-
公开(公告)号：CN116433554A
公开(公告)日：2023-07-14
申请号：CN202111651418.5
申请日：2021-12-30
IPC: G06T7/00 , G06T7/10 , G06V20/58 , G06V10/774 , G06V10/764
Abstract: 本申请公开了一种基于先验模板的车位检测方法及电子设备，该方法包括：获取用于停车的目标区域的第一图像，其中所述目标区域中具有多个车位；基于所述目标区域的先验模板对所述第一图像进行切割，生成多个与所述车位对应的图像块，其中所述先验模板表征所述车位在所述第一图像中的位置信息；利用训练完成的分类网络对所述图像块进行分类操作，生成表征所述车位是否停有车辆的分类结果。该方法能够利用分类网络，准确的对图像块进行识别，从而在车位上无需安装侦测设备的情况下，也能够实现对车位上述是否停有车辆的准确检测，降低了成本，同时也能够为车辆提供更加可靠的服务。
-
公开(公告)号：CN116416277B
公开(公告)日：2025-03-04
申请号：CN202310006289.7
申请日：2023-01-04
Applicant: 清华大学
Abstract: 本申请提供了一种基于运动方程轨迹预测的多目标跟踪方法及装置，涉及多目标跟踪技术领域，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；利用上一图像帧中所有轨迹的状态向量，基于恒定角速度和恒定线加速度的运动方程，利用扩展卡尔曼滤波得到上一图像帧中所有轨迹在当前图像帧中的预测框；基于各检测框和各预测框之间的关联代价矩阵，使用匹配算法得到当前图像帧中匹配成功的检测框；使用当前图像帧中匹配成功的检测框的运动信息更新对应的预测框。本申请提高了轨迹预测的精度，从而提高了多目标跟踪精度。
-
公开(公告)号：CN116051633B
公开(公告)日：2024-02-13
申请号：CN202211618478.1
申请日：2022-12-15
Applicant: 清华大学
IPC: G06T7/73 , G06T19/00 , G06N3/08 , G06N3/045 , G06N3/0464
Abstract: 本申请提供了一种基于加权关系感知的3D点云目标检测方法及装置，所述方法包括：获取原始3D点云数据；利用PointNet++网络对原始3D点云数据进行处理，得到多个种子点；利用预先训练完成的共享投票模型对多个种子点进行处理，得到包括多个投票的投票集群；对投票集群进行采样和分组，得到多个目标候选；利用预先训练完成的加权关系感知提案生成模型对目标候选进行更新，得到更新的目标候选；利用多层感知机对更新的目标候选的进行处理，得到对象提议；对对象提议进行解码，得到目标检测结果。本申请能够提高3D点云数据的目标检测的精度。
-
公开(公告)号：CN115861601B
公开(公告)日：2023-12-29
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。
-
公开(公告)号：CN116977957A
公开(公告)日：2023-10-31
申请号：CN202310769437.0
申请日：2023-06-27
Applicant: 清华大学
Abstract: 本申请提供一种面向灯塔公知的低带宽车路特征融合的目标检测方法，该方法包括：对当前时刻的感知数据进行处理，得到当前时刻的车端原始BEV特征图；获取路端灯塔感知主体发送的t0时刻的多个检测框的路端特征；t0≤t，t为当前时刻；生成当前时刻的每个检测框的路端特征；基于高斯函数对当前时刻的每个检测框的路端特征进行处理，得到每个检测框对应的热力图；将车端原始BEV特征图和所有检测框的热力图进行融合，得到当前时刻的BEV融合特征图；将当前时刻的BEV融合特征图和多个类别特征图进行叠加，得到当前时刻的最终的融合特征。本申请降低了路端灯塔到车端的数据传输帧频和传输量，提升了车端感知主体在车端盲区和不确定区域的检测能力。
-
Patent Agency Ranking
公开(公告)号：CN116612154A
公开(公告)日：2023-08-18
