-
公开(公告)号：CN117768891A
公开(公告)日：2024-03-26
申请号：CN202311754249.7
申请日：2023-12-19
Applicant: 之江实验室
IPC: H04W12/069 , H04W12/108 , H04W12/08 , H04L9/30 , H04W4/46 , H04W4/44
Abstract: 本发明公开了一种基于SM2签名的网联车辆身份快速识别方法、装置及介质，为计算资源有限的网联车辆构建安全高效的V2X通信方案，保证车联网环境下V2V、V2I通信消息的完整性、不可抵赖性。本发明基于SM2数字签名技术提出了一种基于预处理的分组批量验证方法，对实时接收到的车辆V2X消息签名及其身份证书进行验证，通过减少签名验证过程中标量乘法的计算次数，实现对大量V2X通信消息的快速验证。本发明针对分组批量验证失败的签名进行逐一验证以识别异常车辆身份，并基于历史验证信息维护车辆身份黑白名单以辅助提升身份识别效率。经过测试表明异常签名占比10％前提下，本发明实施例与连续分别验证1000个签名相比节省约50％的异常车辆识别时间。
-
公开(公告)号：CN116188167B
公开(公告)日：2023-08-04
申请号：CN202310404466.7
申请日：2023-04-17
Applicant: 之江实验室
Abstract: 本发明公开一种基于DAG结构的区块链系统及共识方法，该共识方法中，节点需要为发起的交易创建相应的新区块，并从更新的本地账本中选择两个先前的边缘区块作为新区块的第一父区块和第二父区块，新区块连接在父区块之后形成DAG结构的区块账本。其中，以账本中与该新区块的业务相似性最大的边缘区块作为第一父区块，以账本中高度最大的边缘区块作为第二父区块。本发明的DAG区块链系统在保留DAG结构优势的同时，针对DAG结构下交易排序低效的问题，通过业务相似性实现不同类型的交易分层，有效提升交易排序效率；同时所有的区块都连接在高度最大的区块之后，增强了区块和整个区块链系统的安全性。
-
公开(公告)号：CN114038216B
公开(公告)日：2022-12-23
申请号：CN202111171374.6
申请日：2021-10-08
Applicant: 之江实验室
Abstract: 本发明公开了一种基于路网划分和边界流量控制的信号灯管控方法，本方法先采用基于最大协同度的路网划分方法将城市全域交通路网划分为子路网簇，并将子路网的每个路口视为一个智能体，设计基于深度神经网络的多智能体强化学习方法，通过子网内智能体执行动作过程中与周围交通环境不断交互来学习生成子路网内信号灯最优协同控制策略。同时通过标定子路网宏观基本图模型，对子路网边界路段及路口进行流量控制，进一步优化子路网交通运行状态和通行效率。本发明相对于传统的交通信号灯控制方法，从全局角度对全域路网进行划分，通过对子路网内多信号灯的协同控制和子网边界的流量控制，实现城市信号灯的高效管控，对缓解城市交通拥堵具有重大意义。
-
公开(公告)号：CN114937081B
公开(公告)日：2022-11-18
申请号：CN202210854127.4
申请日：2022-07-20
Applicant: 之江实验室
Abstract: 本发明公开了一种基于独立非均匀增量采样的网联车位置估计方法及装置，通过将激光雷达点云映射至时空对齐的图像上，对落在图像高级语义约束区域中的映射点，按映射点所处深度区间的点密度进行独立非均匀增量采样，将采样生成的虚拟映射点反向映射至原始点云空间与原始点云合并，并利用合并后的点云基于深度学习方法进行网联车位置估计，解决距离较远或存在遮挡的网联车目标点云稀疏或缺失造成的位置估计不准确问题。本发明设计了一种独立非均匀的增量采样方法，对同一目标实例区域中的映射点按深度值等距划分若干个深度区间，对低密度深度区间设置相对更高的采样率，并限制每个区间的最高采样数，实现映射点的高效合理填充的同时避免无效采样。
-
公开(公告)号：CN114937081A
公开(公告)日：2022-08-23
申请号：CN202210854127.4
申请日：2022-07-20
Applicant: 之江实验室
Abstract: 本发明公开了一种基于独立非均匀增量采样的网联车位置估计方法及装置，通过将激光雷达点云映射至时空对齐的图像上，对落在图像高级语义约束区域中的映射点，按映射点所处深度区间的点密度进行独立非均匀增量采样，将采样生成的虚拟映射点反向映射至原始点云空间与原始点云合并，并利用合并后的点云基于深度学习方法进行网联车位置估计，解决距离较远或存在遮挡的网联车目标点云稀疏或缺失造成的位置估计不准确问题。本发明设计了一种独立非均匀的增量采样方法，对同一目标实例区域中的映射点按深度值等距划分若干个深度区间，对低密度深度区间设置相对更高的采样率，并限制每个区间的最高采样数，实现映射点的高效合理填充的同时避免无效采样。
-
Patent Agency Ranking
公开(公告)号：CN114419605B
公开(公告)日：2022-07-19
申请号：CN202210317048.X
申请日：2022-03-29
Applicant: 之江实验室
