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

Inventor： 张恒 ,  李茹杨 ,  沈鸿翔 ,  张腾飞 ,  邓琪

IPC: G01S17/89 ,  G08G1/14 ,  G06T7/73 ,  G06T7/80 ,  G01S17/86 ,  G01S17/06 ,  G01C21/00 ,  G01C21/34

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：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

Inventor： 赵雅倩 ,  张恒 ,  李茹杨 ,  沈鸿翔 ,  张腾飞 ,  邓琪

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

Inventor： 张腾飞 ,  李茹杨 ,  沈鸿翔 ,  张恒 ,  邓琪

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。

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

Inventor： 张腾飞 ,  李茹杨 ,  沈鸿翔 ,  张恒 ,  邓琪

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.