-
公开(公告)号：CN116502479B
公开(公告)日：2023-09-01
申请号：CN202310781219.9
申请日：2023-06-29
Applicant: 之江实验室
Abstract: 本发明公开了一种三维物体在仿真环境中的碰撞检测方法和装置，包括：获取高精地图中的道路数据；基于道路数据构建道路间连通图；在每轮自动驾驶仿真周期内，针对由两个三维物体组成的检测对，基于道路数据判断处于同一交叉路口或同一道路时进行碰撞检测，基于道路间连通图判断处于相邻道路时，在任一三维物体于移动方向上的剩余道路长度小于自身长度条件下进行碰撞检测。这样通过高精地图中道路数据过滤掉大部分不可能存在碰撞的三维物体，然后对剩余的三维物体进行碰撞检测，从而提高了碰撞检测的效率，降低了计算资源消耗。
-
公开(公告)号：CN116518992A
公开(公告)日：2023-08-01
申请号：CN202310399453.5
申请日：2023-04-14
Applicant: 之江实验室
Abstract: 本发明公开了一种退化场景下的无人车定位方法，结合预先设计好的特征图层进行全局定位，消除定位的累积误差，以及融合imu和车辆底盘速度信息，提供较为准确的实际位姿，最后将里程计和全局匹配的观测信息融入卡尔曼滤波框架中对实际位姿进行校正，得到高频的、鲁棒的无人车定位结果。本发明还公开了一种退化场景下的无人车定位装置和存储介质。
-
公开(公告)号：CN115937825B
公开(公告)日：2023-06-20
申请号：CN202310016576.6
申请日：2023-01-06
Applicant: 之江实验室
Abstract: 本发明公开了在线俯仰角估计的BEV下鲁棒车道线生成方法及装置，基于车道线信息和其他信息，对前视单目图像完成像素级稠密分割，得到对应的图像掩膜信息；根据图像掩膜信息，在二维图像平面提取多组满足平行关系的车道线；结合未知俯仰角构到外参矩阵，将图像平面上平行车道线的端点反投影至鸟瞰图BEV下，根据车道线平行先验信息，构造关于未知俯仰角的代价函数；给定分辨率和尺寸信息，在鸟瞰图BEV下构造栅格兴趣区域，代入求解得到的所述未知俯仰角，结合图像掩膜信息生成鸟瞰图BEV下的车道线，从而更有效的实现了车道线的检测。
-
公开(公告)号：CN116863432B
公开(公告)日：2023-12-22
申请号：CN202311126363.5
申请日：2023-09-04
Applicant: 之江实验室
IPC: G06V20/56 , G06V20/70 , G06V10/40 , G06V10/774 , G06V10/84
Abstract: 本发明公开了一种基于深度学习的弱监督激光可行驶区域预测方法和系统，本发明利用激光可行驶区域预测算法较为容易的获得下采样点云是否地面点的粗略标注，将该粗略标注作为标签，从而较为容易的获得了用于训练深度学习点云特征提取模型的标签，但由于该标签的准确性有待提高，因此，在第一次对深度学习点云特征提取模型进行训练之后，基于当前预测得到的初始地面点预测概率和上一次预测得到的初始地面点预测概率通过交叉熵损失函数构建新增损失函数以完成之后的训练，因此能够利用大量的数据量较小的标注标签训练获得能够较为准确预测地面点概率的地面点预测模型，从而能够(56)对比文件Wan, J等.DGANet: A Dilated GraphAttention-Based Network for Local FeatureExtraction on 3D Point Clouds《.REMOTESENSING》.2021,第13卷(第17期),3484.Siyun Chen等.A Dense Feature PyramidNetwork-Based Deep Learning Model forRoad Marking Instance Segmentation UsingMLS Point Clouds《. IEEE Transactions onGeoscience and Remote Sensing 》.2021,第59卷(第1期),784 - 800.
