-
公开(公告)号：CN116931005A
公开(公告)日：2023-10-24
申请号：CN202311208648.3
申请日：2023-09-19
Applicant: 之江实验室
Abstract: 本发明公开了一种基于V2X辅助的车辆高精度定位方法、装置和存储介质，包括以下步骤：S1：判断智能网联车的全球导航卫星系统工作状态是否有效；S2：智能网联车接收路侧单元广播信息并进行身份校验；S3：路侧单元根据智能网联车感知硬件信息，广播对应高精地图的唯一识别编码和下载地址；S4：智能网联车下载本地未检索到的高精地图；S5：智能网联车通过地图匹配定位算法获取当前位置；S6：通过航迹推算实现智能网联车定位信息实时高频更新。本发明通过V2X技术辅助智能网联车在全球导航卫星系统失效状态下保持高精度定位，结合通过V2X技术获取的周边实时交通信息，可以有效提高车辆自主驾驶、导航、调度等应用的准确性和可靠性，具有广泛的应用前景。
-
公开(公告)号：CN116502479A
公开(公告)日：2023-07-28
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：CN117275240A
公开(公告)日：2023-12-22
申请号：CN202311554142.8
申请日：2023-11-21
Applicant: 之江实验室
IPC: G08G1/01 , G06N3/092 , G06F18/23213
Abstract: 本发明公开了一种考虑多类型驾驶风格的交通信号强化学习控制方法和装置。包括：基于路口周围车辆的历史轨迹数据，确定车辆驾驶风格的类别；获取路口周围车辆的实时轨迹数据，结合确定的车辆驾驶风格类别，实时获取车辆驾驶风格；设置强化学习环境，包括状态空间、动作空间和奖励函数；对强化学习智能体进行训练；将完成训练的智能体部署在路口，实现交通信号的强化学习控制。本发明相比传统交通信号控制方法，考虑了实时的交通流量，更加智慧化；相比于其他强化学习交通控制方法，考虑了多类型的驾驶风格，有助于进一步提升交通效率。
-
公开(公告)号：CN116931005B
公开(公告)日：2023-12-22
申请号：CN202311208648.3
申请日：2023-09-19
Applicant: 之江实验室
Abstract: 本发明公开了一种基于V2X辅助的车辆高精度定位方法、装置和存储介质，包括以下步骤：S1：判断智能网联车的全球导航卫星系统工作状态是否有效；S2：智能网联车接收路侧单元广播信息并进行身份校验；S3：路侧单元根据智能网联车感知硬件信息，广播对应高精地图的唯一识别编码和下载地址；S4：智能网联车下载本地未检索到的高精地图；S5：智能网联车通过地图匹配定位算法获取当前位置；S6：通过航迹推算实现智能网联车定位信息实时高频更新。本发明通过V2X技术辅助智能网联车在全球导航卫星系统失效状态下保持高精度定位，结合通过V2X技术获取的周边实时交通信息，可以有效提高车辆自
-
公开(公告)号：CN116758131B
公开(公告)日：2023-11-28
申请号：CN202311050584.9
申请日：2023-08-21
Applicant: 之江实验室
IPC: G06T7/55 , G06N3/0455 , G06N3/08
Abstract: 本申请涉及一种单目图像深度估计方法、装置和计算机设备。所述方法包括：得到待估计图片的第一深度图；得到待估计毫米波点云的动态点集和第一位姿变换结果；得到后一帧待估计图片的第二深度图；计算后一帧待估计图片的第一深度图和第二深度图的投影误差；得到待估计毫米波点云的第二位姿变换结果；得到第一位姿变换结果和第二位姿变换结果的位姿估算误差；计算两帧待估计图片中的运动物体的深度误差；根据投影误差、位姿估算误差以及深度误差，得到整体训练损失，并利用整体训练损失对初始模型进行训练，直至收敛，得到完备深度估计模型，对待估计的图片进行单目图像深度估计。利用完备深度估计模型可以保证实现图像的深度估计结(56)对比文件Akash Deep Singh et al..DepthEstimation From Camera Image and mmWaveRadar Point Cloud《.Proceedings of theIEEE/CVF Conference on Computer Visionand Pattern Recognition (CVPR)》.2023,第9275-9285页.
