一种无监督的高精矢量地图元素异常检测方法

    公开(公告)号:CN118053052B

    公开(公告)日:2024-06-28

    申请号:CN202410457517.7

    申请日:2024-04-16

    Abstract: 本说明书公开了一种无监督的高精矢量地图元素异常检测方法,可以将高精地图中各矢量元素分为线段元素、长线元素以及不规则元素,并基于三类元素构建空间检索树KD‑Tree,而后可以针对每类元素,根据KD‑Tree构建该类元素对应的相对空间关系特征,最后,可以根据各类元素对应的相对空间关系特征,通过预设的离群点检测方法,对各矢量元素进行异常元素检测,本发明提出了一种自动化的针对高精矢量地图的异常检测算法,可以在已构建好的高精矢量地图中无监督、自动化地检测出可能存在错误的异常元素,相较于人工的地图核准工作,能够利用自动化算法降低重复性劳动,同时能够大大提升自动驾驶地图部署效率,降低错误元素的漏检率。

    一种图像匹配模型训练的方法、装置、存储介质、设备

    公开(公告)号:CN118015316B

    公开(公告)日:2024-06-11

    申请号:CN202410410287.9

    申请日:2024-04-07

    Abstract: 本说明书公开了一种图像匹配模型训练的方法、装置、存储介质、设备,获取由第一基准图像和第一待匹配图像组成的第一样本组,将第一样本组输入预先训练的教师模型,确定第一基准图像与第一待匹配图像的匹配度,作为伪标注,将第一样本组输入图像匹配模型,确定第一基准图像与第一待匹配图像的当前匹配度,图像匹配模型的复杂度小于教师模型的复杂度,根据当前匹配度与伪标注的差异,对图像匹配模型进行训练,本方法利用预先训练的复杂度较高、输出结果精准的教师模型,使得复杂度较低、运算速度较快的图像匹配模型可以学习到教师模型的策略,最终训练得到运算速度快、输出结果精准的图像匹配模型,可应对时限短、批量大的图像定位匹配任务。

Patent Agency Ranking