-
公开(公告)号：CN114119850B
公开(公告)日：2022-06-03
申请号：CN202210090998.3
申请日：2022-01-26
Applicant: 之江实验室
IPC: G06T15/40
Abstract: 本发明涉及激光雷达点云仿真领域，尤其涉及一种虚实激光雷达点云的融合方法和装置，该方法首先获取真实场景中的激光雷达点云数据，然后构建虚拟场景，使用仿真激光雷达生成虚拟激光雷达点云数据，栅格化真实激光雷达点云数据，最后将栅格化的真实点云数据和虚拟点云数据通过深度缓存器算法写入到融合结果缓存中，将真实激光雷达点云数据和虚拟激光雷达点云数据精确融合，发挥了仿真模拟的高度动态性和灵活性，丰富了点云数据集，解决了感知算法等下游机器学习算法数据集不足的问题。
-
公开(公告)号：CN114218929B
公开(公告)日：2022-05-17
申请号：CN202210159700.X
申请日：2022-02-22
Applicant: 之江实验室
IPC: G06F40/253 , G06F40/284 , G06K9/62
Abstract: 一种基于元算子融合的多平台算子智能化开发系统及方法，包括：初始化器、元算子库预处理器、算子模板生成器、融合规则迭代器、算子融合器、调度策略优化器；初始化器：用于获取系统中内置的融合规则库和对应的元算子接口声明，然后将元算子接口声明转发到元算子库预处理器，将融合规则库转发到融合规则迭代器；由于算子融合器能够根据融合规则和对应的目标平台元算子，来生成目标平台的算子代码，和融合规则平台无关且易于描述，元算子的逻辑比较简单而且可以复用于多个算子。因此，本发明降低了算子开发的工程量和开发难度，且用户需要开发的算子越多，需要适配的平台越多，本发明的效果越明显。
-
公开(公告)号：CN114494248A
公开(公告)日：2022-05-13
申请号：CN202210337234.X
申请日：2022-04-01
Applicant: 之江实验室
Abstract: 本发明公开了一种基于点云和不同视角下的图像的三维目标检测系统及方法。首先处理原始点云数据，输出候选目标的三维包围盒以及点云特征张量；然后根据不同视角下多帧相机采集到的图像数据、每张图像的采集时间戳、点云采集设备和不同相机之间的标定参数、候选目标的三维包围盒，得到候选目标的图像特征张量；再将候选目标的点云特征张量和图像特征张量进行特征融合，得到融合后的特征张量；最后结合候选目标的融合后的特征张量和三维包围盒，得到目标的三维检测信息。本发明解决了多传感器融合产生的时间配准以及点云运动补偿等产生误差的问题，提高了三维目标检测的精度。
-
公开(公告)号：CN114322994A
公开(公告)日：2022-04-12
申请号：CN202210228899.7
申请日：2022-03-10
Applicant: 之江实验室
Abstract: 本发明公开了一种基于离线全局优化的多点云地图融合方法和装置，该方法包括：步骤1，适配基于GPS信息初始化的激光SLAM方法；步骤2，将需要用于点云融合的多个数据集，按照上述S1所述的在线激光SLAM方法依次获得多个点云地图；步骤3，离线加载各点云地图信息，并依次构建各点云地图的里程计因子，回环因子和GPS因子；步骤4，构建不同点云地图之间的互约束因子；步骤5，设定优化参数，进行全局优化，保存最终融合点云和所有关键帧信息。本发明方法相较于在线多点云地图融合的方法，提高了多点云地图融合的稳定性和可靠性，降低了算法实施的难度，无需顾及建图性能和运行实时性之间的平衡关系。
-
公开(公告)号：CN113918507B
公开(公告)日：2022-04-08
申请号：CN202111497148.7
申请日：2021-12-09
Applicant: 之江实验室
Abstract: 本发明的一种深度学习框架适配AI加速芯片的方法和装置，具体分为三个阶段：芯片类型定义、芯片类型注册、芯片内存支持，所述芯片类型定义就是把需要支持的芯片的类型以一个枚举值的形式定义到proto文件中去，从而使得框架内部可以正确识别该芯片类型；芯片类型注册是把该芯片所需的基础设施注册到哈希表中去，便于框架在需要的时候可以根据芯片类型方便地找到相应的内容；芯片内存支持是把该芯片内存相关的操作放到框架中去，使得框架可以对芯片的存储空间进行统一管理。本发明简化了深度学习框架适配AI加速芯片的工作。
-
Patent Agency Ranking
公开(公告)号：CN113824802B
公开(公告)日：2022-04-01
