-
公开(公告)号：CN115376082A
公开(公告)日：2022-11-22
申请号：CN202210919555.0
申请日：2022-08-02
Applicant: 北京理工大学 , 北京理工大学长三角研究院(嘉兴)
Abstract: 本发明涉及一种融合传统特征提取与深度神经网络的车道线检测方法，包括：基于输入道路图片，提取所述道路图片中车道线的先验特征，获得车道线先验特征图；将所述车道线先验特征图与所述道路图片进行拼接得到道路特征图；将所述道路特征图输入到深度神经网络模型中，对所述道路特征图进行特征提取与关键点预测，得到每条车道线中各关键点的位置坐标。本发明从传统特征与深度神经网络相融合的角度，充分考虑了车道线的先验传统特征，在图像输入深度神经网络前，利用传统特征提取方法获取车道线的先验特征，使传统基于特征的车道线检测方法与深度学习的方法优势互补，在满足实时性要求的前提下，提高车道线检测算法的鲁棒性和准确性。
-
公开(公告)号：CN115376082B
公开(公告)日：2023-06-09
申请号：CN202210919555.0
申请日：2022-08-02
Applicant: 北京理工大学 , 北京理工大学长三角研究院(嘉兴)
Abstract: 本发明涉及一种融合传统特征提取与深度神经网络的车道线检测方法，包括：基于输入道路图片，提取所述道路图片中车道线的先验特征，获得车道线先验特征图；将所述车道线先验特征图与所述道路图片进行拼接得到道路特征图；将所述道路特征图输入到深度神经网络模型中，对所述道路特征图进行特征提取与关键点预测，得到每条车道线中各关键点的位置坐标。本发明从传统特征与深度神经网络相融合的角度，充分考虑了车道线的先验传统特征，在图像输入深度神经网络前，利用传统特征提取方法获取车道线的先验特征，使传统基于特征的车道线检测方法与深度学习的方法优势互补，在满足实时性要求的前提下，提高车道线检测算法的鲁棒性和准确性。
-
公开(公告)号：CN119516292A
公开(公告)日：2025-02-25
申请号：CN202411566058.2
申请日：2024-11-05
Applicant: 北京理工大学
IPC: G06V10/77 , G06V10/44 , G06V10/42 , G06V10/764 , G06V10/82 , G06V10/774 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于多注意力机制的多目标轨迹预测方法，包括以下步骤：将交通场景中交通参与者的轨迹信息和道路信息做矢量化处理，将全局交通场景划分为N个局部场景，并建立局部坐标系；基于局部坐标系，聚合每个局部场景范围内交通参与者的空间信息、时间信息和交互信息，并行生成含交通参与者时空特征的查询；汇总含交通参与者时空特征的查询，提取场景级长距离交互特征；根据含交通参与者时空特征的查询和场景级长距离交互特征生成预测轨迹。本方法能够更加高效的提取局部场景中的交通参与者间交互特征，并能自适应地消除多余的交互，并且通过在一个推理步骤中并行生成查询，可以实现快速推理，加快轨迹生成的速度。
-
Patent Agency Ranking
公开(公告)号：CN111091185A
公开(公告)日：2020-05-01
申请号：CN201911081912.5
申请日：2019-11-07
Applicant: 北京理工大学
Abstract: 一种基于三联体密码子的人工神经网络编码和解码方法，包括：步骤1，定义组件为DNA链的基本组成部分，每个组件由相同数量的若干个三联体密码子构成，根据DNA链中组件的功能将组件分为输入组件、中间组件和输出组件，输入组件表示神经网络的输入层，中间组件表示神经网络的隐藏层，输出组件表示神经网络的输出层；步骤2，选择子网结构或权值结构的三联体密码子编码策略；步骤3，通过神经网络的输入和输出节点个数计算DNA链中输入组件、中间组件和输出组件个数；步骤4，计算神经网络中隐藏节点数量；步骤5，解码DNA链，得到与之对应的神经网络。本发明能够实现网络权值和拓扑结构的共同演化，网络具备一定的可靠性和稳定性。
