-
公开(公告)号：CN119559259A
公开(公告)日：2025-03-04
申请号：CN202311113474.2
申请日：2023-08-31
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06T7/80 , G06K7/14 , G06K19/077 , G06T3/4038 , G06F17/11 , G01S7/497 , G01S7/40
Abstract: 本申请公开了一种基于标定系统的车辆传感器标定方法、系统、装置及介质，涉及自动驾驶领域，解决对车辆传感器标定效率低下的问题。该方案中，在待标定车辆满足第一标定条件时，控制全站仪对标定装置进行扫描，得到第一数据；在满足第二标定条件时，控制待标定车辆上的各个传感器对标定装置进行采集，得到第二数据；根据第一数据得到标定先验信息，并根据标定先验信息及第二数据对待标定车辆上的各个传感器进行标定。可见，本申请中使用全站仪和多个标定装置可以大大减少标定过程的人员需求和时间消耗。这样可以降低标定成本，并且便于进行量产，提高生产效率。
-
公开(公告)号：CN116861261B
公开(公告)日：2024-01-19
申请号：CN202311127103.X
申请日：2023-09-04
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06F18/214 , G06N3/0464 , G06N3/084 , G06N3/094 , G06V10/774 , G06V10/80 , G06V10/82 , G06F18/25 , G01S13/86 , G01S13/931 , G01S15/86 , G01S15/931 , G01S17/86 , G01S17/931
Abstract: 本发明提供一种自动驾驶模型的训练方法、部署方法、系统、介质和设备，涉及机器学习领域，包括：获取数据集；数据集中的样本包括正常场景数据和干扰场景数据；从数据集中选取第一正常场景样本和第一干扰场景样本，利用第一算法训练得到第一感知模型；从数据集中选取第二正常场景样本和第二干扰场景样本，利用第二算法结合第一感知模型使用干扰特征知识蒸馏方法和元网络对抗知识蒸馏方法，训练得到第二感知模型；将第二感知模型部署至自动驾驶系统中。本发明能避免高质量特征和低质量特征同时被蒸馏，提升了知识蒸馏的效果，便于对第二感知模型中低质量的抗干扰特征进行针对性的知(56)对比文件Qi Deng 等.Context-Enhanced Meta-Reinforcement Learning with Data-ReusedAdaptation for Urban AutonomousDriving.IEEE.2023,全文.Qi Deng 等.Context-Aware Meta-RL withTwo-Stage Constrained Adaptation forUrban Driving.IEEE.2023,全文.Ruyang Li 等.Deep ReinforcementLearning with Noisy Exploration forAutonomous Driving.ICMLSC.2022,全文.张燕咏;张莎;张昱;吉建民;段逸凡;黄奕桐;彭杰;张宇翔.基于多模态融合的自动驾驶感知及计算.计算机研究与发展.2020,(第09期),全文.
-
公开(公告)号：CN116822659A
公开(公告)日：2023-09-29
申请号：CN202311110625.9
申请日：2023-08-31
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06N20/00 , G06F18/214
Abstract: 本发明公开了一种自动驾驶运动技能学习方法、系统、设备及计算机介质，应用于自动驾驶领域，获取目标对象在当前轮自动驾驶训练过程中的目标驾驶数据，目标驾驶数据包括目标驾驶状态、第一运动技能参数、第二运动技能参数、目标奖励函数值；基于目标驾驶数据对驾驶策略生成网络进行训练，得到当前轮训练好的驾驶策略生成网络；其中，第一运动技能参数包括驾驶策略生成网络生成的运动技能参数；第二运动技能参数包括人工控制下生成的运动技能参数；目标奖励函数值包括对目标驾驶状态和运动技能参数进行匹配度评价后生成的值；运动技能参数包括轨迹参数和速度曲线参数。提高了模型训练的安全性、效率和准确性，适用性好。
-
公开(公告)号：CN119027903A
公开(公告)日：2024-11-26
申请号：CN202310610246.X
申请日：2023-05-26
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06V20/58 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种目标检测方法、装置、电子设备及可读存储介质，涉及机器学习技术领域，旨在解决传统目标检测技术中由于图像特征深度估计不准确导致的目标检测结果不准确的问题，方法包括：对目标图像进行特征提取，获得图像特征；利用预设深度预测模型对所述图像特征进行处理，获得所述图像特征的深度分布；其中，所述预设深度预测模型基于预设深度分布损失函数监督训练得到，所述预设深度分布损失函数包括前景深度分布一致性损失函数、前景区域深度分布熵减约束、混淆区域深度分布熵增约束中的一种或多种的组合；利用所述深度分布将所述图像特征转换为图像鸟瞰图特征；对所述图像鸟瞰图特征进行目标检测，获得目标检测结果。
-
Patent Agency Ranking
公开(公告)号：CN119068296A
