公开(公告)号：CN115100741B

公开(公告)日：2024-07-30

申请号：CN202210678837.6

申请日：2022-06-16

Applicant: 清华大学

Inventor： 胡坚明 ,  李星宇 ,  刘晗韬 ,  裴欣 ,  彭黎辉

IPC: G06V40/20 ,  G06V40/10 ,  G06V10/82 ,  G06V10/80 ,  G06V10/774 ,  G06V10/762 ,  G06V10/22

Abstract: 本发明涉及一种点云行人距离风险检测方法、系统、设备和介质，包括以下步骤：对获取的点云数据及图像数据进行预处理，得到三维BEV图像；使用训练后的YOLOv3网络模型对生成的三维BEV图像进行特征提取和目标检测，得到BEV图像上的行人的二维检测框；基于相邻帧的目标检测结果对各个行人的风险进行判定，并对判定结果进行显示。本发明可以广泛应用于点云检测与跟踪领域。

公开(公告)号：CN117437632A

公开(公告)日：2024-01-23

申请号：CN202311536918.3

申请日：2023-11-17

Applicant: 清华大学

Inventor： 胡坚明 ,  张羽昂 ,  李星宇 ,  刘晗韬

IPC: G06V20/64 ,  G06V10/25 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/80

Abstract: 本发明涉及一种多模态三维目标检测方法和系统，包括以下步骤：获取目标车辆采集的图像数据和三维点云数据并进行预处理；将预处理后目标车辆的图像数据和三维点云数据输入预先建立的多模态三维目标检测模型进行处理，得到三维目标检测框预测结果。本发明方法将Pointpillars与ResNet、CNN(卷积神经网络)等算法相结合，来完成基于图像数据和点云数据的高精度、高效率、适应性强的多模态三维目标检测。因此，本发明可以广泛应用于融合感知与多模态三维目标检测领域。

公开(公告)号：CN115100741A

公开(公告)日：2022-09-23

申请号：CN202210678837.6

申请日：2022-06-16

Applicant: 清华大学

Inventor： 胡坚明 ,  李星宇 ,  刘晗韬 ,  裴欣 ,  彭黎辉

IPC: G06V40/20 ,  G06V40/10 ,  G06V10/82 ,  G06V10/80 ,  G06V10/774 ,  G06V10/762 ,  G06V10/22

Abstract: 本发明涉及一种点云行人距离风险检测方法、系统、设备和介质，包括以下步骤：对获取的点云数据及图像数据进行预处理，得到三维BEV图像；使用训练后的YOLOv3网络模型对生成的三维BEV图像进行特征提取和目标检测，得到BEV图像上的行人的二维检测框；基于相邻帧的目标检测结果对各个行人的风险进行判定，并对判定结果进行显示。本发明可以广泛应用于点云检测与跟踪领域。