-
公开(公告)号：CN117554982A
公开(公告)日：2024-02-13
申请号：CN202311445479.5
申请日：2023-11-02
Applicant: 北京理工大学
Abstract: 本发明公开了一种多传感器在线外参标定装置的构建以及标定方法，包括以下步骤：对若干个内表面涂有不同性质涂层的角反射器进行排列组合，构建标定装置；基于所述标定装置，利用多传感器分别获取角反射器内部顶点点集；对各个传感器获取的角反射器内部顶点点集进行两两匹配，获得多传感器两两之间的外参参数；对所述外参参数进行筛选，获得最优外参参数，基于所述最优外参参数实现外参标定。本发明能够高精度地提供激光雷达、毫米波雷达、相机、红外相机四类常见传感器外参标定中所需要的特征点，轮廓特征，能够满足四类传感器之间两两配准，实现外参标定。
-
公开(公告)号：CN110993100A
公开(公告)日：2020-04-10
申请号：CN201911075541.X
申请日：2019-11-06
Applicant: 北京理工大学
Abstract: 一种青少年儿童近视预测系统的缺失值填补方法，包括：填补眼科数据中的非屈光度数据；筛选一年级屈光度数据样本和二年级屈光度未缺失的数据样本；将二年级屈光度作为要拟合的标签数据，从一年级屈光度数据中选取特征，得到特征子集；利用机器学习方法构建回归模型进行拟合；选取拟合效果最佳的机器学习模型；将二年级屈光度缺失的数据样本输入模型，用预测值进行填补得到二年级的完整屈光度数据；依此类推，利用当前年级的屈光度数据填补下一年级的屈光度数据，本发明还提供了一种使用该方法的青少年儿童近视预测系统以及管理平台，本发明方法的特点是引入GBRT对缺失数据进行填补，使得填补的结果更加接近真实的情况，可提升多年后的预测准确率。
-
公开(公告)号：CN110993100B
公开(公告)日：2023-01-03
申请号：CN201911075541.X
申请日：2019-11-06
Applicant: 北京理工大学
Abstract: 一种青少年儿童近视预测系统的缺失值填补方法，包括：填补眼科数据中的非屈光度数据；筛选一年级屈光度数据样本和二年级屈光度未缺失的数据样本；将二年级屈光度作为要拟合的标签数据，从一年级屈光度数据中选取特征，得到特征子集；利用机器学习方法构建回归模型进行拟合；选取拟合效果最佳的机器学习模型；将二年级屈光度缺失的数据样本输入模型，用预测值进行填补得到二年级的完整屈光度数据；依此类推，利用当前年级的屈光度数据填补下一年级的屈光度数据，本发明还提供了一种使用该方法的青少年儿童近视预测系统以及管理平台，本发明方法的特点是引入GBRT对缺失数据进行填补，使得填补的结果更加接近真实的情况，可提升多年后的预测准确率。
-
公开(公告)号：CN111008700A
公开(公告)日：2020-04-14
申请号：CN201911196681.2
申请日：2019-11-29
Applicant: 北京理工大学
IPC: G06N3/08
Abstract: 一种基于三联体编码的神经网络进化方法，步骤1，初始化一个指定规模的种群，种群中每一个个体都是一个由三联体构成的DNA序列；步骤2，将每一个DNA解码成神经网络并进行适应度计算，如果该种群内存在可解决目标问题的个体，则根据适应度解码最优个体的DNA获得目标网络，并结束进化，否则进入下一步；步骤3，先将个体按照适应度值排序，优先复制最佳个体到新种群，然后在旧种群里通过轮盘赌算法选择两个个体进行重组交叉变异操作，得到的新个体放入新种群，该操作一直重复到种群规模达到指定数量，然后返回步骤2。本发明还提供了一种基于三联体编码的神经网络进化系统，解决了现有进化算法在网络生成效率、网络交叉、重组等方面存在的技术缺陷。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.022 seconds)
