-
公开(公告)号:CN114419605B
公开(公告)日:2022-07-19
申请号:CN202210317048.X
申请日:2022-03-29
Applicant: 之江实验室
IPC: G06V20/58 , G06V10/40 , G06V10/774 , G06V10/80 , G06V10/82 , G06K9/62 , G06T3/00 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多网联车空间对齐特征融合的视觉增强方法及系统,该方法利用网联车自身及其周围一定范围内的网联车视觉特征,空间对齐后基于多特征自学习机制进行特征融合,实现网联车的视觉扩展和增强。本发明设计了一个基于多特征自学习机制的网络单元,在收到周围一定范围内的网联车压缩中间特征图后,综合利用网联车的世界坐标和前进方向间的夹角大小,对解压缩后的中间特征图进行仿射变换,并将变换对齐后的特征图利用基于多特征自学习机制的网络单元进行特征融合,去除冗余特征的同时实现特征间的互补和增强。利用融合后的中间特征检测出网联车自身视角下以及被部分遮挡或全部遮挡的目标障碍物,从而提高网联车驾驶的安全性。
-
公开(公告)号:CN114625174A
公开(公告)日:2022-06-14
申请号:CN202210511552.3
申请日:2022-05-12
Applicant: 之江实验室
IPC: G05D1/10
Abstract: 本发明公开了一种基于V2X的车载无人机控制方法和装置,包括以下步骤:步骤S1:采集原始交通数据,并发送至路侧边缘计算单元MEC;步骤S2:生成结构化交通数据;步骤S3:进行周期性广播;步骤S4:得到无人机起飞等级;步骤S5:通过所述智能网联车设置的无人机伴飞灵敏度等级和所述无人机起飞等级,决定最终无人机控制策略;步骤S6:若所述无人机处于飞行状态并到达指定位置,所述无人机向所述智能网联车回传前方交通鸟瞰视频数据。本发明使用V2X技术对车载无人机进行智能调度,使车载无人机做到按需飞行、及时充电,充分提高了车载无人机使用效率,同时避免因操控无人机导致的精力分散,有助于驾驶员专注车辆驾驶。
-
公开(公告)号:CN114419605A
公开(公告)日:2022-04-29
申请号:CN202210317048.X
申请日:2022-03-29
Applicant: 之江实验室
IPC: G06V20/58 , G06V10/40 , G06V10/774 , G06V10/80 , G06V10/82 , G06K9/62 , G06T3/00 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多网联车空间对齐特征融合的视觉增强方法及系统,该方法利用网联车自身及其周围一定范围内的网联车视觉特征,空间对齐后基于多特征自学习机制进行特征融合,实现网联车的视觉扩展和增强。本发明设计了一个基于多特征自学习机制的网络单元,在收到周围一定范围内的网联车压缩中间特征图后,综合利用网联车的世界坐标和前进方向间的夹角大小,对解压缩后的中间特征图进行仿射变换,并将变换对齐后的特征图利用基于多特征自学习机制的网络单元进行特征融合,去除冗余特征的同时实现特征间的互补和增强。利用融合后的中间特征检测出网联车自身视角下以及被部分遮挡或全部遮挡的目标障碍物,从而提高网联车驾驶的安全性。
-
公开(公告)号:CN113257005A
公开(公告)日:2021-08-13
申请号:CN202110708750.4
申请日:2021-06-25
Applicant: 之江实验室
Abstract: 本发明公开了一种基于关联度量的车流量统计方法,该方法基于高速道路路侧监控视频,采用视觉分析方法,统计通过虚拟断面的车流量。本发明引入基于深度学习的车辆检测方法,在连续视频帧中对运动车辆外框进行准确贴合的检测,通过提出一种融合前后视频帧中运动车辆的位置重叠度和基于车辆检测框子区域的特征向量的特征匹配度这两个度量因子的关联度量,分析运动车辆在前后帧的关联关系,从而实现对经过虚拟断面车辆的持续稳定跟踪,减少由于车辆换道、互相遮挡造成的统计结果不准的问题。本发明提出了一种基于关联度量的车流量统计方法,有效统计出通过高速道路虚拟断面的车流量,为高速道路路网管理和交通精准管控提供可靠依据。
-
公开(公告)号:CN112562337A
公开(公告)日:2021-03-26
申请号:CN202011455350.9
申请日:2020-12-10
Applicant: 之江实验室
Abstract: 本发明公开一种基于深度学习的高速公路实时交通事故风险评估方法,该方法首先使用ETC门架、高速互通、收费站的基础信息,为高速公路划分路段,并建立路段间的上下游关联关系;并分别计算各路段的车流量、车流速度与车流密度,获取道路信息、气象信息和事故信息,并将其转换为独热编码,然后对事故发生点的上下游路段对应的四类信息进行数据融合、数据重采样和标准化;再根据获取的数据,区分其中的时序特征和非时序特征,构建并训练深度学习模型;最后根据训练好的深度学习模型,对高速公路各路段发生交通事故的风险水平进行实时评估,计算获得事故风险水平指标。本发明可及时准确地对高速公路交通事故风险水平进行评估。