-
Patent Agency Ranking
公开(公告)号：CN116758131A
公开(公告)日：2023-09-15
申请号：CN202311050584.9
申请日：2023-08-21
Applicant: 之江实验室
IPC: G06T7/55 , G06N3/0455 , G06N3/08
Abstract: 本申请涉及一种单目图像深度估计方法、装置和计算机设备。所述方法包括：得到待估计图片的第一深度图；得到待估计毫米波点云的动态点集和第一位姿变换结果；得到后一帧待估计图片的第二深度图；计算后一帧待估计图片的第一深度图和第二深度图的投影误差；得到待估计毫米波点云的第二位姿变换结果；得到第一位姿变换结果和第二位姿变换结果的位姿估算误差；计算两帧待估计图片中的运动物体的深度误差；根据投影误差、位姿估算误差以及深度误差，得到整体训练损失，并利用整体训练损失对初始模型进行训练，直至收敛，得到完备深度估计模型，对待估计的图片进行单目图像深度估计。利用完备深度估计模型可以保证实现图像的深度估计结果的稳定性。
-
公开(公告)号：CN118015691A
公开(公告)日：2024-05-10
申请号：CN202311678754.8
申请日：2023-12-07
Applicant: 之江实验室
Abstract: 本发明公开了一种丢包行为自动识别方法、装置、电子设备和介质，该方法包括：获取目标监控区域的点云数据集合；分析点云数据集合，获取实体信息；并在实体信息中确定人体信息和人体信息的数量；当监测到人体信息的数量不为0时，针对每一人体信息，确定所述人体信息是否存在对应的携带物体信息，若不存在，则重新获取目标监控区域的点云数据集合；若存在，则获取目标人体信息对应的人员与目标携带物体信息对应的物体之间的相对移动速度；监测相对移动速度是否大于预设的相对移动速度阈值，若大于，则控制丢包提醒装置对人体信息对应的人员进行丢包提醒；否则，重新获取目标监控区域的点云数据集合。本发明可以更加准确地确定丢包行为。
-
公开(公告)号：CN116612244B
公开(公告)日：2023-09-29
申请号：CN202310900363.X
申请日：2023-07-21
Applicant: 之江实验室
Abstract: 本说明书公开了一种图像生成方法、装置、存储介质及电子设备，可以通过神经网络模型来生成用户指定的目标物的姿态下目标物的形体结构，以及目标物处于用户指定的姿态时的各表面点的反射率信息，进而可以根据确定出的目标物的形体结构，以及目标物的各表面点的反射率信息，以及用户指定的环境光源，生成处于指定姿态的目标物在指定环境光源的照射下的重光照图像，进而可以避免使用硬件设备按照用户所需的指定环境光源搭建相应的环境所需的成本。
-
公开(公告)号：CN115394065A
公开(公告)日：2022-11-25
申请号：CN202211341649.0
申请日：2022-10-31
Applicant: 之江实验室
Abstract: 本发明一种基于AI自动识别丢包行为报警的方法和装置，包括激光发射器对乱丢检测区域的环境进行感知；边缘计算终端得到乱丢检测区域中的障碍物信息；计算障碍物的运动速度信息，若运动速度超过速度阈值，则判断乱丢检测区域中有运动物体目标；依据获取的激光点云数据，对乱丢检测区域的环境持续性建模，过滤背景信息，判断前景信息中是否出现人员；对人员进行位置跟踪，同时对人员的身份信息进行检测识别；检测人员是否携带垃圾包；判断该人员是否存在乱丢垃圾行为；判断人员是否存在补救行为；通过判断是否乱丢垃圾和语音提醒，可劝导居民乱扔垃圾的行为，协助居民建立良好的习惯，减少垃圾对社区环境的影响；节省社区必须配备的垃圾劝导人员。
-
公开(公告)号：CN117275240B
公开(公告)日：2024-02-20
申请号：CN202311554142.8
申请日：2023-11-21
Applicant: 之江实验室
IPC: G08G1/01 , G06N3/092 , G06F18/23213
Abstract: 本发明公开了一种考虑多类型驾驶风格的交通信号强化学习控制方法和装置。包括：基于路口周围车辆的历史轨迹数据，确定车辆驾驶风格的类别；获取路口周围车辆的实时轨迹数据，结合确定的车辆驾驶风格类别，实时获取车辆驾驶风格；设置强化学习环境，包括状态空间、动作空间和奖励函数；对强化学习智能体进行训练；将完成训练的智能体部署在路口，实现交通信号的强化学习控制。本发明相比传统交通信号控制方法，考虑了实时的交通流量，更加智慧化；相比于其他强化学习交通控制方法，考虑了多类型的驾驶风格，有助于进一步提升交通效率。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.013 seconds)
