公开(公告)号：CN112613450B

公开(公告)日：2023-08-04

申请号：CN202011598084.5

申请日：2020-12-29

Applicant: 清华大学

Inventor： 赵妍 ,  朱纪洪 ,  匡敏驰 ,  张赛特 ,  罗东琦 ,  叶梓轩 ,  刘彬彬

IPC: G06V20/64 ,  G06V10/762 ,  G06V10/764 ,  G06V10/766 ,  G06V10/77 ,  G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/0475 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提出了一种增强在困难样本上表现的3D目标检测方法。包括以下步骤：1.将点云进行体素化，然后对这些体素进行特征提取；2.使用3D目标检测网络根据特征图得到一系列的目标建议框；3.预测每个候选框内的点的个数所属的类别以及该候选框的中心点和框内所有点的坐标的平均值之间的单位距离向量，使用辅助损失模块进行分类和回归；4.对损失函数进行优化，进行前背景的分类，中心点位置、形状和转向角的回归，以及物体朝向的二分类，得到最终的3D目标检测结果。本发明有效提高了对于内部点云数过少以及内部点云分布过于不均匀的困难样本的检测性能，解决了基于点云的3D目标检测在远距离、被遮挡和过偏的转向角的情况下表现较差的问题。

公开(公告)号：CN111446998B

公开(公告)日：2021-09-14

申请号：CN201911000565.9

申请日：2019-10-21

Applicant: 清华大学

Inventor： 罗东琦 ,  司宾强 ,  朱纪洪

IPC: H04B7/08

Abstract: 基于深度学习的波达方向估计方法。对波达方向的范围进行离散化并编号，将天线阵列每个阵元接收到的窄带信号依顺序排列得到阵列信号矢量，将阵列信号矢量的希尔伯特变换作为虚部，原窄带信号作为实部，得到其解析信号矢量。将解析信号矢量每个元素的实部和虚部分别视作一个信号通道，输入到一个预先训练好的一维深度卷积神经网络提取信号特征，将信号特征输入到一个全连接神经网络，对输出取softmax函数并归一化，得到期望信号波达方向为编号对应方向的概率。本发明能够适用于期望信号与干扰信号到达方向与强度完全未知的情形，能自适应地寻找期望信号的波达方向，具有很高的准确性、快速性、可信性和鲁棒性。

公开(公告)号：CN110890911A

公开(公告)日：2020-03-17

申请号：CN201911000073.X

申请日：2019-10-21

Applicant: 清华大学

Inventor： 罗东琦 ,  司宾强 ,  朱纪洪

IPC: H04B7/06 ,  H04B7/08

Abstract: 基于支持向量回归的鲁棒自适应波束合成方法。将接收到的阵列信号表示成复包络列向量的形式，并依次排成数据矩阵形式。将预测误差的平均值作为最小化目标，计算阵列信号向量的协方差矩阵作为正则项的加权矩阵，将原鲁棒自适应波束合成问题转化为一个复空间上的支持向量机回归问题。利用Wirtinger导数和拉格朗日乘子法计算问题的最优解并求得其封闭形式，并提出一种递归算法用于实时处理。本发明能够适用于期望信号方向不准确以及数据量偏小的情形，能自适应地、实时地寻找最优的波束合成向量，具有很高的准确性、快速性、可信性和鲁棒性。