-
公开(公告)号：CN115830375B
公开(公告)日：2024-09-24
申请号：CN202211494418.3
申请日：2022-11-25
Applicant: 中国科学院自动化研究所
IPC: G06V10/764 , G06V10/762 , G06V10/774 , G06V10/44
Abstract: 本发明提供一种点云分类方法及装置，其中方法包括：对原始点云数据进行特征提取，得到原始点云数据的局部特征；将局部特征分别输入第一处理分支与第二处理分支，得到局部特征的高频特征与低频特征；对高频特征与低频特征进行处理得到目标特征并输入分类器，得到原始点云数据的分类结果。本发明提供的点云分类方法及装置，通过在获取原始点云数据的局部特征之后，将获取的局部特征采用两个并行分支进行高频特征与低频特征的提取，并将获取的高频特征与低频特征拼接后的目标特征用于点云分类，降低了计算的复杂度。在提取低频特征时，基于向量注意力处理，可以建立点云坐标之间的长距离依赖关系，进一步降低后续分类的复杂度。
-
公开(公告)号：CN117636488B
公开(公告)日：2024-09-03
申请号：CN202311543025.1
申请日：2023-11-17
Applicant: 中国科学院自动化研究所
IPC: G06V40/70 , G06V10/62 , G06V10/762 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06Q10/0639 , G06Q50/20
Abstract: 本发明提供一种多模态融合的学习能力评估方法、装置及电子设备，所述方法包括：采集待评估学习者在学习过程中的多模态信息，所述多模态信息包括：眼部信息、面部信息、动作信息和生理信息；基于所述多模态信息，采用识别模型识别得到所述待评估学习者在学习过程中的学习状态信息，所述学习状态信息包括以下至少一项：动作状态、情绪状态、专注状态和知识点学习轨迹；所述识别模型的训练样本是对多组学习者在各自的学习过程中产生的多模态信息基于预设采样频率进行滑窗采样得到；基于所述学习状态信息和所述待评估学习者在所述学习过程中学习的学习内容，确定所述待评估学习者的认知负荷和/或认知迁移，可提高学习能力评估的准确性。
-
公开(公告)号：CN118378931A
公开(公告)日：2024-07-23
申请号：CN202410265909.3
申请日：2024-03-08
Applicant: 中国科学院自动化研究所 , 中国铁道科学研究院集团有限公司 , 北京交通大学 , 中国国家铁路集团有限公司
IPC: G06Q10/0639 , G06Q10/04 , G06Q50/40 , G06F16/9035 , G06F16/906 , G06F18/2135
Abstract: 本发明提供一种平行调度系统站区运营态势推演方法，其中方法包括，获取当前技术作业站的实时运营数据；对实时运营数据进行分类，得到各个作业环节的运营数据；基于各个作业环节的运营数据进行降维分析，得到当前技术作业站的分析结果，并基于分析结果进行运营态势推演，得到当前技术作业站的运营态势，克服了传统方案中技术作业站运营工作的评价和运输态势的推演依赖于人工经验，导致运营工作评价和运输态势推演的主观性强、效率和准确性低下，难以适应于技术作业站的运营管理需求的缺陷，实现了对技术作业站运营工作的客观评价以及运输态势的准确预测，提高了技术作业站的管理水平和工作效率，并为调度系统调度决策的优化提供了依据。
-
公开(公告)号：CN115294784B
公开(公告)日：2024-05-14
申请号：CN202210709165.0
申请日：2022-06-21
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种多路口交通信号灯控制方法、装置、电子设备及存储介质，采用的本地共享模型在训练时并不需要其他路口的训练样本，而是以联邦强化学习算法，借助于初始本地私有模型以及中央处理器智能体中与初始本地共享模型结构相同的初始全局模型进行集中‑分布式协同训练得到，可以保证各路口的时序交通状态信息观测样本的隐私性，即使不共享的情况下也可以得到准确的本地共享模型，避免了数据孤岛问题的出现。而且，由于采用基于联邦强化学习算法的集中‑分布式协同训练的方式，可以避免出现现有技术中对强化学习智能体训练时探索空间会呈现指数级增长的问题出现，可以实现最优化全局道路网络的交通状况。
-
公开(公告)号：CN117681893A
公开(公告)日：2024-03-12
申请号：CN202410148923.5
申请日：2024-02-02
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种面向矿区场景的自动驾驶数据构建方法和装置，应用于自动驾驶技术领域。该方法包括：在满足预设触发条件的情况下，采集矿区场景的第一数据，所述第一数据包括以下至少一项：困难感知场景数据、异常分布数据、稀缺类数据；对所述第一数据进行目标处理，得到第二数据，所述目标处理包括无效数据过滤处理、数据切分处理、时间同步处理以及数据解析处理；确定所述第二数据的类别标签，并将添加了类别标签的所述第二数据确定为有效自动驾驶数据；其中，所述类别标签包括场景标签、障碍物标签以及环境标签。
