点云融合方法、装置、电子设备及存储介质

    公开(公告)号:CN114549608B

    公开(公告)日:2022-10-18

    申请号:CN202210426803.8

    申请日:2022-04-22

    Abstract: 本申请属于数据处理技术领域,提供一种点云融合方法、装置、电子设备及存储介质,包括以下步骤:获取第一点云数据及第二点云数据;基于多头自注意力机制对第一点云数据与第二点云数据进行初步融合,得到初步融合结果;计算第一点云数据的权重衰减量及第二点云数据的权重衰减量;根据第一点云数据的权重衰减量及第二点云数据的权重衰减量反向传播分别对第一点云数据的融合参数及第二点云数据的融合参数进行更新,直至第一点云数据融合权重的更新变化率及第二点云数据融合权重的更新变化率分别小于预设阈值,停止迭代,得到最优融合参数。本申请点云融合方法、装置、电子设备及存储介质降低了融合过程中的计算复杂度,提高了点云融合的效率和精度。

    点云融合方法、装置、电子设备及存储介质

    公开(公告)号:CN114549608A

    公开(公告)日:2022-05-27

    申请号:CN202210426803.8

    申请日:2022-04-22

    Abstract: 本申请属于数据处理技术领域,提供一种点云融合方法、装置、电子设备及存储介质,包括以下步骤:获取第一点云数据及第二点云数据;基于多头自注意力机制对第一点云数据与第二点云数据进行初步融合,得到初步融合结果;计算第一点云数据的权重衰减量及第二点云数据的权重衰减量;根据第一点云数据的权重衰减量及第二点云数据的权重衰减量反向传播分别对第一点云数据的融合参数及第二点云数据的融合参数进行更新,直至第一点云数据融合权重的更新变化率及第二点云数据融合权重的更新变化率分别小于预设阈值,停止迭代,得到最优融合参数。本申请点云融合方法、装置、电子设备及存储介质降低了融合过程中的计算复杂度,提高了点云融合的效率和精度。

    基于驾驶风格的路径规划方法、装置、设备及存储介质

    公开(公告)号:CN114543831A

    公开(公告)日:2022-05-27

    申请号:CN202210404091.X

    申请日:2022-04-18

    Abstract: 本发明涉及智能导航技术领域,具体公开了一种基于驾驶风格的路径规划方法、装置、设备及存储介质,其中,方法包括以下步骤:获取全局路径信息、车辆位置信息及驾驶风格类型;建立深度神经网络模型;生成多条形状不同的备选局部路径信息;选择一条备选局部路径信息作为试探执行路径;跟踪试探执行路径,并根据驾驶风格类型评价试探执行路径以生成反馈奖励信息;利用时序差分采样法根据反馈奖励信息更新深度神经网络模型;输出深度神经网络模型作为期望驾驶风格模型以进行路径规划。该方法获取的期望驾驶风格模型更加贴近人类的驾驶习惯、倾向,并有效提高了模型的训练和收敛速度。

    一种点云融合方法、装置、电子设备及存储介质

    公开(公告)号:CN114078151B

    公开(公告)日:2022-04-22

    申请号:CN202210061609.4

    申请日:2022-01-19

    Abstract: 本发明涉及数据融合技术领域,具体公开了一种点云融合方法、装置、电子设备及存储介质,其中,方法包括以下步骤:获取点云信息和与点云信息对应的图像信息;对点云信息进行低频滤波处理获取有效点云信息;将有效点云信息转换为点云迭代值;将图像信息整合转换为图像迭代值;提取点云特征信息和图像特征信息;根据点云特征信息和图像特征信息建立损失函数;根据自适应梯度下降算法更新损失函数,直至损失函数收敛;获取损失函数收敛时的融合权重,作为点云信息的泛化融合权重以融合点云信息;该方法以图像信息整合提取的特征作为点云信息融合提取的特征的评价方式为点云融合增加了关联的评判对象,能有效提高融合计算速度和匹配鲁棒性。

