-
公开(公告)号：CN118485739A
公开(公告)日：2024-08-13
申请号：CN202410616324.1
申请日：2024-05-17
Applicant: 武汉中海庭数据技术有限公司
Abstract: 本发明提供一种高精度地图生产置信体系结构图生成方法及系统，该方法包括：获取实际高精度地图生产流程中生产模块对应的有向无环图，所述有向无环图中包括生产模块的关联关系和模块分组；基于邻近规则重构所述有向无环图的分组；通过贝叶斯－高斯似然等价对相连接的两个生产模块的置信值进行正态转换，基于一元线性回归后的回归参数计算生产模块间的后验概率期望，当后验概率期望大于样本极小值，则更新所述有向无环图；迭代更新所述有向无环图直至所有拓扑关系收敛，将收敛后的有向无环图作为高精度地图的生产置信体系结构图。通过该方案可以简化高精度地图生产置信体系的生成，并能减少高精度地图生产质检环节人力物力资源的耗费。
-
公开(公告)号：CN117271685A
公开(公告)日：2023-12-22
申请号：CN202311200551.8
申请日：2023-09-15
Applicant: 武汉中海庭数据技术有限公司
IPC: G06F16/29 , G06F16/22 , G06F16/9537
Abstract: 本发明涉及一种基于众源地图聚合的贝叶斯轨迹置信值估计方法及装置，包括：根据多次采样的轨迹数据，利用ICP算法对地图碎片进行配准并切割瓦片化；将瓦片化后的地图碎片栅格化并根据轨迹方向生成栅格化的轨迹密度；根据栅格与轨迹方向形成道路向量并与原轨迹数据建立关联关系；根据生成道路向量时的密度拟合概率模型并采样获得后验分布，根据后验分布计算轨迹的置信值。本发明通过将轨迹密度与方向划分作为一种主要的输入格式，并不直接使用轨迹的坐标等其他信息代入复杂的模型进行计算，可大幅度提升计算效率。
-
公开(公告)号：CN116543000A
公开(公告)日：2023-08-04
申请号：CN202310501823.1
申请日：2023-04-29
Applicant: 武汉中海庭数据技术有限公司
IPC: G06T7/13 , G06V10/774
Abstract: 本发明提供一种遥感影像道路边缘检测方法及系统，方法包括：从道路影像中提取预测候选顶点集Q；从预测候选顶点集Q中选出一个候选顶点作为预测起始顶点vi*，生成其局部特征输入代理模型中，输出下一个预测顶点vi+1*，并基于下一个预测顶点vi+1*更新已生成的道路边缘图gt，继续预测，直到道路边缘图gt停止生长；遍历预测候选顶点集Q中的每一个候选顶点，基于代理模型进行预测，得到道路边缘检测结果。本发明方法主要采用了端到端的迭代图生成方法，可以直接得到线性对象信息，该方法受分割性能的影响较小，能够解决部分遮挡带来的影响，且无需繁琐的后处理操作，即可得到道路边缘的矢量数据。
-
公开(公告)号：CN116402958A
公开(公告)日：2023-07-07
申请号：CN202211518986.2
申请日：2022-11-30
Applicant: 武汉中海庭数据技术有限公司
Abstract: 本发明提供的一种地图融合置信度的融合方法、系统、电子设备及存储介质，方法包括：获取目标地图融合前后的测量形点，基于测量形点计算目标地图融合前后的几何形点的拟合度；基于拟合度构建目标地图融合前后的概率质量函数；基于DS证据理论方法融合概率质量函数，得到融合后的概率质量函数；根据融合后的概率质量函数计算信度函数，得到融合后的置信度值。本发明通过对目标地图融合前后的形点计算拟合度，并基于拟合度构建概率质量函数，并将融合前后的概率质量函数进行融合，计算融合后概率质量函数的信度函数，从而可以用于判断目标地图融合算法置信度的可靠性，进而大大提高了对高精度地图建图算法评估的准确性，提升了高精度地图的安全性。
-
公开(公告)号：CN116226143A
公开(公告)日：2023-06-06
申请号：CN202211673465.4
申请日：2022-12-26
Applicant: 武汉中海庭数据技术有限公司
IPC: G06F16/23 , G06F16/29 , G06V10/764 , G06V10/762 , G06V10/80
Abstract: 本发明提供一种高精度地图更新方法及系统，方法包括：根据多次采样的轨迹进行地图碎片的图像配准固定控制点；通过从参考母图的各要素中心点进行分割聚类；根据各地图碎片自身要素的置信值与空间关系建立质量函数；通过DS证据论据理论融合质量函数并计算信度更新地图要素。本发明根据地图碎片中要素的自身位置，确定与其他样本的位置关系，对提高几何形体的识别精度以及效率具有指引了重要方向。
-
Patent Agency Ranking
公开(公告)号：CN115775348A
