-
公开(公告)号：CN110443841A
公开(公告)日：2019-11-12
申请号：CN201810410773.5
申请日：2018-05-02
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06T7/55
Abstract: 本发明公开了一种地面深度的测量方法、装置及系统，属于图像处理技术领域。所述方法包括：通过指定有监督学习网络处理针对目标区域拍摄的左图像和右图像，以确定每个视差点对应的位置点的地面深度。由于该指定有监督学习网络是根据至少一个图像对、在每个图像对的视差图中标记的属于地面的多个视差点以及每个视差点对应的视差值训练得到，因此，当通过该指定有监督学习网络处理左图像和右图像时，该指定有监督学习网络实际上根据预先从标签中学习的特征输出目标视差图中的多个属于地面的视差点以及每个视差点的视差值，避免了仅仅基于像素点的像素值进行像素点匹配而导致出现匹配不唯一的情况，提高了测量地面深度的准确性。
-
公开(公告)号：CN112987713B
公开(公告)日：2024-08-13
申请号：CN201911298066.2
申请日：2019-12-17
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请公开了一种自动驾驶设备的控制方法、装置及存储介质，属于智能设备技术领域。包括：确定第一状态序列，第一状态序列包括全局环境信息；基于第一状态序列，通过第一神经网络模型确定当前目标点的位置概率分布；基于多个时刻对应的第二状态序列和位置概率分布，通过第二神经网络模型确定多个时刻对应的动作空间，并基于多个时刻对应的动作空间，控制自动驾驶设备行驶；其中，每个时刻对应的第二状态序列包括自动驾驶设备在每个时刻所处位置的周围的局部环境信息，每个时刻对应的动作空间用于指示每个时刻所要执行的动作。本申请可以避免多个自动驾驶设备发生拥堵的现象。
-
公开(公告)号：CN110335228B
公开(公告)日：2021-06-25
申请号：CN201810276957.7
申请日：2018-03-30
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本发明实施例提供了一种图像视差的确定方法、装置及系统，本实施例中利用无监督神经网络，确定多张图像间的视差，无监督神经网络利用损失函数进行训练，不需要真实视差作为监督，损失函数中包含一项或多项误差参数，训练过程中，误差参数逐渐变小，也就是确定视差的准确度变高，因此，应用本实施例确定的视差准确度较高。
-
公开(公告)号：CN112987713A
公开(公告)日：2021-06-18
申请号：CN201911298066.2
申请日：2019-12-17
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G05D1/02
Abstract: 本申请公开了一种自动驾驶设备的控制方法、装置及存储介质，属于智能设备技术领域。包括：确定第一状态序列，第一状态序列包括全局环境信息；基于第一状态序列，通过第一神经网络模型确定当前目标点的位置概率分布；基于多个时刻对应的第二状态序列和位置概率分布，通过第二神经网络模型确定多个时刻对应的动作空间，并基于多个时刻对应的动作空间，控制自动驾驶设备行驶；其中，每个时刻对应的第二状态序列包括自动驾驶设备在每个时刻所处位置的周围的局部环境信息，每个时刻对应的动作空间用于指示每个时刻所要执行的动作。本申请可以避免多个自动驾驶设备发生拥堵的现象。
-
公开(公告)号：CN113741412B
公开(公告)日：2023-09-01
申请号：CN202010477609.3
申请日：2020-05-29
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G05D1/02
Abstract: 本申请公开了一种自动驾驶设备的控制方法、装置及存储介质，属于智能设备技术领域。所述方法包括：基于在当前状态下获取的状态数据，通过策略决策模型，确定决策信息；根据所述决策信息，确定目标决策区域，所述目标决策区域为执行所述决策信息对应的决策所需占用的且与其他已被占用区域不重叠的区域；基于所述目标决策区域，控制所述自动驾驶设备行驶；并将自动驾驶设备形式过程中所得到状态数据，决策信息，决策区域用于强化学习算法训练学习，逐步提升策略模型性能，高效完成其路径规划任务。
-