    一种机械手模型学习方法、装置、电子设备及存储介质

    公开(公告)号:CN114347043A

    公开(公告)日:2022-04-15

    申请号:CN202210257626.5

    申请日:2022-03-16

    Abstract: 本发明涉及智能机械手技术领域,具体公开了一种机械手模型学习方法、装置、电子设备及存储介质,其中,学习方法包括以下步骤:获取多组供所述机械手模型学习的、关于同一执行任务的专家演示数据;根据所述专家演示数据生成关联于学习成本函数的专家策略,所述学习成本函数基于模仿所述专家演示数据所需的模仿成本和所述专家演示数据的密集程度建立;最小化所述学习成本函数以获取最优专家策略;根据所述最优专家策略训练所述机械手模型;该方法最终获取的最优专家策略将机械手模型推向专家演示数据分布密集的范围内模仿专家演示行为,从而使得机械手模型能在尽可能低的模仿成本下精准地模仿完成专家演示行为。

    基于离散扩展状态观测器的无模型自适应滑模控制方法

    公开(公告)号:CN113960923B

    公开(公告)日:2022-03-08

    申请号:CN202111107914.4

    申请日:2021-09-22

    Abstract: 本发明涉及自动化控制技术领域,具体公开了一种基于离散扩展状态观测器的无模型自适应滑模控制方法,该方法包括以下步骤:将带有外部扰动的离散非线性系统转换为仿射系统;采用自适应方法估计线性参数项,并采用离散扩展状态观测器估计未知非线性时变项;定义跟踪误差的收敛界,并将受收敛界约束的跟踪误差转化为无约束变量;根据无约束变量设计滑模函数;根据仿射系统和滑模函数设计控制器;该方法基于离散扩展状态观测器将原本带有外部扰动的离散非线性系统能转换为仿射系统,以实现系统的简化和重建,并实现带有外部扰动的离散非线性系统的闭环稳定控制。

    一种点云融合方法、装置、电子设备及存储介质

    公开(公告)号:CN114078151A

    公开(公告)日:2022-02-22

    申请号:CN202210061609.4

    申请日:2022-01-19

    Abstract: 本发明涉及数据融合技术领域,具体公开了一种点云融合方法、装置、电子设备及存储介质,其中,方法包括以下步骤:获取点云信息和与点云信息对应的图像信息;对点云信息进行低频滤波处理获取有效点云信息;将有效点云信息转换为点云迭代值;将图像信息整合转换为图像迭代值;提取点云特征信息和图像特征信息;根据点云特征信息和图像特征信息建立损失函数;根据自适应梯度下降算法更新损失函数,直至损失函数收敛;获取损失函数收敛时的融合权重,作为点云信息的泛化融合权重以融合点云信息;该方法以图像信息整合提取的特征作为点云信息融合提取的特征的评价方式为点云融合增加了关联的评判对象,能有效提高融合计算速度和匹配鲁棒性。

    事件相机、深度事件点图获取方法、装置、设备及介质

    公开(公告)号:CN114071114A

    公开(公告)日:2022-02-18

    申请号:CN202210047705.3

    申请日:2022-01-17

    Abstract: 本发明涉及计算机视觉技术领域,具体公开了一种事件相机、深度事件点图获取方法、装置、设备及介质,其中,所述获取方法包括以下步骤:获取事件信息和红外点云信息,所述红外点云信息基于TOF模组采集生成;获取所述事件信息的第一时间戳信息和获取所述红外点云信息的第二时间戳信息,所述第一时间戳信息和所述第二时间戳信息均基于所述TOF模组的采集帧率进行标记;根据所述第一时间戳信息和所述第二时间戳信息整合所述事件信息和所述红外点云信息,以获取所述具有深度信息的事件点图;该获取方法具有运算逻辑简单、响应速度快的特点。

Patent Agency Ranking