公开(公告)日：2023-03-10
申请号：CN202211438274.X
申请日：2022-11-16
Applicant: 武汉中海庭数据技术有限公司
IPC: G06V10/80 , G06V10/762 , G06F17/18 , G06F17/16
Abstract: 本发明提供一种几何形体融合的整体置信度评估方法及系统，方法包括：通过聚类获取融合前后的几何形体的空间关联关系；根据融合前后的几何形体的相对位置关系调整所述空间关联关系；根据融合前后的几何形体的测量误差建立相应的概率分布模型；基于所述概率分布模型估计融合前各形点所占权重；根据权重融合各形点置信度值，对融合的整体置信度值进行评估。该方法着重于解决传统建图融合过程中，如何根据融合前的评价指标以及地图碎片的各要素，对经过融合算法处理后的整体误差分布进行估计并得到整体评价指标即整体置信度。
-
公开(公告)号：CN117824614A
公开(公告)日：2024-04-05
申请号：CN202311579236.0
申请日：2023-11-22
Applicant: 武汉中海庭数据技术有限公司
Abstract: 本发明公开了一种基于智能体的道路信息生成方法、系统、设备及存储介质，所述方法包括：通过环视相机采集当前车辆的道路环视图像，并获取当前车辆的自车位姿信息；根据环视道路图像和自车位姿信息通过感知智能体获得感知场景数据；根据感知场景数据和历史地图数据通过地图智能体生成实时道路信息。相较于现有技术中以测绘方式构建传统全要素高精度地图导致更新成本高和周期长，通过SLAM技术构建众包地图导致地图需要频繁更新，通过环视相机图片直接生成鸟瞰图导致异常场景时有安全上的隐患，而本发明中以智能体为核心的AI道路传感器，结合现实感知和历史数据实时生成自动驾驶车的道路信息，降低了地图生成成本，提升了地图信息的鲜度。
-
公开(公告)号：CN117035115A
公开(公告)日：2023-11-10
申请号：CN202311014093.9
申请日：2023-08-10
Applicant: 武汉中海庭数据技术有限公司
Abstract: 本发明涉及一种基于贝叶斯期望的地图数据联邦学习方法及装置，其方法包括：获取待联邦学习的地图数据，利用维诺镶嵌与空间相异度对所述地图数据进行划分重组；基于划分重组后的地图数据和预设联邦学习模型，通过置信值和贝叶斯期望最大化的计算，分发每个客户端的地图数据，以及对应子模型的模型参数和分布参数；基于联邦平均算法和随机梯度最大化，更新每个客户端的子模型的模型参数和分布参数；将更新后的每个客户端的子模型的分布参数和置信值，回传至服务器端直至预设联邦学习模型收敛。
-
公开(公告)号：CN116152760A
公开(公告)日：2023-05-23
申请号：CN202211524870.X
申请日：2022-11-30
Applicant: 武汉中海庭数据技术有限公司
IPC: G06V20/56 , G06V10/40 , G06V10/764
Abstract: 本发明涉及一种误感知车道线提取方法及系统，将车道线拆分为多个车道线段seq；根据距离和角度差筛选得到待分类车道线两侧的相邻seq；待分类车道线两侧的最近的相邻seq的距离之和不超过d且偏移0.5d内的相邻seq数量大于能够与待分类车道线前端或后端接续上的seq数量时，判定待分类车道线为误感知车道线；d表示车道宽度；利用车道线之间的相对位置关系，提取出大部分误感知车道线数据，能够获得质量更高的感知车道线数据；除车道线数据本身外，无需输入其他数据辅助判断；提高最终生成的车道级拓扑的准确率，更好地符合现实场景。
-
公开(公告)号：CN116092031A
公开(公告)日：2023-05-09
申请号：CN202211742954.0
申请日：2022-12-30
Applicant: 武汉中海庭数据技术有限公司
IPC: G06V20/56 , G06V20/10 , G06V10/762 , G06V10/75
Abstract: 本发明涉及一种基于光学遥感影像的虚线车道线提取方法及装置，其方法包括：获取光学遥感影像数据，并从其中提取道路影像数据；利用训练完成的图像分割模型，对所述道路影像数据进行分割，得到一个或多个虚线车道线的像素；根据虚线车道线的像素及其坐标信息，提取每个虚线车道线的轮廓信息和方向，得到一个或多个带方向的虚线车道轮廓；将每个带方向的虚线车道轮廓与其邻接车道匹配，得到多个虚线车道图斑的前后接续关系；根据多个虚线车道图斑的前后接续关系，生成一条或多条虚线车道线。本发明利用已有的开源遥感影像数据提取高质量的虚线车道线信息，可以有效地降低车道线的获取成本，同时具有较高的提取精度。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.023 seconds)
