-
公开(公告)号：CN114663579B
公开(公告)日：2024-10-29
申请号：CN202210135449.3
申请日：2022-02-14
Applicant: 清华大学
IPC: G06T17/00
Abstract: 本发明提供一种孪生三维模型生成方法、装置、电子设备及存储介质，其中，所述方法包括：获取待处理图片和三维基本模型数据库；对待处理图片进行模块分割和特征检测，得到与待处理图片对应的多个模块，以及与模块对应的模块图片特征；基于模块图片特征在三维基本模型数据库中召回与模块对应的多个基本三维模型，并分别对基本三维模型进行处理和渲染，得到与多个基本三维模型对应的多个二维图片；基于模块与多个二维图片，确定与模块对应的孪生基本三维模型，其中，孪生基本三维模型为与模块最相似的基本三维模型；基于与各模块对应的各孪生基本三维模型，得到与待处理图片对应的孪生三维模型。通过本发明提高了孪生模型的建模准确度。
-
公开(公告)号：CN113910611B
公开(公告)日：2023-04-07
申请号：CN202111095427.0
申请日：2021-09-17
Applicant: 清华大学
IPC: B29C64/35 , B29C64/379 , B29C64/30 , B33Y40/00 , B33Y40/20
Abstract: 本发明提供一种3D打印的后处理自动化设备及系统，其中3D打印的后处理自动化设备包括支撑架，用于放置打印工件，支撑架能够带动打印工件转动；第一驱动机构，能够驱使支撑架转动、以使打印工件表面的残留物与打印工件分离；防护罩，能够与支撑架相对位移，防护罩和支撑架能够在第一相对位置和第二相对位置之间切换，在第一相对位置，支撑架能够使打印工件位于防护罩的围设空间内、以收集从所述打印工件上分离出的残留物，在第二相对位置，支撑架能够使打印工件位于防护罩的围设空间外；第二驱动机构，用于驱使防护罩和支撑架相对位移。解决了现有技术中的后处理装置因在离心分离时存在的液滴飞溅导致的不易维护的问题。
-
公开(公告)号：CN114973656A
公开(公告)日：2022-08-30
申请号：CN202210507919.4
申请日：2022-05-10
Applicant: 清华大学 , 阿波罗智联(北京)科技有限公司
IPC: G08G1/01
Abstract: 本公开提供了一种交通交互性能的评估方法、装置、设备、介质和产品，涉及人工智能技术领域，具体为智能交通和自动驾驶技术领域。具体实现方案包括：根据与目标测试场景对应的初始交通状态，基于针对目标测试场景中的交通参与对象的交互参考信息，确定与N个时刻对应的测试交通状态，N为大于1的整数；根据初始交通状态和测试交通状态，确定与N个时刻对应的基于预设性能指标的指标量化评估值；以及根据与N个时刻对应的指标量化评估值，确定针对目标测试场景的性能评估值，交通状态包括目标测试场景中的交通参与对象的交通状态值和状态值分布概率。
-
公开(公告)号：CN114764746A
公开(公告)日：2022-07-19
申请号：CN202111109236.5
申请日：2021-09-22
Applicant: 清华大学
IPC: G06T3/40 , G06V10/764 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种激光雷达的超分辨率方法和装置、电子设备及存储介质，其中所述方法包括：将原始点云输入到判别式模型中，得到与原始点云对应的点云块的形状嵌入；原始点云是对扫描得到的激光雷达点云数据进行约束后得到；将目标分辨率的目标网格点的三维坐标及其对应的形状嵌入值拼接在一起后输入到生成式模型中，得到所述目标网格点的符号距离函数值；目标网格点对应的形状嵌入值是基于点云块的形状嵌入通过线性插值得到的；符号距离函数值用于得到超分辨重建结果。所述判别式模型和生成式模型是基于点云样本数据和对应的重建后的点云样本数据进行协同训练后得到。本发明能够在任意分辨率上实现对新激光雷达数据的快速超分辨重建过程。
-
公开(公告)号：CN114511682B
公开(公告)日：2022-07-15
申请号：CN202210407112.3
申请日：2022-04-19
Applicant: 清华大学
