-
公开(公告)号：CN119618189A
公开(公告)日：2025-03-14
申请号：CN202411621811.3
申请日：2024-11-14
Applicant: 中兵智能创新研究院有限公司 , 中国北方车辆研究所 , 北京四维万兴科技有限公司
IPC: G01C21/00
Abstract: 本发明属于地面无人平台技术领域，具体涉及一种“天‑空‑地”一体化越野环境高精地图构建方法。包括：步骤1：越野环境高精地图采集；步骤2：越野环境高精地图制作。本发明将结合自动提取技术，实现要素自动提取；在地图制作方面，提出制作规范，在保证满足越野环境下地面无人平台越野机动需求的同时，提升高精度地理信息系统运行效率；基于地面无人平台实时机动环境感知结果，对高精地图进行增量式数据更新，以保证高精地图的时效性。通过本发明，将填补越野环境自动驾驶领域高精地图技术的空白，为提升地面无人平台越野机动能力提供支撑。
-
公开(公告)号：CN118413308A
公开(公告)日：2024-07-30
申请号：CN202410467360.6
申请日：2024-04-18
Applicant: 中兵智能创新研究院有限公司
Abstract: 本发明属于智慧车辆安全技术领域，具体涉及一种车联网边缘服务器模型保护与免陷害方法。所述方法将参与方分为“车、边缘服务器、云服务器”；云服务器作为模型提供者，边缘服务器从云服务器获取模型的部分参数，配合完成模型的计算任务为终端车辆提供服务，车作为输入数据提供者和服务结果获取者；终端车辆利用秘密共享的方式在边缘服务器之间共享其输入数据；云服务器利用同态加密的方式传递预训练模型参数给边缘服务器；边缘服务器在加密域下协作地计算模型预测结果；最后，发送模型预测结果给车以恢复最终输出结果。
-
公开(公告)号：CN117872878A
公开(公告)日：2024-04-12
申请号：CN202311838581.1
申请日：2023-12-28
Applicant: 中兵智能创新研究院有限公司
IPC: G05B19/042
Abstract: 本发明属于无人车技术领域，具体涉及一种单操控端对多无人车的智能交互与控制方法，包括操控端信息显示方法、任务模式指令生成方法以及运动控制指令生成方法；通过综合操控端信息显示方法、任务模式指令生成方法与运动控制指令生成方法，实现单一操控端依据人机交互设置与显示策略设置对多台无人车的运行状态信息综合显示，以及综合无人车运行状态信息、人机交互任务模式指令输入及运动控制指令输入进行分析并生成指令，实现单一操控端能够同时对多台无人车进行任务模式设置以及运动控制，提高了单一操控端与多台无人车交互的效率，降低了操控人员对多台无人车进行控制的复杂度。
-
公开(公告)号：CN117607894A
公开(公告)日：2024-02-27
申请号：CN202311644535.8
申请日：2023-12-04
Applicant: 中兵智能创新研究院有限公司
Abstract: 本发明涉及一种基于机器人固有传感器的协同探测与目标标识方法。包括：基于激光雷达点云数据进行点云预处理得到预处理后的点云信息；基于所述预处理后的点云信息和IMU测量数据使用激光SLAM得到所述机器人的实时定位信息并构建地图；基于所述预处理后的点云信息和所述机器人的实时定位信息使用所述载荷探测设备识别所述点云信息得到目标类型和目标位置；基于所述地图、所述目标类型和所述目标位置融合得到语义地图。实现了利用机器人固有感知载荷的高准确率、远距离探测结果，无需增加视觉设备即可辅助机器人实现实时定位与建图过程中对目标的识别与标注，可用于特种机器人在地下空间或危险作业地区的地图构建。
-
公开(公告)号：CN116798013A
公开(公告)日：2023-09-22
申请号：CN202310679571.1
申请日：2023-06-09
Applicant: 中兵智能创新研究院有限公司
Abstract: 本发明属于深度学习技术领域，具体涉及一种基于车载机械式激光雷达的目标检测方法、装置及设备。目标检测装置包含：原始点云输入模块、体素特征编码模块、3D骨干网络、2D骨干网络、密集头网络、预测输出模块；本发明使用空间体素中心来编码点云和体素特征的通用体素特征编码方法，该方法提高了特征编码的泛化能力和效率；本发明通过在3D和2D骨干网络中分别引入残差学习策略，能够把来自不同尺度、不同层级的特征进行融合，在高级语义信息的基础上，融合保留了低层级的语义信息，从而提升了网络模型整体的特征提取能力和表达能力；本方法在精度和速度上保持并提升了基于体素编码方法的优势，且整体性能优于大多数已经公开的基于体素编码的方法。
-
Patent Agency Ranking
公开(公告)号：CN118656780A
公开(公告)日：2024-09-17
申请号：CN202410710453.7
申请日：2024-06-03
Applicant: 中兵智能创新研究院有限公司
IPC: G06F18/25 , G06N3/0442 , G06V10/762 , G06V10/82 , G06V10/25 , G06N3/0464 , G06N3/045 , G06V10/80 , G06F18/10