-
公开(公告)号：CN116863432A
公开(公告)日：2023-10-10
申请号：CN202311126363.5
申请日：2023-09-04
Applicant: 之江实验室
IPC: G06V20/56 , G06V20/70 , G06V10/40 , G06V10/774 , G06V10/84
Abstract: 本发明公开了一种基于深度学习的弱监督激光可行驶区域预测方法和系统，本发明利用激光可行驶区域预测算法较为容易的获得下采样点云是否地面点的粗略标注，将该粗略标注作为标签，从而较为容易的获得了用于训练深度学习点云特征提取模型的标签，但由于该标签的准确性有待提高，因此，在第一次对深度学习点云特征提取模型进行训练之后，基于当前预测得到的初始地面点预测概率和上一次预测得到的初始地面点预测概率通过交叉熵损失函数构建新增损失函数以完成之后的训练，因此能够利用大量的数据量较小的标注标签训练获得能够较为准确预测地面点概率的地面点预测模型，从而能够准确的获得可行驶区域。
-
Patent Agency Ranking
公开(公告)号：CN116518992B
公开(公告)日：2023-09-08
申请号：CN202310399453.5
申请日：2023-04-14
Applicant: 之江实验室
Abstract: 本发明公开了一种退化场景下的无人车定位方法，结合预先设计好的特征图层进行全局定位，消除定位的累积误差，以及融合imu和车辆底盘速度信息，提供较为准确的实际位姿，最后将里程计和全局匹配的观测信息融入卡尔曼滤波框架中对实际位姿进行校正，得到高频的、鲁棒的无人车定位结果。本发明还公开了一种退化场景下的无人车定位装置和存储介质。
-
公开(公告)号：CN116168173B
公开(公告)日：2023-07-18
申请号：CN202310444818.1
申请日：2023-04-24
Applicant: 之江实验室
Abstract: 本申请涉及一种车道线地图生成方法、装置、电子装置和存储介质，其中，该车道线地图生成方法包括：获取车载相机采集到的原始图像；基于原始图像，确定对应的掩膜图像，掩膜图像中包括车道线属性信息；基于掩膜图像，构建相应的栅格地图；基于掩膜图像以及车载相机的内外参数，将车道线属性信息填充至栅格地图中，得到填充后的栅格地图；基于填充后的栅格地图，生成局部车道线地图。通过本申请，解决了现有技术中无法通过视觉空间的图像信息生成车道线地图的问题，实现了根据视觉空间的图像信息生成了车道线地图。
-
公开(公告)号：CN116310680A
公开(公告)日：2023-06-23
申请号：CN202310238226.4
申请日：2023-03-07
Applicant: 之江实验室
Abstract: 本发明公开了一种基于动态稀疏特征融合的点云场景识别方法，该点云场景识别方法采用多个三维子卷积对下采样点云特征进行细节特征提取，由于该三维子卷积中的卷积核仅有一个维度不为1，从而在提取细节特征过程中，降低了参数量，同时能够基于当前场景信息灵活的配置三维子卷积的数量，在准确提取当前场景下的有用特征的同时提供运算效率，在上采样过程中，对上采样点云特征和对应尺寸的点云编码特征的特征点和特征通道进行权重分配，以优化点云局部特征，进而较为准确的获得当前场景的点云帧。
-
公开(公告)号：CN116184357A
公开(公告)日：2023-05-30
申请号：CN202310218573.0
申请日：2023-03-07
Applicant: 之江实验室
IPC: G01S7/48
Abstract: 本申请涉及一种地面点云数据处理方法、装置、电子装置和存储介质，其中，该地面点云数据处理方法包括：通过激光雷达采集原始点云数据，得到地面点云数据；根据车辆位姿将激光雷达坐标系下的地面点云数据转换为地图坐标系下的第一点云数据；根据车辆的行驶方向，从第一点云数据中获取搜索种子；根据搜索种子和高程变化阈值，将第一点云数据分为道路点云数据和障碍物点云数据；根据点云数据强度阈值对道路点云数据进行二分聚类，得到前景点云数据和背景点云数据。通过本申请，解决了相关技术中存在复杂路况下采集的点云数据处理存在噪声大，导致点云数据目标识别不精确的问题，实现了精确高效过滤路面点云数据的技术效果。
-
公开(公告)号：CN116184357B
公开(公告)日：2023-08-15
申请号：CN202310218573.0
申请日：2023-03-07
Applicant: 之江实验室
Abstract: 本申请涉及一种地面点云数据处理方法、装置、电子装置和存储介质，其中，该地面点云数据处理方法包括：通过激光雷达采集原始点云数据，得到地面点云数据；根据车辆位姿将激光雷达坐标系下的地面点云数据转换为地图坐标系下的第一点云数据；根据车辆的行驶方向，从第一点云数据中获取搜索种子；根据搜索种子和高程变化阈值，将第一点云数据分为道路点云数据和障碍物点云数据；根据点云数据强度阈值对道路点云数据进行二分聚类，得到前景点云数据和背景点云数据。通过本申请，解决了相关技术中存在复杂路况下采集的点云数据处理存在噪声大，导致点云数据目标识别不精确的问题，实现了精确高效过滤路面点云数据的技术效果。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.031 seconds)