-
公开(公告)号:CN111932918B
公开(公告)日:2020-12-18
申请号:CN202011093467.7
申请日:2020-10-14
Applicant: 之江实验室
IPC: G08G1/09 , G08G1/0967
Abstract: 本发明涉及一种面向智能网联车的交通信号灯信息融合决策方法,该方法中路口交通信号灯状态信息通过网络对外周期广播,在网络通信范围内的智能网联车接收该信息,同时接收其他智能网联车对该信息的可信度反馈,最后将智能网联车自身感知的交通信号灯信息、网络发送的交通信号灯信息以及其他智能网联车的反馈信息三者进行融合决策,得到更高可靠和准确的交通信号灯信息。该方法对交通信号灯信息在单车上进行多重验证的同时,引入周围智能网联车的反馈验证,降低了信息在网络传输中被篡改的风险,提高了网络传输交通信号灯信息的可靠性,使得智能网联车可以获得更高可靠和准确的交通信号灯信息,大幅度提高了智能网联车在路口的安全通行能力。
-
公开(公告)号:CN113763569B
公开(公告)日:2024-10-01
申请号:CN202111003690.2
申请日:2021-08-30
Applicant: 之江实验室
Abstract: 本发明公开了一种在三维仿真中使用的图像标注方法及装置、电子设备,所述方法包括:构建三维场景,所述三维场景中包含有目标物体、虚拟摄像头及遮挡物体;通过虚拟摄像头获取视野范围内的图像;判断所述目标物体是否在所述虚拟摄像头的视野内,如果所述目标物体在所述虚拟摄像头的视野中,则生成目标物体的检测点;如果有任一所述检测点未被所述遮挡物体遮挡,则对所述图像中的目标物体进行标注。
-
公开(公告)号:CN117765534A
公开(公告)日:2024-03-26
申请号:CN202311743990.3
申请日:2023-12-18
Applicant: 之江实验室
IPC: G06V20/70 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于困难样本挖掘的交通图像自动标注方法和装置,在通用交通图像数据集上训练初始标注模型;基于初始标注模型和通用交通图像数据集训练困难样本标注模型;接入终端采集的视频流数据并进行抽帧操作;在视频帧中抽帧得到不同的图像样本,当困难样本标注模型检测出未检出的困难标注区域时,将该图像样本标记为困难图像样本并存储;通过适当增大困难图像样本在困难样本数据集中的占比,从而增强困难样本标注模型的标注能力,直到准确率超过95%,此时困难样本标注模型作为最终的样本标注模型;本发明降低了交通图像中困难图像样本的筛选成本。持续优化困难样本标注模型,提高了困难图像样本筛选效率。最终提高交通图像标注的模型精度,极大节省了人工标注所需要的人力物力。
-
公开(公告)号:CN117037120B
公开(公告)日:2024-02-09
申请号:CN202311299185.6
申请日:2023-10-09
Applicant: 之江实验室
Abstract: 本发明公开了一种基于时序选择的目标感知方法及装置,基于时序选择机制,判断时序点云数据的目标掩码图中是否存在当前时刻点云数据中未检测出的目标,选择出有效的时序点云数据,并基于一个时序特征自学习网络单元,自适应的和当前点云特征互补融合,利用融合后的特征检测生成目标感知信息。本发明通过仿射变换矩阵将当前时刻和历史时序点云数据进行空间对齐,利用位置预测网络单元获取对齐后点云数据的带有目标初始位置信息的索引特征,并对高斯滤波后的索引特征采用局部最大值判断方式进一步生成目标掩码图。本发明利用有效时序特征互补,解决现有的感知方法不能连续准确检测出扫描不完整或缺失点云目标的问题,提升自动驾驶安全性能。
-
公开(公告)号:CN116896436B
公开(公告)日:2024-02-09
申请号:CN202311164796.X
申请日:2023-09-11
Applicant: 之江实验室
Abstract: 本发明公开了一种基于改进差分进化算法的灵活以太网时隙分配方法及装置。针对多业务混合的设备内部时隙交叉场景,为了尽可能地降低业务传输时延和抖动,本发明基于灵活以太网小颗粒时隙分配原则,设计了面向全局时延和抖动性能的适应度函数,采用融合正弦余弦算法和模拟退火算法的改进差分进化算法求解最优的时隙交叉策略。本发明所提出的算法能够在问题求解时增加全局搜索能力,避免算法陷入局部最优情况,满足多业务灵活应用场景最小化抖动和最小化时延的网络传输目标需求,显著提高网络传输性能。
-
-
-
-
-
-
-
-
-