公开(公告)日：2024-12-03
申请号：CN202310651391.2
申请日：2023-06-02
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/09
Abstract: 本发明涉及目标检测技术领域，公开了一种目标检测模型训练方法、目标检测方法、装置及设备，训练方法包括：将各模态在同一视图下的训练数据特征进行融合，得到训练融合特征；在视图下对训练集中的样本进行前景区域标注，利用训练融合特征及前景区域标注结果训练第一前景感知模型；利用第一前景感知模型及训练融合特征得到多模态训练前景热度图；利用多模态训练前景热度图和训练融合特征得到前景增强的训练融合特征；利用前景增强的训练融合特征训练得到目标检测模型。本发明公开的技术方案，利用第一前景感知模型对前景区域进行感知得到前景热度图，利用前景热度图对训练融合特征中的前景进行增强，提升对前景背景的区分能力，提高目标检测精度。
-
公开(公告)号：CN117647820A
公开(公告)日：2024-03-05
申请号：CN202311610658.X
申请日：2023-11-29
Applicant: 浪潮(北京)电子信息产业有限公司
Abstract: 本发明涉及停车管理技术领域，公开了一种泊位信息的获取方法、装置、设备和存储介质，获取道路对应的道路图像和道路点云数据；基于道路图像和道路点云数据、相机坐标和激光雷达坐标对应的坐标系变换方式，确定出相机与激光雷达之间的标定参数。根据各泊位角点标定球对应的点云数据，确定出各泊位角点标定球的球心三维坐标；依据各泊位角点标定球的球心三维坐标以及激光雷达坐标，确定出泊位角点三维坐标信息。按照标定参数包括的第一旋转矩阵和第一标定向量，对泊位角点三维坐标信息进行坐标变换，得到泊位角点图像坐标信息。基于泊位角点三维坐标信息和泊位角点图像坐标信息，进行泊位标定。提升了泊位信息获取的准确性，实现了泊位的准确标定。
-
公开(公告)号：CN116822659B
公开(公告)日：2024-01-23
申请号：CN202311110625.9
申请日：2023-08-31
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06F18/214 , G06N3/0464 , G06N3/092 , G06F16/2455 , G06F18/22
Abstract: 本发明公开了一种自动驾驶运动技能学习方法、系统、设备及计算机介质，应用于自动驾驶领域，获取目标对象在当前轮自动驾驶训练过程中的目标驾驶数据，目标驾驶数据包括目标驾驶状态、第一运动技能参数、第二运动技能参数、目标奖励函数值；基于目标驾驶数据对驾驶策略生成网络进行训练，得到当前轮训练好的驾驶策略生成网络；其中，第一运动技能参数包括驾驶策略生成网络生成的运动技能参数；第二运动技能参数包括人工控制下生成的运动技能参数；目标奖励函数值包括对目标驾驶状态和运动技能参数进行匹配度评价后生成的值；运动技能参数包括轨迹参数和速度曲线参数。提高了模型训练的
-
公开(公告)号：CN117671616A
公开(公告)日：2024-03-08
申请号：CN202311616140.7
申请日：2023-11-29
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06V20/54 , G01S7/41 , G06V10/80 , G06V10/762
Abstract: 本发明涉及路侧感知技术领域，公开了一种目标识别方法、装置、设备和存储介质，获取道路场景对应的历史点云数据、获取当前时间下道路场景对应的当前点云数据以及当前图像；根据可行驶三维空间范围、雷达标定参数以及历史点云数据，对当前点云数据进行滤波处理，以得到待识别点云数据；根据BEV融合感知算法对当前图像以及待识别点云数据进行分析，以得到初始目标检测结果；按照设定的多个距离阈值对待识别点云数据进行多尺度聚类处理，以确定出目标三维包罗框；对目标三维包罗框以及初始目标检测结果进行结果整合，以得到最终的目标检测结果；目标检测结果包含识别出的车辆类型及其对应的三维包罗框，保证了在路侧复杂场景下对目标的准确识别。
-
公开(公告)号：CN116861261A
公开(公告)日：2023-10-10
申请号：CN202311127103.X
申请日：2023-09-04
Applicant: 浪潮(北京)电子信息产业有限公司
IPC: G06F18/214 , G06N3/0464 , G06N3/084 , G06N3/094 , G06V10/774 , G06V10/80 , G06V10/82 , G06F18/25 , G01S13/86 , G01S13/931 , G01S15/86 , G01S15/931 , G01S17/86 , G01S17/931
Abstract: 本发明提供一种自动驾驶模型的训练方法、部署方法、系统、介质和设备，涉及机器学习领域，包括：获取数据集；数据集中的样本包括正常场景数据和干扰场景数据；从数据集中选取第一正常场景样本和第一干扰场景样本，利用第一算法训练得到第一感知模型；从数据集中选取第二正常场景样本和第二干扰场景样本，利用第二算法结合第一感知模型使用干扰特征知识蒸馏方法和元网络对抗知识蒸馏方法，训练得到第二感知模型；将第二感知模型部署至自动驾驶系统中。本发明能避免高质量特征和低质量特征同时被蒸馏，提升了知识蒸馏的效果，便于对第二感知模型中低质量的抗干扰特征进行针对性的知识蒸馏，有效提升了第二感知模型的鲁棒性。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.036 seconds)
