆的实时、安全、舒适的轨迹规划，减少碰撞风险，保障自动驾驶车辆平稳运行。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.025 seconds)
