公开(公告)号：CN115797892A

公开(公告)日：2023-03-14

申请号：CN202211531212.3

申请日：2022-12-01

Applicant: 东南大学

Inventor： 李煊鹏 ,  薛启凡 ,  卢一凡 ,  李晟屹

IPC: G06V20/56 ,  G06V10/80 ,  G06V10/82 ,  G06V10/774 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明公开了一种目标轨迹预测方法，步骤如下：根据目标历史轨迹，利用差分和编码提取多层次运动特征和相应训练标签；依据多层次运动特征建立配对交互图，计算基于运动‑交互的点积注意力；根据所获得的点积注意力和多层次运动特征计算得到轨迹编码，从时间、空间和运动特征维度进行解码获得预测轨迹；在训练过程中结合解码轨迹和训练标签进行反向传播训练，在测试/推理过程中输出目标未来时刻的预测位置轨迹。本发明利用目标轨迹，构建提取复杂场景下目标之间的交互行为；从时间、空间和运动特征多个维度实现对目标未来轨迹的预测，与现有方法相比，具有更高的预测精度。

公开(公告)号：CN117763346A

公开(公告)日：2024-03-26

申请号：CN202311640562.8

申请日：2023-12-04

Applicant: 东南大学

Inventor： 李煊鹏 ,  薛启凡 ,  李晟屹 ,  卢一凡 ,  张为公

IPC: G06F18/214 ,  G06F18/213 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种基于块标记化预训练的轨迹预测方法，首先在随机掩码部分轨迹的基础上标记被掩码轨迹点的时序位置，表征轨迹点之间的不同距离的依赖关系；然后分割出轨迹块用以捕捉轨迹点的局部信息，并设计轨迹块层级的重构任务用于预训练；在预训练过程中，建立通道独立的特征提取器，利用权重共享的因果单元提取轨迹序列中不同状态序列的时序特征；之后针对不同状态表征进行独立的序列重构，建立基于因果单元的特征整合器，结合重构的状态序列预测目标未来轨迹。本发明有效提高了无人驾驶车辆轨迹预测的精准性，提升了车辆行驶的安全性，对推动无人驾驶技术的发展具有现实意义。

公开(公告)号：CN116912661A

公开(公告)日：2023-10-20

申请号：CN202310892764.5

申请日：2023-07-20

Applicant: 东南大学

Inventor： 李煊鹏 ,  卢一凡 ,  薛启凡

IPC: G06V10/82 ,  G06V10/764 ,  G06V10/80 ,  G06V20/54 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/049 ,  G06N3/08

Abstract: 本发明公开了一种具备域泛化能力的目标轨迹预测方法及系统，首先获取目标轨迹信息及所在场景的矢量地图信息；对地图信息进行处理提取地图信息特征；再提取邻近目标轨迹，将目标历史轨迹数据、邻近目标轨迹输入到时序神经网络编码器中提取特征；再基于不变性原理进行车辆终点预测，得到预测的轨迹终点；将预测的轨迹终点编码，与交互特征、地图特征和历史轨迹特征级联输入到时序神经网络解码器中补全剩余的未来轨迹点；将多个源域共同训练，得到各数据域的终点重构损失、轨迹偏差损失和kl散度损失求平均，与不变性原理损失叠加形成最终损失，最后实现目标轨迹预测，提升模型的安全性和在未知域的准确性。

公开(公告)号：CN112258546A

公开(公告)日：2021-01-22

申请号：CN202011113868.4

申请日：2020-10-18

Applicant: 东南大学

Inventor： 方锦浩 ,  韩旭龙 ,  卢一凡 ,  梁毅强 ,  喻子雨 ,  张小国

IPC: G06T7/20 ,  G06T7/33

Abstract: 本发明公开了一种SLAM系统的关键帧选取方法，该方法包括：在当前帧的点云中随机选择几个特征点设定为内群并计算适合内群的模型，根据重复选择特征点的次数判断是否淘汰该帧；根据位姿估计得到的旋转向量r和平移向量t求得帧间相对运动距离D，根据D值判断是否淘汰该帧；计算当前帧与上一帧之间匹配的特征点数量，根据阈值范围判断是否淘汰该帧；计算当前帧与上一关键帧之间匹配的特征点数量，若满足阈值范围且上述条件均满足则视作关键帧。本发明提出的方法能确保帧间运动距离在合理范围，提高特征点匹配度和建图一致性。相对于原有算法具备了检测并删除冗余关键帧的能力，降低了SLAM系统的存储冗余，对于地图更新和维护具有重要意义。

公开(公告)号：CN118840723A

公开(公告)日：2024-10-25

申请号：CN202410870395.4

申请日：2024-07-01

Applicant: 东南大学

Inventor： 李煊鹏 ,  卢一凡 ,  薛启凡 ,  李晟屹 ,  杨凤

IPC: G06V20/56 ,  G06V10/40 ,  G06V10/764 ,  G06V10/762

Abstract: 本发明涉及一种结合自监督机制的未知域轨迹预测方法，所述方法包括以下步骤：(1)获取目标轨迹数据以及邻近目标轨迹数据、场景地图数据；(2)通过聚类算法提取轨迹的机动类型；(3)提取邻近目标轨迹及场景地图信息，(4)获得预测的机动类型标签；(5)获取预测的机动类型后，计算轨迹机动类型自监督子任务损失，(6)，获取终点后将轨迹终点与数据编码级联输入时序神经网络解码获得剩余其余点的轨迹，(7)模型损失计算，完成车辆未来轨迹预测。该方案利用聚类算法得到的轨迹机动类型解决不变性原理应用过程中的数据域划分问题，提升不变性原理的应用效果，提升模型进行未知域轨迹预测的准确度。

公开(公告)号：CN115953807A

公开(公告)日：2023-04-11

申请号：CN202211256560.4

申请日：2022-10-13

Applicant: 东南大学

Inventor： 周子楠 ,  李煊鹏 ,  卢一凡 ,  嵇志康 ,  张叶茁

IPC: G06V40/12 ,  G06V10/774 ,  G06V10/764 ,  G06T3/40 ,  G06T5/10

Abstract: 本发明公开了一种辐射源个体指纹特征提取方法，基于递归不变风险最小化框架，将经过时频特征提取过的各类辐射源脉冲样本信号作为输入，对每类辐射源的随机调制方式样本进行剔除，构造出训练样本和测试样本存在分布偏移的数据集。训练样本会按照一定的顺序，将每个辐射源样本输入到深度神经网络进行训练。框架会保存每个辐射源样本训练得到的模型用于下一个辐射源的样本的训练，每次训练时使用的预训练模型均为上一个辐射源样本的生成模型，直到所有辐射源样本均参与了模型的生成。这种框架可以引导神经网络学习到除去脉冲信号调制方式不同的更细微的个体指纹特征。本发明对辐射源个体识别技术的泛化性和应用前景具有重要意义。