-
公开(公告)号：CN116817958B
公开(公告)日：2024-01-23
申请号：CN202311097046.5
申请日：2023-08-29
Applicant: 之江实验室
IPC: G01C21/34
Abstract: 本发明公开了一种基于障碍物分组的参考路径生成方法、装置和介质，该方法沿道路方向根据障碍物的位置关系将道路行驶区域划分成若干不包含障碍物的自由区域，自由区域间是包含障碍物的障碍区域；在每个障碍区域中根据障碍物沿垂直道路方向的位置信息，确定障碍区域中的可通行凸多边形区域，并基于简单的规则得到该障碍区域的参考路径线段，最后利用参数化的曲线对各障碍区域的参考路径线段进行拼接，得到曲率连续的完整参考路径。本发明充分利用了障碍物之间的位置关系，将复杂的无碰撞参考路径规划问题拆分成简单的线段计算与拼接问题，在保证路径解的有效性的同时，具有很低的计算时间成本，非常适合实时性要求较高的智能驾驶任务。
-
公开(公告)号：CN116994240B
公开(公告)日：2024-01-09
申请号：CN202311258898.8
申请日：2023-09-27
Applicant: 之江实验室
Abstract: 本申请提出了一种基于注意力机制的三维目标检测系统，包括用于执行感兴趣区域选择及骨干网络特征提取操作的跨模型特征提取模块，用于将低分辨率特征图与局部高分辨率特征图进行融合得到融合后特征的跨模型特征融合模块，对未增加融合网络的单模型检测网络进行训练的训练模块，用于向低分辨率检测网络模型输入点云数据得到检测结果或输入高分辨率感知区域进行高分辨率特征提取和特征融合的推理模块。通过在原有检测模型的基础上融合一个增强感知区域的模型，在增强感知区域的选取中参考路径规划、高精度地图等多模态数据进行增强感知区域的划分。实现保证原有检测精度的同时，提升对增强感知区域的检测效果。
-
公开(公告)号：CN117275240A
公开(公告)日：2023-12-22
申请号：CN202311554142.8
申请日：2023-11-21
Applicant: 之江实验室
IPC: G08G1/01 , G06N3/092 , G06F18/23213
Abstract: 本发明公开了一种考虑多类型驾驶风格的交通信号强化学习控制方法和装置。包括：基于路口周围车辆的历史轨迹数据，确定车辆驾驶风格的类别；获取路口周围车辆的实时轨迹数据，结合确定的车辆驾驶风格类别，实时获取车辆驾驶风格；设置强化学习环境，包括状态空间、动作空间和奖励函数；对强化学习智能体进行训练；将完成训练的智能体部署在路口，实现交通信号的强化学习控制。本发明相比传统交通信号控制方法，考虑了实时的交通流量，更加智慧化；相比于其他强化学习交通控制方法，考虑了多类型的驾驶风格，有助于进一步提升交通效率。
-
公开(公告)号：CN116931005B
公开(公告)日：2023-12-22
申请号：CN202311208648.3
申请日：2023-09-19
Applicant: 之江实验室
Abstract: 本发明公开了一种基于V2X辅助的车辆高精度定位方法、装置和存储介质，包括以下步骤：S1：判断智能网联车的全球导航卫星系统工作状态是否有效；S2：智能网联车接收路侧单元广播信息并进行身份校验；S3：路侧单元根据智能网联车感知硬件信息，广播对应高精地图的唯一识别编码和下载地址；S4：智能网联车下载本地未检索到的高精地图；S5：智能网联车通过地图匹配定位算法获取当前位置；S6：通过航迹推算实现智能网联车定位信息实时高频更新。本发明通过V2X技术辅助智能网联车在全球导航卫星系统失效状态下保持高精度定位，结合通过V2X技术获取的周边实时交通信息，可以有效提高车辆自
-
公开(公告)号：CN116758131B
公开(公告)日：2023-11-28
申请号：CN202311050584.9
申请日：2023-08-21
Applicant: 之江实验室
IPC: G06T7/55 , G06N3/0455 , G06N3/08
Abstract: 本申请涉及一种单目图像深度估计方法、装置和计算机设备。所述方法包括：得到待估计图片的第一深度图；得到待估计毫米波点云的动态点集和第一位姿变换结果；得到后一帧待估计图片的第二深度图；计算后一帧待估计图片的第一深度图和第二深度图的投影误差；得到待估计毫米波点云的第二位姿变换结果；得到第一位姿变换结果和第二位姿变换结果的位姿估算误差；计算两帧待估计图片中的运动物体的深度误差；根据投影误差、位姿估算误差以及深度误差，得到整体训练损失，并利用整体训练损失对初始模型进行训练，直至收敛，得到完备深度估计模型，对待估计的图片进行单目图像深度估计。利用完备深度估计模型可以保证实现图像的深度估计结(56)对比文件Akash Deep Singh et al..DepthEstimation From Camera Image and mmWaveRadar Point Cloud《.Proceedings of theIEEE/CVF Conference on Computer Visionand Pattern Recognition (CVPR)》.2023,第9275-9285页.