Abstract: 一种视觉感知与机体感知融合的地面无人平台周界感知方法，包括：通过前向视觉感知对地表类别属性进行识别，通过机体感知对地表状态属性进行识别，并通过长短记忆神经网络对视觉感知结果和机体感知结果进行融合，形成属性更丰富的地面环境感知结果；将融合的地形特征通过在线学习算法，对用于后向视觉感知的算法进行实时更新，对没有机体感知信息、有视觉信息的后向视觉感知范围的地形要素进行识别；两部分感知结果通过时空对齐进行拼接，输出无人平台360度的周界地形环境识别结果。该方法将地表类别和地表状态两类属性进行融合，对地面环境进行更详细的属性识别感知，提高地面无人平台周界环境感知能力。
-
公开(公告)号：CN117853820A
公开(公告)日：2024-04-09
申请号：CN202410158053.X
申请日：2024-02-04
Applicant: 大连理工大学 , 中兵智能创新研究院有限公司
IPC: G06V10/764 , G06V20/17 , G06V10/774 , G06V10/82 , G06V10/74 , G06N3/0464 , G06N5/04
Abstract: 本发明公开了一种序列图像3D检测引导的战场目标行为推理方法，包括以下步骤：采集战场序列图像数据并进行预处理；基于多示例学习算法对预处理后的战场序列图像数据进行情景分类，获得不同战场情景的图像数据集；构建3D目标检测模型，并基于知识蒸馏方法对所述3D目标检测模型进行轻量化处理，获得轻量化3D目标检测模型；基于迁移学习对所述轻量化3D目标检测模型进行实际战场情景的训练；基于训练后的轻量化3D目标检测模型对所述不同战场情景的图像数据集进行检测，获得3D检测结果；构建目标模型，基于所述目标模型对所述3D检测结果进行目标行为推理，获得战场情景中目标的速度和运动方向。
-
公开(公告)号：CN117115343A
公开(公告)日：2023-11-24
申请号：CN202311023428.3
申请日：2023-08-15
Applicant: 中兵智能创新研究院有限公司
Abstract: 本发明属于机器人同步定位与建图技术领域，具体涉及一种动态场景自主定位与线上高精度三维重建方法，所述动态场景自主定位与线上高精度三维重建方法的实施依据位姿跟踪线程、目标检测线程、局部建图线程、稠密建图线程，以及回环检测优化线程；该方案结合了基于深度学习的目标检测技术和经典的MVS三维重建框架，能在输出鲁棒的位姿估计的同时进行高精度的线上稠密重建；本发明提供一种可在GPU上并行的非线性优化求解器，可高效地对MVS框架中核心的复杂非线性优化问题进行迭代求解，从而满足线上稠密重建的实时性要求。本发明在ORB‑SLAM2的框架下进行再开发而来，增加了目标检测线程和稠密重建线程，并在其跟踪线程中添加了光度残差约束。
-
公开(公告)号：CN115294546B
公开(公告)日：2024-12-20
申请号：CN202210871360.3
申请日：2022-07-22
Applicant: 中兵智能创新研究院有限公司
IPC: G06V20/58 , G06N3/0442 , G06N3/08 , G06V10/774 , G06V20/40
Abstract: 本发明属于自动驾驶技术领域，具体涉及一种基于换道基元的换道决策行为方法及系统。该方法包括：采集换道行为数据，训练长短时记忆网络，提取横向换道特征，得到横向类人换道基元模型和基元库；训练动态运动基元，提取纵向换道特征，得到纵向类人换道基元模型和基元库；基于新的行驶场景信息和驾驶行为信息，利用横纵向类人换道基元模型和横纵向换道决策基元库，确定横向换道决策和纵向换道决策行为轨迹。本发明通过构建横纵向类人换道基元模型与横纵向换道决策基元库确定车辆当前的横向换道决策和纵向换道决策行为轨迹，以辅助换道场景中自动驾驶车辆进行换道决策并提高对随机动态环境的自适应性以及行驶过程中的类人性和智能性。
-
公开(公告)号：CN118552932A
公开(公告)日：2024-08-27
申请号：CN202410467261.8
申请日：2024-04-18
Applicant: 中兵智能创新研究院有限公司
Abstract: 本发明属于智慧车辆安全技术领域，具体涉及一种基于局部本征值的交通标志可更新外置式对抗防御方法，包括：交通标志图像数据进行抽象化处理；通过高斯滤波器对图像噪声进行滤除，提升图像质量和清晰度；对图像进行特征提取；识别出被恶意攻击修改过的交通标志图像；交通标志图像数据输入到交通标志识别模型中，进行对照组实验；对照组的交通标志图像直接输入交通标志识别模型中进行判别。本发明弥补现有“图像预处理”方法对微小扰动类对抗攻击保护力弱，以及“增强模型对抗鲁棒”方法重新训练模块的计算开销较大，只能针对特定攻击且可能因为过度训练导致模型性能下降的不足。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.074 seconds)
