视觉地表属性分类预测模型训练方法及系统

    公开(公告)号:CN117809085A

    公开(公告)日:2024-04-02

    申请号:CN202311741771.1

    申请日:2023-12-18

    Applicant: 北京大学

    Abstract: 本发明提供一种视觉地表属性分类预测模型训练方法及系统,属于自动驾驶技术领域,获取训练数据;基于训练数据对视觉地表属性分类预测模型进行训练,其中,视觉地表属性分类预测模型包括视觉模块、机体感知模块和分类网络;视觉模块的输入为1帧图像块,输出为地表属性标签;机体感知模块的输入为100毫秒的加速度计及轮速编码器的时序信号,输出为地表属性标签;分类网络基于人工标注样本,以全监督方式学习视觉模块、机体感知模块的模型参数,得到地表属性分类。本发明利用机体感知对环境变化的稳定性等特点,利用对同一地表的机体感知结果构建监督样本,在线地优化视觉感知模型,使其具备对环境变化的自适应能力,提高了鲁棒性。

    地表属性分类数据集构建方法及系统

    公开(公告)号:CN117788970A

    公开(公告)日:2024-03-29

    申请号:CN202311741774.5

    申请日:2023-12-18

    Applicant: 北京大学

    Abstract: 本发明提供一种地表属性分类数据集构建方法及系统,属于自动驾驶技术领域,利用在复杂真实环境中无人平台连续运动,同步采集无人平台的机体感知数据与环境感知数据;利用无人平台位置姿态与传感器几何参数,为每一段机体感知数据自动关联图像块,实现对采集的环境感知数据与机体感知数据进行关联;利用部分人工标注后的关联后的数据,半自动生成数据样本,构建环境感知与机体感知数据集;进行批量化的样本可视化、检查与编辑,得到地表属性分类数据集。本发明利用在复杂真实环境中连续采集的机体感知与环境感知数据,对其进行少量的人工标注即可高效的制作大量数据集,为研制地表属性分类模型,在复杂动态及多样环境中验证算法性能提供数据基础。

Patent Agency Ranking