-
Patent Agency Ranking
公开(公告)号：CN116740668B
公开(公告)日：2023-11-14
申请号：CN202311029637.9
申请日：2023-08-16
Applicant: 之江实验室
Abstract: 本申请涉及一种三维目标检测方法、装置、计算机设备和存储介质，所述方法包括：获取多个待检测图像，多个所述待检测图像基于多目相机生成；基于多个所述待检测图像，获取对应的预设体素空间的体素化图像特征；基于离线点云地图获取与所述预设体素空间相对应的体素化点云特征，并对所述体素化图像特征以及所述体素化点云特征进行融合，得到体素融合特征；基于所述体素融合特征，获取目标对象的识别结果。本申请解决了相关技术中存在的基于多目相机的三维目标检测精度较低的技术问题，并且对运算的消耗较小，在检测时常几乎不变的前提下显著提高了目标检测精度，拓展了智能驾驶感知技术的应用范围。
-
公开(公告)号：CN116434183B
公开(公告)日：2023-11-14
申请号：CN202310215469.6
申请日：2023-03-08
Applicant: 之江实验室
Abstract: 本发明公开一种基于多点云协同融合的道路静态环境描述方法，包括：使用多个多线激光传感器，采集道路环境点云信息；对多个点云信息进行时间同步和空间对齐；利用多点云协同进行地面分割，提取出障碍物点云；融合多点云光线跟踪模型的结果，更新局部概率栅格地图；将局部概率栅格地图转换为二值图，进行障碍物轮廓提取、简化与分割。本发明的方法利用多点云协同的方式进行地面分割，可以更准确地分割出地面，提取出障碍物点云。此外，采用多个多线激光传感器，盲区小，范围广，能够全方位360度检测无人车周围环境的静态障碍物，进一步克服单个激光检测存在大范围盲区的缺点。
-
公开(公告)号：CN117036511A
公开(公告)日：2023-11-10
申请号：CN202311288072.6
申请日：2023-10-08
Applicant: 之江实验室
Abstract: 本申请涉及一种多类型传感器的标定方法、装置、计算机设备和存储介质。所述方法包括：首先获取目标场地的点云地图，再根据点云地图得到包括激光雷达、相机和组合导航的多类型传感器之间的外参，对多类型传感器进行标定。采用本申请的方法进行多类型传感器标定，由于无需特定的标定板，也不需要特定的标定场景，不要求传感器之间有共视区域，因此降低了多类型传感器标定的操作复杂度和提升了标定的准确性。
-
公开(公告)号：CN116863432A
公开(公告)日：2023-10-10
申请号：CN202311126363.5
申请日：2023-09-04
Applicant: 之江实验室
IPC: G06V20/56 , G06V20/70 , G06V10/40 , G06V10/774 , G06V10/84
Abstract: 本发明公开了一种基于深度学习的弱监督激光可行驶区域预测方法和系统，本发明利用激光可行驶区域预测算法较为容易的获得下采样点云是否地面点的粗略标注，将该粗略标注作为标签，从而较为容易的获得了用于训练深度学习点云特征提取模型的标签，但由于该标签的准确性有待提高，因此，在第一次对深度学习点云特征提取模型进行训练之后，基于当前预测得到的初始地面点预测概率和上一次预测得到的初始地面点预测概率通过交叉熵损失函数构建新增损失函数以完成之后的训练，因此能够利用大量的数据量较小的标注标签训练获得能够较为准确预测地面点概率的地面点预测模型，从而能够准确的获得可行驶区域。
-
公开(公告)号：CN116295354B
公开(公告)日：2023-09-29
申请号：CN202310320547.9
申请日：2023-03-24
Applicant: 之江实验室
Abstract: 本申请涉及一种无人车主动全局定位方法和系统，其中，该方法包括：构建先验地图，将先验地图进行场景分割，得到目标拓扑特征地图；将获取的当前观测全局描述子和当前观测特征信息，与目标拓扑特征地图进行匹配，得到候选位姿；计算候选位姿的邻近场景之间的差异度，将差异度最大的邻近场景作为无人车运动的全局目标；根据全局目标和候选位姿，获取虚拟观测数据并计算对应的信息增益，获取信息增益最大的虚拟观测数据，作为无人车运动的局部目标；根据局部目标进行最短路径规划，用于控制无人车运动进行主动全局定位。通过本申请，解决了无人车全局定位系统响应速度较慢和定位精度较低问题，提高了无人车主动全局定位的响应速度和定位准确性。
-
-
-
-
-
-
-
-
-
Search Results
197
records
(took 0.03 seconds)