申请号：CN202310652524.8
申请日：2023-06-02
Applicant: 清华大学
Abstract: 本申请提供基于最优运动模型轨迹预测的高稳定多目标跟踪方法，涉及多目标跟踪技术领域，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；利用上一图像帧中所有运动目标的运动信息，基于运动目标所属类别的最优运动方程，得到上一图像帧中所有轨迹在当前图像帧中的预测框；其中，行人的最优运动方程为恒定速度的运动方程；自行车的最优运动方程为恒定加速度的运动方程；汽车和摩托车的最优运动方程为恒定转弯率和速度幅度的运动方程；卡车的最优运动方程为恒定转弯率和加速度的运动方程；基于各检测框和各预测框之间的关联代价矩阵，得到当前图像帧中匹配成功的检测框。本申请提高了运动目标的轨迹预测精度，由此提高了跟踪精度。
-
公开(公告)号：CN115375910B
公开(公告)日：2023-04-14
申请号：CN202211116427.9
申请日：2022-09-14
Applicant: 清华大学
IPC: G06V10/40 , G06V10/774 , G06V10/80
Abstract: 本申请提供了一种基于注意力机制的点云特征提取方法及装置，涉及智能驾驶技术领域，该方法包括：利用预先训练完成的编码器对点云数据进行逐层下采样及升维处理，得到第一特征金字塔；利用预先训练完成的解码器对第二特征金字塔的第T层点云特征数据分别进行两次上采样处理，得到上采样数据及第二特征金字塔的初始第T‑1层点云特征数据；向下逐层进行处理，直至得到第二特征金字塔的初始第零层点云特征数据；对第一特征金字塔的第零层点云特征数据、第二特征金字塔的初始第零层点云特征数据和上采样数据进行交叉注意力机制处理，得到最终的点云特征数据。本申请能够降低点云特征上采样时的语义信息损失，提高主干网络的点云特征提取性能。
-
公开(公告)号：CN115908498A
公开(公告)日：2023-04-04
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。本申请提高了检测框匹配的正确率，提高了多类别多目标的跟踪精度。
-
公开(公告)号：CN114972654B
公开(公告)日：2023-02-03
申请号：CN202210678796.0
申请日：2022-06-15
Applicant: 清华大学
Abstract: 本发明属于自动驾驶领域，尤其涉及一种基于路侧点云补全的三维目标检测方法，所述方法包括：将采集的点云数据输入预先建立和训练好的点云补全模型，得到完整点云的高维特征；将完整点云的高维特征输入预先建立和训练好的目标检测网络实现三维目标检测；所述点云补全模型，基于蒙面自动编码器的设计思想，采用注意力机制实现从不完整的点云中提取完整点云的高维特征。基于本发明的方法，对现有的三维目标检测算法进行微调即可，具有很高的灵活性，并可以达到更高的三维目标检测精度。
-
公开(公告)号：CN115383273A
公开(公告)日：2022-11-25
申请号：CN202211001367.6
申请日：2022-08-19
Applicant: 清华大学
IPC: B23K15/00
Abstract: 本发明提供一种电子束多熔丝原位增材制造冶金时长闭环控制方法及系统。该方法包括：获取电子束作用下多熔丝原位增材制造过程对应的熔池图像；电子束包括通过偏转电压信号形成的交替工作的电子束主束和电子束分束；基于熔池图像得到相应的熔池长度，并基于熔池长度及预设的工作台移动速度确定当前实际冶金时长；确定当前实际冶金时长与目标冶金时长之间的冶金时长差值，并根据冶金时长差值对电子束分束的参数进行调整，以实现对冶金时长的闭环控制。本发明提供的方法，能够有效提高了原位增材制造过程中冶金时长的稳定性，避免了因冶金反应过长而导致的熔池流淌的问题，同时改善了因冶金反应时长不足而导致的冶金缺陷，从而提升了原位成形质量。
-
-
-
-
-
-
-
-
-
Search Results
181
records
(took 0.068 seconds)