IPC: G06V20/58 , G06V10/40 , G06V10/774 , G06V10/80 , G06V10/82 , G06K9/62 , G06T3/00 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多网联车空间对齐特征融合的视觉增强方法及系统，该方法利用网联车自身及其周围一定范围内的网联车视觉特征，空间对齐后基于多特征自学习机制进行特征融合，实现网联车的视觉扩展和增强。本发明设计了一个基于多特征自学习机制的网络单元，在收到周围一定范围内的网联车压缩中间特征图后，综合利用网联车的世界坐标和前进方向间的夹角大小，对解压缩后的中间特征图进行仿射变换，并将变换对齐后的特征图利用基于多特征自学习机制的网络单元进行特征融合，去除冗余特征的同时实现特征间的互补和增强。利用融合后的中间特征检测出网联车自身视角下以及被部分遮挡或全部遮挡的目标障碍物，从而提高网联车驾驶的安全性。
-
公开(公告)号：CN114419605A
公开(公告)日：2022-04-29
申请号：CN202210317048.X
申请日：2022-03-29
Applicant: 之江实验室
IPC: G06V20/58 , G06V10/40 , G06V10/774 , G06V10/80 , G06V10/82 , G06K9/62 , G06T3/00 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多网联车空间对齐特征融合的视觉增强方法及系统，该方法利用网联车自身及其周围一定范围内的网联车视觉特征，空间对齐后基于多特征自学习机制进行特征融合，实现网联车的视觉扩展和增强。本发明设计了一个基于多特征自学习机制的网络单元，在收到周围一定范围内的网联车压缩中间特征图后，综合利用网联车的世界坐标和前进方向间的夹角大小，对解压缩后的中间特征图进行仿射变换，并将变换对齐后的特征图利用基于多特征自学习机制的网络单元进行特征融合，去除冗余特征的同时实现特征间的互补和增强。利用融合后的中间特征检测出网联车自身视角下以及被部分遮挡或全部遮挡的目标障碍物，从而提高网联车驾驶的安全性。
-
公开(公告)号：CN113257005A
公开(公告)日：2021-08-13
申请号：CN202110708750.4
申请日：2021-06-25
Applicant: 之江实验室
Abstract: 本发明公开了一种基于关联度量的车流量统计方法，该方法基于高速道路路侧监控视频，采用视觉分析方法，统计通过虚拟断面的车流量。本发明引入基于深度学习的车辆检测方法，在连续视频帧中对运动车辆外框进行准确贴合的检测，通过提出一种融合前后视频帧中运动车辆的位置重叠度和基于车辆检测框子区域的特征向量的特征匹配度这两个度量因子的关联度量，分析运动车辆在前后帧的关联关系，从而实现对经过虚拟断面车辆的持续稳定跟踪，减少由于车辆换道、互相遮挡造成的统计结果不准的问题。本发明提出了一种基于关联度量的车流量统计方法，有效统计出通过高速道路虚拟断面的车流量，为高速道路路网管理和交通精准管控提供可靠依据。
-
公开(公告)号：CN117765534A
公开(公告)日：2024-03-26
申请号：CN202311743990.3
申请日：2023-12-18
Applicant: 之江实验室
IPC: G06V20/70 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于困难样本挖掘的交通图像自动标注方法和装置，在通用交通图像数据集上训练初始标注模型；基于初始标注模型和通用交通图像数据集训练困难样本标注模型；接入终端采集的视频流数据并进行抽帧操作；在视频帧中抽帧得到不同的图像样本，当困难样本标注模型检测出未检出的困难标注区域时，将该图像样本标记为困难图像样本并存储；通过适当增大困难图像样本在困难样本数据集中的占比，从而增强困难样本标注模型的标注能力，直到准确率超过95％，此时困难样本标注模型作为最终的样本标注模型；本发明降低了交通图像中困难图像样本的筛选成本。持续优化困难样本标注模型，提高了困难图像样本筛选效率。最终提高交通图像标注的模型精度，极大节省了人工标注所需要的人力物力。
-
公开(公告)号：CN117037120B
公开(公告)日：2024-02-09
申请号：CN202311299185.6
申请日：2023-10-09
Applicant: 之江实验室
Abstract: 本发明公开了一种基于时序选择的目标感知方法及装置，基于时序选择机制，判断时序点云数据的目标掩码图中是否存在当前时刻点云数据中未检测出的目标，选择出有效的时序点云数据，并基于一个时序特征自学习网络单元，自适应的和当前点云特征互补融合，利用融合后的特征检测生成目标感知信息。本发明通过仿射变换矩阵将当前时刻和历史时序点云数据进行空间对齐，利用位置预测网络单元获取对齐后点云数据的带有目标初始位置信息的索引特征，并对高斯滤波后的索引特征采用局部最大值判断方式进一步生成目标掩码图。本发明利用有效时序特征互补，解决现有的感知方法不能连续准确检测出扫描不完整或缺失点云目标的问题，提升自动驾驶安全性能。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.025 seconds)
