-
公开(公告)号：CN111461221B
公开(公告)日：2023-05-23
申请号：CN202010250235.1
申请日：2020-04-01
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V10/80 , G06V10/764 , G06V10/82 , G06V10/766 , G06N3/0464 , G06N3/047 , G06N3/08 , G06V20/56
Abstract: 本发明涉及目标检测技术领域，具体涉及一种面向自动驾驶的多源传感器融合目标检测方法和系统，主要应用于自动驾驶三维目标检测领域，在尽可能不增加算法时间复杂度和空间复杂度的前提下，提高三维目标检测的精度。该目标检测方法包括：通过传感器分别设备获取待检测的图像信息和点云信息，利用本发明提出的特征提取网络对信息进行特征提取并融合，确定目标可能所在位置，通过DRPN(串行区域提名网络)网络对目标和背景进行分类，尽可能提高了分类精度。利用回归网络进一步判断，获取目标的类别信息。通过本发明的特征提取网络、区域提名网络和分类回归网络，可以准确地识别出目标类别，提高目标检测的精准度。
-
Patent Agency Ranking
公开(公告)号：CN111461221A
公开(公告)日：2020-07-28
申请号：CN202010250235.1
申请日：2020-04-01
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明涉及目标检测技术领域，具体涉及一种面向自动驾驶的多源传感器融合目标检测方法和系统，主要应用于自动驾驶三维目标检测领域，在尽可能不增加算法时间复杂度和空间复杂度的前提下，提高三维目标检测的精度。该目标检测方法包括：通过传感器分别设备获取待检测的图像信息和点云信息，利用本发明提出的特征提取网络对信息进行特征提取并融合，确定目标可能所在位置，通过DRPN(串行区域提名网络)网络对目标和背景进行分类，尽可能提高了分类精度。利用回归网络进一步判断，获取目标的类别信息。通过本发明的特征提取网络、区域提名网络和分类回归网络，可以准确地识别出目标类别，提高目标检测的精准度。
-
公开(公告)号：CN110071890A
公开(公告)日：2019-07-30
申请号：CN201910335891.9
申请日：2019-04-24
Applicant: 哈尔滨工业大学(深圳)
Abstract: 一种低峰均比FBMC-OQAM信号处理方法和系统，是基于DFT预编码来降低FBMC-OQAM信号峰均比的基带信号处理方法和系统。通过将分组后的预传输数据映射为满足特定共轭对称特性的数据序列，再采用DFT进行预编码可以将映射得到的共轭对称数据序列转化为满足OQAM调制实正交要求的实虚交替排列的数据序列，因此该预编码后的数据序列可以直接映射到对应的子载波上进行IFFT子载波调制和滤波。通过该系统和信号处理方法，避免了在DFT预编码和子载波调制IFFT之间进行额外的将复数的实虚部进行分离的OQAM预处理操作。因此通过该系统和信号处理方法可以借助DFT预编码使得FBMC-OQAM系统的发射信号恢复单载波特性，进而可以显著的降低FBMC-OQAM发射信号的峰均比。
-
公开(公告)号：CN110071890B
公开(公告)日：2021-11-02
申请号：CN201910335891.9
申请日：2019-04-24
Applicant: 哈尔滨工业大学(深圳)
Abstract: 一种低峰均比FBMC‑OQAM信号处理方法和系统，是基于DFT预编码来降低FBMC‑OQAM信号峰均比的基带信号处理方法和系统。通过将分组后的预传输数据映射为满足特定共轭对称特性的数据序列，再采用DFT进行预编码可以将映射得到的共轭对称数据序列转化为满足OQAM调制实正交要求的实虚交替排列的数据序列，因此该预编码后的数据序列可以直接映射到对应的子载波上进行IFFT子载波调制和滤波。通过该系统和信号处理方法，避免了在DFT预编码和子载波调制IFFT之间进行额外的将复数的实虚部进行分离的OQAM预处理操作。因此通过该系统和信号处理方法可以借助DFT预编码使得FBMC‑OQAM系统的发射信号恢复单载波特性，进而可以显著的降低FBMC‑OQAM发射信号的峰均比。
-
公开(公告)号：CN109461311A
公开(公告)日：2019-03-12
申请号：CN201811557898.7
申请日：2018-12-19
Applicant: 哈尔滨工业大学(深圳)
Abstract: 一种面向智能交通和智能驾驶的路网交通流时空预测方法，其主要包括：获取步骤、编码步骤、译码步骤和预测步骤，从而根据预测图信号获得预测时间段内的公路网络的交通流。一方面，由于在编码步骤和译码步骤中分别构建了倒齿形扩散卷积循环模块，使得卷积层中保留一个状态变量，有助于减少维护的状态变量数，通过倒齿形的循环走向可优化状态变量的卷积扩散过程，而且，重新构造的扩散卷积循环处理过程能够实现在同一时刻进行两次状态更新的操作，可增强时间短期依赖性；另一方面，由于在编译步骤中将日周期图信号和周周期图信号作为了译码处理的考虑因素，使得依据信息不再单一，可有效抑制累进学习过程可能引入的噪声，从而提高预测图信号的预测准确度。
-
公开(公告)号：CN109461311B
公开(公告)日：2020-11-10
申请号：CN201811557898.7
申请日：2018-12-19
Applicant: 哈尔滨工业大学(深圳)
Abstract: 一种面向智能交通和智能驾驶的路网交通流时空预测方法，其主要包括：获取步骤、编码步骤、译码步骤和预测步骤，从而根据预测图信号获得预测时间段内的公路网络的交通流。一方面，由于在编码步骤和译码步骤中分别构建了倒齿形扩散卷积循环模块，使得卷积层中保留一个状态变量，有助于减少维护的状态变量数，通过倒齿形的循环走向可优化状态变量的卷积扩散过程，而且，重新构造的扩散卷积循环处理过程能够实现在同一时刻进行两次状态更新的操作，可增强时间短期依赖性；另一方面，由于在编译步骤中将日周期图信号和周周期图信号作为了译码处理的考虑因素，使得依据信息不再单一，可有效抑制累进学习过程可能引入的噪声，从而提高预测图信号的预测准确度。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