-
Patent Agency Ranking
公开(公告)号：CN117681892A
公开(公告)日：2024-03-12
申请号：CN202410148918.4
申请日：2024-02-02
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种面向矿区场景的自动驾驶数据选择方法和装置，应用于自动化驾驶技术领域。该方法包括：根据数据选择元素库获取第一训练数据，第一训练数据包括数据选择元素库中所有元素类别下的元素；基于第一训练数据对矿区感知模型进行训练，并通过评测矿区感知模型在各个场景下感知结果的准确度，确定矿区感知模型的困难感知场景；根据数据选择元素库获取困难感知场景下的第二训练数据，并基于第二训练数据对矿区感知模型进行训练。
-
公开(公告)号：CN117593723A
公开(公告)日：2024-02-23
申请号：CN202311432831.1
申请日：2023-10-31
Applicant: 中国科学院自动化研究所
IPC: G06V20/58 , G06V10/25 , G06V10/26 , G06T3/4038 , G06V10/80
Abstract: 本发明提供一种矿区障碍物检测方法及系统，方法包括：基于连续的车辆位置信息和连续的车辆单帧三维语义点云数据，构建局部语义点云地图；基于矿区障碍物数据，构建局部矿区障碍物地图；基于局部语义点云地图、局部矿区障碍物地图和车辆当前位置信息，获取车辆前方矿区障碍物的信息。所述系统执行所述方法。本发明通过对视觉图像数据的矿区障碍物语义信息与三维点云数据进行融合，构建车辆单帧三维语义点云数据，并基于此构建局部语义点云地图，再利用矿区障碍物数据构建局部矿区障碍物地图，同时结合车辆当前位置信息对车辆前方的矿区障碍物所属类别以及矿区障碍物数据进行检测，实现对各类别矿区障碍物位置、边界和高度信息的实时精准检测。
-
公开(公告)号：CN117593715A
公开(公告)日：2024-02-23
申请号：CN202311656207.X
申请日：2023-12-05
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及计算机视觉技术领域，提供一种用于矿车无人驾驶的矿区落石检测方法，方法包括：获取视图图像以及点云数据，并将点云数据投影到视图图像中，得到点云投影视图，视图图像和点云数据是针对同一待检测空间采集得到的；基于视图图像的图像特征，确定待检测空间中的初始目标的视图检测数据，并基于视图检测数据，从点云投影视图中得到初始目标对应的目标点云数据；基于目标点云数据以及视图检测数据，得到待检测空间的目标检测结果。本发明提供的方法，实现了在平面维度上的目标检测结果的基础上，结合目标检测结果局部稠密的点云数据，得到更精准的检测结果，尤其提升了在检测环境复杂的场景下针对小尺寸的检测结果的精确性。
-
公开(公告)号：CN112766597B
公开(公告)日：2023-06-27
申请号：CN202110126791.2
申请日：2021-01-29
Applicant: 中国科学院自动化研究所 , 东莞中国科学院云计算产业技术创新与育成中心
IPC: G06Q10/04 , G06Q50/30 , G06F16/9537 , G06V40/10 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及城市公交管理技术领域，具体涉及一种公交客流预测方法及系统，旨在提升公交客流量预测的准确性。本发明的公交客流预测方法包括：通过LSTM来提取历史公交客流数据的时间特征；并利用注意力机制对不同时间步上提取到的时间特征进行赋权；使用分时图卷积方法来分析不同时段下公交线路间的空间依赖性；根据预测时段选择不同的关系矩阵，根据赋权后的时间特征，通过谱图卷积方式提取相关公交线路的时空间特征；将时空间特征与天气、节假日信息等外部环境信息进行融合，得到预测结果。本发明可以有效提升公交客流预测精度，并加快学习速率。
-
公开(公告)号：CN113011430B
公开(公告)日：2023-01-20
申请号：CN202110309423.1
申请日：2021-03-23
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及一种大规模点云语义分割方法及系统，所述语义分割方法包括：提取待识别点云的逐点特征，所述待识别点云由多个待识别点构成；基于各待识别点的点云空间信息，将各逐点特征逐步编码，得到对应的点云特征；将各点云特征逐步解码，得到对应的解码特征；根据各解码特征，基于语义分割网络模型，确定所述待识别3D点云的语义分割预测结果。本发明提取待识别点云的逐点特征，从大规模点云信息中提取更有效的空间特征，基于各待识别点的点云空间信息，将各逐点特征逐步编码，得到点云特征，进一步解码，得到解码特征，根据解码特征，确定所述待识别3D点云的语义分割预测结果，以获取周围空间环境的语义信息，从而提高语义分割精度。
-
-
-
-
-
-
-
-
-
Search Results
130
records
(took 0.05 seconds)
