-
公开(公告)号：CN114926825A
公开(公告)日：2022-08-19
申请号：CN202210547632.4
申请日：2022-05-11
Applicant: 复旦大学
IPC: G06V20/59 , G06V10/62 , G06V10/764 , G06V10/82 , G06V10/30 , G06V10/52 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本发明属于车辆驾驶检测技术领域，具体为基于时空特征融合的车辆驾驶行为检测方法。本发明方法：在离线阶段，包括数据预处理，通过时空特征抽取网络分别提取空间和时间特征，并在全连接层嵌入驾驶上下文信息；使用Softmax函数对融合的时空特征进行驾驶行为分类；在在线阶段，包括对检测的驾驶行为进行驾驶行为评分，评分策略首先使用驾驶行为检测模型自动地检测具体的驾驶行为；接着结合驾驶表现分及驾驶水平积分两种方式全面评价驾驶员的日常及长期的驾驶行为，可以更好地引导驾驶员向高效驾驶、安全驾驶演变；最后可选择将驾驶数据与交管部门联网，优化交通管理与安全。并通过智能手机进行驾驶行为检测和反馈，极大地提高其应用价值。
-
Patent Agency Ranking
公开(公告)号：CN115357395A
公开(公告)日：2022-11-18
申请号：CN202211040844.X
申请日：2022-08-29
Applicant: 复旦大学
Abstract: 本发明提供一种故障设备任务转移方法及系统、电子设备和存储介质，其中，方法包括：监测任务状态和工作设备状态，确定存在目标工作设备掉线；基于目标工作设备，根据设备任务关系映射表，确定目标故障任务；其中，设备任务关系映射表包括工作设备与任务的映射关系；目标故障任务为设备任务关系映射表中与目标工作设备映射绑定的所有任务；将目标故障任务转移至空闲设备并更新设备任务关系映射表。能够及时调度转移故障任务，降低故障导致的整体任务运行时间被大时间范围拖慢的可能，提高算力利用率和网络稳定性。
-
公开(公告)号：CN113536959A
公开(公告)日：2021-10-22
申请号：CN202110700486.X
申请日：2021-06-23
Applicant: 复旦大学
Abstract: 本发明属于智能交通技术领域，具体为一种基于立体视觉的动态障碍物检测方法。本发明方法包括：从立体图像中获取深度信息，并生成原始点云数据；对点云数据进行降噪和下采样处理；对滤波后的点云数据进行聚类；对预聚类的结果进行障碍物轮廓提取；对目标进行2D检测，得到2D检测边界框，对点云聚类和3D跟踪结果进行校正；把障碍物轮廓提取得到的障碍物的矩形边框和2D目标检测得到的2D检测边界框融合，同时对动态障碍物的轨迹进行跟踪预测。本发明方法有效降低了成本，改善了检测精度，提高了跟踪的实时性和准确性。
-
公开(公告)号：CN116052469A
公开(公告)日：2023-05-02
申请号：CN202211477114.6
申请日：2022-11-23
Applicant: 复旦大学 , 重庆长安汽车股份有限公司
IPC: G08G1/16 , G08G1/04 , G06Q10/04 , G06N3/0442
Abstract: 本发明公开了一种基于车路协同轨迹预测的车辆碰撞预警方法，包括如下步骤，车端及路端感知器不仅可以提供本身的相关信息，还可以检测附件范围内物体有关信息；道路上每辆车都安装GPS接收器，并向路侧端发送本车数据；路端装有激光雷达和视觉传感器，可以实现对目标的跟踪，利用目标检测与跟踪算法，对范围内的目标进行有效的跟踪；为了降低后续融合阶段算法的时间复杂度，对数据进行了排序以及去重操作；GPS轨迹和视觉跟踪轨迹的融合；预测目标的轨迹实现对未来交通事故的预警；通过预测的轨迹在相同坐标系内有无可能出现的交汇点，实现对车辆碰撞的预警。本发明能够快速准确高效的预测可能发生的交通碰撞事故。
-
公开(公告)号：CN113536920B
公开(公告)日：2022-06-17
申请号：CN202110652497.5
申请日：2021-06-11
Applicant: 复旦大学
IPC: G06V20/64 , G06V10/25 , G06V10/26 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06T7/194 , G06T7/73
Abstract: 本发明公开了一种半监督三维点云目标检测方法。其包括如下步骤：（1）对输入教师模型和学生模型的点云进行随机下采样，教师模型的随机下采样数据作为教师模型的输入；（2）将学生模型的随机下采样数据经过随机变换，作为学生模型的输入；（3）训练学生模型时使用标签数据同步训练教师模型，每一次迭代后将训练好的学生模型作为教师模型进一步训练，通过教师网络对无标签的数据进行挖掘，得到伪标签用于指导学生网络的学习，获得三维点云目标检测结果。本发明可以减少三维目标检测深度学习模型对数据标签的依赖，降低数据标注的成本；使用部分标签就达到同样模型使用100%标签的精度；本实验模型泛化能力强，能够用到多种深度学习模型中。
-
公开(公告)号：CN113536920A
公开(公告)日：2021-10-22
申请号：CN202110652497.5
申请日：2021-06-11
Applicant: 复旦大学
Abstract: 本发明公开了一种半监督三维点云目标检测方法。其包括如下步骤：（1）对输入教师模型和学生模型的点云进行随机下采样，教师模型的随机下采样数据作为教师模型的输入；（2）将学生模型的随机下采样数据经过随机变换，作为学生模型的输入；（3）训练学生模型时使用标签数据同步训练教师模型，每一次迭代后将训练好的学生模型作为教师模型进一步训练，通过教师网络对无标签的数据进行挖掘，得到伪标签用于指导学生网络的学习，获得三维点云目标检测结果。本发明可以减少三维目标检测深度学习模型对数据标签的依赖，降低数据标注的成本；使用部分标签就达到同样模型使用100%标签的精度；本实验模型泛化能力强，能够用到多种深度学习模型中。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