Patent Agency Ranking
公开(公告)号：CN113741412A
公开(公告)日：2021-12-03
申请号：CN202010477609.3
申请日：2020-05-29
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G05D1/02
Abstract: 本申请公开了一种自动驾驶设备的控制方法、装置及存储介质，属于智能设备技术领域。所述方法包括：基于在当前状态下获取的状态数据，通过策略决策模型，确定决策信息；根据所述决策信息，确定目标决策区域，所述目标决策区域为执行所述决策信息对应的决策所需占用的且与其他已被占用区域不重叠的区域；基于所述目标决策区域，控制所述自动驾驶设备行驶；并将自动驾驶设备形式过程中所得到状态数据，决策信息，决策区域用于强化学习算法训练学习，逐步提升策略模型性能，高效完成其路径规划任务。
-
公开(公告)号：CN110443841B
公开(公告)日：2022-08-05
申请号：CN201810410773.5
申请日：2018-05-02
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06T7/55
Abstract: 本发明公开了一种地面深度的测量方法、装置及系统，属于图像处理技术领域。所述方法包括：通过指定有监督学习网络处理针对目标区域拍摄的左图像和右图像，以确定每个视差点对应的位置点的地面深度。由于该指定有监督学习网络是根据至少一个图像对、在每个图像对的视差图中标记的属于地面的多个视差点以及每个视差点对应的视差值训练得到，因此，当通过该指定有监督学习网络处理左图像和右图像时，该指定有监督学习网络实际上根据预先从标签中学习的特征输出目标视差图中的多个属于地面的视差点以及每个视差点的视差值，避免了仅仅基于像素点的像素值进行像素点匹配而导致出现匹配不唯一的情况，提高了测量地面深度的准确性。
-
公开(公告)号：CN110602474A
公开(公告)日：2019-12-20
申请号：CN201810505818.7
申请日：2018-05-24
Applicant: 杭州海康威视数字技术股份有限公司
IPC: H04N13/00
Abstract: 本申请实施例提供了一种图像视差的确定方法、装置及设备，方法包括：利用预先获取的相机参数，对多张待处理图像进行处理，得到多对双目图像；确定该多对双目图像的视差图、以及视差图之间的变换关系；根据该变换关系，对所确定的视差图进行融合，得到融合视差图；即使一个相机采集的图像中存在遮挡，但其他不存在遮挡的图像之间的视差图弥补了视差缺失，融合视差图中包含各张视差图像的信息，提高了所确定的视差准确度。
-
公开(公告)号：CN110533663A
公开(公告)日：2019-12-03
申请号：CN201810515532.7
申请日：2018-05-25
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06T7/10
Abstract: 本申请实施例提供了一种图像视差确定方法、装置、设备及系统，方法包括：利用预设损失函数，基于多对样本图像、以及该多对样本图像的分割结果，对预设结构的初始视差网络进行训练，得到视差网络模型，图像的分割结果包括：图像中每个像素点所属平面的信息；利用该视差网络模型确定图像视差，可以识别像素点所属的平面，对于一些弱纹理区域来说，识别其像素点所属的平面后，便可以较准确地确定弱纹理区域的视差图，因此，本方案提高了视差准确性。
-
公开(公告)号：CN110602474B
公开(公告)日：2022-07-05
申请号：CN201810505818.7
申请日：2018-05-24
Applicant: 杭州海康威视数字技术股份有限公司
IPC: H04N13/00
Abstract: 本申请实施例提供了一种图像视差的确定方法、装置及设备，方法包括：利用预先获取的相机参数，对多张待处理图像进行处理，得到多对双目图像；确定该多对双目图像的视差图、以及视差图之间的变换关系；根据该变换关系，对所确定的视差图进行融合，得到融合视差图；即使一个相机采集的图像中存在遮挡，但其他不存在遮挡的图像之间的视差图弥补了视差缺失，融合视差图中包含各张视差图像的信息，提高了所确定的视差准确度。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.089 seconds)