申请号：CN202111398769.X
申请日：2021-11-24
Applicant: 之江实验室
Abstract: 本发明公开了一种去中心化分布式训练拓扑结构，包括：所述拓扑结构为n维超方形拓扑结构，是封闭的、紧致的、凸的无向图，所述拓扑结构由有限非空节点集合和有限边集合组成，所述拓扑结构的1维骨架是由一群在其所在空间对准每个维度整齐排列的等长的线段组成的，其中相对的线段互相平行，而相交于一点的线段则互相正交，本发明聚焦于去中心化分布式性能训练，将训练任务“均匀化”，将训练任务负荷均匀地分配到分布式训练系统中各个训练节点上，系统性能不再取决于单一训练节点性能，具有迭代耗时短，数据本地化，通信有效性高的优点。
-
公开(公告)号：CN113870318B
公开(公告)日：2022-03-25
申请号：CN202111456208.0
申请日：2021-12-02
Applicant: 之江实验室
Abstract: 本发明公开了一种基于多帧点云的运动目标检测系统和方法，系统包括体素特征提取模块，将连续帧点云序列进行体素化，并提取特征张量序列；转换模块，对特征张量序列通过跨模态注意力模块进行匹配融合，将第一特征张量与第二特征张量融合，融合的结果再与第三特征张量融合，再将融合后的结果与第四特征张量融合，在以此类推，得到最终融合后的特征张量；跨模态注意力模块，将两个特征张量，根据注意力机制，通过卷积神经网络融合，得到融合后的特征张量；识别模块，对最终融合后的特征张量进行特征提取，输出目标的检测信息。方法包括：S1，构建各系统模块；S2，通过训练集数据，对模型进行训练；S3，通过训练好的模型进行预测。
-
公开(公告)号：CN113836386B
公开(公告)日：2022-03-25
申请号：CN202111410689.1
申请日：2021-11-25
Applicant: 之江实验室
IPC: G06F16/953 , G06F21/64 , H04L9/32
Abstract: 本发明提供了一种并行模式搜索空间构造系统和方法，该方法为：初始化输入逻辑张量；计算并输出逻辑张量真值；构造所有候选并行模式，确定输入和输出张量并行模式迭代内容；结合输入张量并行模式迭代内容，切分输入逻辑张量为物理张量；判断物理张量计算合法性，若合法，计算物理张量结果并输出；若非法，继续输入张量并行模式迭代过程；结合输出张量并行模式迭代内容，合并物理张量运算结果为逻辑张量；对比逻辑张量真值和逻辑张量，若相等，将该并行模式添加到合法并行模式搜索空间中，并直接继续输入张量并行模式迭代过程；若不相等，继续输出张量并行模式迭代过程，直到迭代完成后，重复所述以上步骤，直到所述输入张量并行模式迭代过程完成。
-
公开(公告)号：CN114119850A
公开(公告)日：2022-03-01
申请号：CN202210090998.3
申请日：2022-01-26
Applicant: 之江实验室
IPC: G06T15/40
Abstract: 本发明涉及激光雷达点云仿真领域，尤其涉及一种虚实激光雷达点云的融合方法和装置，该方法首先获取真实场景中的激光雷达点云数据，然后构建虚拟场景，使用仿真激光雷达生成虚拟激光雷达点云数据，栅格化真实激光雷达点云数据，最后将栅格化的真实点云数据和虚拟点云数据通过深度缓存器算法写入到融合结果缓存中，将真实激光雷达点云数据和虚拟激光雷达点云数据精确融合，发挥了仿真模拟的高度动态性和灵活性，丰富了点云数据集，解决了感知算法等下游机器学习算法数据集不足的问题。
-
公开(公告)号：CN114119426A
公开(公告)日：2022-03-01
申请号：CN202210090686.2
申请日：2022-01-26
IPC: G06T5/00
Abstract: 本发明公开了非局部低秩转换域与全连接张量分解图像重构方法及装置，包括：S1，输入待修复图像；S2，构建张量分解模型，包括：S2.1，分割输入图像，得到非局部张量块；S2.2，将非局部张量块引入B样条转换域，得到非局部张量块的转换域形式；S2.3，通过非局部张量块，构造非局部相似张量块组；S2.4，联合全连接张量分解，构造全连接张量分解因子；S2.5，构建低秩张量补全模型，并根据S2.1‑2.4进行优化，得到基于非局部低秩转换域与全连接张量分解模型；S3，构建图像修复模型，获取待修复图像，通过张量分解模型得到的修复图像张量块组，得到修复后的图像。使得在光谱图像修复中，整图像重构更加精准。
-
-
-
-
-
-
-
-
-
Search Results
197
records
(took 0.04 seconds)
