公开(公告)号：CN117975413A

公开(公告)日：2024-05-03

申请号：CN202410124100.9

申请日：2024-01-29

Applicant: 东风柳州汽车有限公司 ,  桂林电子科技大学 ,  广西壮族自治区科学技术情报研究所

Inventor： 许恩永 ,  张靖佳 ,  何水龙 ,  何鲁桂 ,  李超 ,  林长波 ,  冯高山 ,  李慧 ,  展新 ,  冯海波 ,  王善超 ,  许家毅 ,  韦永尤 ,  陈乾 ,  鲍家定 ,  郑伟光 ,  胡超凡 ,  唐荣江 ,  王方圆 ,  陈钰烨 ,  赵德平 ,  吴佳英 ,  张释天 ,  梁明运 ,  庞凤

IPC: G06V20/58 ,  G06V10/764 ,  G06V10/25 ,  G06V10/82 ,  G06V10/774 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于汽车技术领域，公开了一种障碍物检测方法、装置、设备及存储介质；该方法包括：获取参考车辆的实时环境图像；通过障碍物检测模型对实时环境图像进行识别，得到预测类别，障碍物检测模型是基于YOLOv5算法框架，将YOLOv5算法框架中的主干网络替换为视觉主干网络并在YOLOv5算法框架中加入头部分类器得到，视觉主干网络为轻量级网络；基于预测类别得到实时环境图像中参考车辆周围的障碍物；本发明通过对YOLOv5算法框架中的结构改进为轻量级网络，显小模型的大小和计算量来降低存储和计算成本，并通过引入轻量级的模块和降低输入和输出维度来实现网络的小型化，帮助商用车实现精准的目标检测和智能驾驶能力，提高车辆的安全性和效率。

公开(公告)号：CN117672005A

公开(公告)日：2024-03-08

申请号：CN202311662680.9

申请日：2023-12-05

Applicant: 东风柳州汽车有限公司

Inventor： 陈钟 ,  张靖佳 ,  梁丽丽 ,  李超 ,  杨圣清 ,  韦嘉宾 ,  覃熊艳 ,  黄晓洁

IPC: G08G1/16 ,  G08G1/04 ,  H04W4/44

Abstract: 本发明公开了一种盲区碰撞预警方法、装置、设备及存储介质，属于碰撞预警技术领域。本发明盲区碰撞预警系统包括：传感器、路侧终端设备以及车载终端设备，所述盲区碰撞预警方法应用于所述路侧终端设备，所述方法包括：获取所述传感器采集的交通参与者数据；对所述交通参与者数据进行解析，计算避免碰撞所需的目标安全时间值；根据所述目标安全时间值确定是否需要触发盲区碰撞预警；在需要触发盲区碰撞预警时，生成预警信息进行预警，可快速准确地计算出目标安全时间值，从而确定是否需要进行预警，可以有效降低盲区事故的发生率，保障驾驶员和行人的安全。

公开(公告)号：CN118982556A

公开(公告)日：2024-11-19

申请号：CN202410990453.7

申请日：2024-07-23

Applicant: 东风柳州汽车有限公司

Inventor： 李超 ,  张靖佳 ,  韦嘉宾 ,  杨圣清 ,  梁丽丽 ,  覃熊艳 ,  陈钟 ,  黄晓洁

IPC: G06T7/246 ,  G06V10/80

Abstract: 本发明涉及检测技术领域，具体公开了一种多模态关联检测方法、装置、设备及存储介质。该方法包括：将检测区域的二维目标信息和三维目标信息进行匹配，得到匹配目标信息和不匹配目标信息；将匹配目标信息与三维轨迹进行第一级关联，获得关联成功后的第一三维轨迹与未关联成功的第二三维轨迹；将不匹配目标信息中未匹配的三维目标信息与第二三维轨迹进行第二级关联，获得关联成功的第三三维轨迹；使用第一三维轨迹和第三三维轨迹更新检测区域的物体检测结果。该方法通过将不同类型的二维信息和三维信息进行深度关联以及互相补充，从而获得更全面与更准确的检测信息，提高智能化车辆行驶时的可靠性。

公开(公告)号：CN117423084A

公开(公告)日：2024-01-19

申请号：CN202311449349.9

申请日：2023-11-02

Applicant: 桂林电子科技大学 ,  南宁桂电电子科技研究院有限公司

Inventor： 何水龙 ,  张靖佳 ,  王衍学 ,  胡超凡 ,  谭雪峰 ,  张林俊 ,  徐润权 ,  陈雪 ,  鲍家定

IPC: G06V20/56 ,  G06V10/25 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明提供一种基于自监督的多源传感器融合的多目标跟踪方法，涉及自动驾驶领域：主要组成部分由融合阶段和跟踪阶段，融合阶段包括生成获取不同传感器数据，构建传感器融合框架，构建跟踪模型，设计联合损失函数以及训练模型，在跟踪阶段，主要将测试2D视频序列和3D点云数据输入到训练后的模型中，通过自监督学习得到待测时刻的搜索响应，响应中最大值的位置表示跟踪目标所在位置，并结合所对应的尺度得到最终预测的跟踪框，从而完成该时刻目标的跟踪。本发明不仅能让模型进行自监督训练，还能让模型学到不同数据增强下搜索响应的一致性，从而学到更加鲁棒的自监督表征并显著提高跟踪性能。

公开(公告)号：CN117727012A

公开(公告)日：2024-03-19

申请号：CN202311812786.2

申请日：2023-12-27

Applicant: 桂林电子科技大学 ,  南宁桂电电子科技研究院有限公司

Inventor： 何水龙 ,  张林俊 ,  李慧 ,  王衍学 ,  胡超凡 ,  谭雪峰 ,  张靖佳 ,  徐润权 ,  汤涛 ,  陈雪 ,  鲍家定 ,  唐荣江

IPC: G06V20/58 ,  G06V10/25 ,  G06V10/764 ,  G06V10/766 ,  G06V10/82 ,  G06V10/40 ,  G06V10/80 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明涉及智能驾驶目标识别领域，尤其涉及一种车辆行人识别方法、装置、设备及存储介质，该方法包括：获取车辆与行人样本数据集；通过所述车辆与行人样本数据集对预设检测模型进行训练，得到目标检测模型；获取车辆与行人样本图片，将所述当前车辆与行人样本图片输入至所述目标检测模型，并获取所述目标检测模型基于所述当前路况数据输出的车辆、行人识别结果，从而建立GBD‑YOLO目标检测模型，并对其进行训练，输入当前车辆、行人样本数据集，得到识别结果，从而提高对车辆、行人识别的准确性。