Abstract: 本发明提供一种基于激光雷达的三维场景重建方法、装置及电子设备，涉及计算机视觉技术领域，基于联合检测结果学习物体的隐式表达函数，重建得到紧密的物体表面，实现对三维场景准确、完整的理解。该方法包括：获取目标区域的点云数据；基于注意力机制的神经网络对点云数据进行联合检测，获得联合检测结果；联合检测结果包括目标区域物体和目标区域布局；基于联合检测结果进行学习获得目标区域物体的隐式表达函数；基于隐式表达函数对目标区域物体进行三维场景重建。所述基于激光雷达的三维场景重建装置应用于基于激光雷达的三维场景重建方法。所述基于激光雷达的三维场景重建方法应用于电子设备中。
-
Patent Agency Ranking
公开(公告)号：CN114282776A
公开(公告)日：2022-04-05
申请号：CN202111483878.1
申请日：2021-12-07
Applicant: 清华大学 , 阿波罗智联(北京)科技有限公司
Abstract: 本公开提供了一种评估自动驾驶安全性的方法、装置、电子设备和介质，涉及人工智能技术领域，尤其涉及自动驾驶技术领域。实现方案为：将描述交通场景的数据输入场景分布模型，以得到交通场景的状态分布和状态分布的产生概率；将状态分布输入自动驾驶车辆交互模型，以得到自动驾驶车辆执行关键动作的动作时间和动作时间的产生概率；将动作时间输入自动驾驶安全评价模型以得到安全量化指标；以及基于状态分布的产生概率、动作时间的产生概率和安全量化指标，确定交通场景的平均安全理论指标。
-
公开(公告)号：CN115576220B
公开(公告)日：2025-05-13
申请号：CN202211250931.8
申请日：2022-10-12
Applicant: 清华大学 , 阿波罗智联(北京)科技有限公司
IPC: G05B17/02
Abstract: 本发明提供一种基于交互轨迹预测模型的自动驾驶交互仿真方法及系统，包括：获取真实交通数据，基于所述交通数据建立交互轨迹预测模型；基于所述交互轨迹预测模型输出初始轨迹预测结果，通过预设的进阶过程控制算法对所述初始轨迹预测结果进行优化，输出优化轨迹预测结果；通过预设的道路运动规划可组合基准的开源平台对所述优化轨迹预测结果进行自动驾驶仿真，输出可视化仿真结果。本发明解决了现有自动驾驶仿真真实性低、难以保证自动驾驶安全性的问题。
-
公开(公告)号：CN117372990A
公开(公告)日：2024-01-09
申请号：CN202311181635.1
申请日：2023-09-13
Applicant: 清华大学
IPC: G06V20/58 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G01S17/89
Abstract: 本发明提供一种点云异常检测方法、系统及自动驾驶车辆，该方法包括：获取激光雷达感知的车辆周围环境的点云数据；将车辆周围环境的点云数据，输入预先建立和训练好的点云异常检测网络模型，输出点云异常检测结果；点云异常检测网络模型，用于对融合感知数据进行分类识别，并通过预设损失函数进行监督学习训练；融合感知数据为激光雷达感知的已知场景和基于点云深度学习数据集生成的伪异常物体融合后的数据。本发明在应用在自动驾驶车辆上，可以实现对车辆周围进行环境感知，准确分类和识别未知异常物体，提高点云异常检测的泛化性能，进而提高点云异常检测的精准度。
-
公开(公告)号：CN115719547A
公开(公告)日：2023-02-28
申请号：CN202211248292.1
申请日：2022-10-12
Applicant: 清华大学 , 阿波罗智联(北京)科技有限公司
IPC: G08G1/01 , G06N3/0442 , G06N3/048 , G06N3/09
Abstract: 本发明提供一种基于多重交互行为的交通参与者轨迹预测方法及系统，包括：获取高精地图数据和交通参与者的节点特征，进行静态交互层和动态交互层的构建；基于预设的交通灯信息门控神经网络将所述静态交互层和动态交互层进行动态交互，构建交互网络；对所述交互网络通过预设的目标损失函数进行监督学习训练，输出轨迹预测网络模型，通过所述轨迹预测网络模型进行轨迹预测。本发明解决了现有技术中对交通参与者轨迹预测不准确的问题，实现将多重交通交互行为进行相互融合，完成轨迹的准确预测。
-
公开(公告)号：CN114972195A
公开(公告)日：2022-08-30
申请号：CN202210457691.2
申请日：2022-04-27
Applicant: 清华大学
Abstract: 本发明提供一种服装加工信息识别方法、系统及存储介质，包括：获取待识别裁片的图像信息；基于所述图像信息，利用预先训练的识别模型，获取所述待识别裁片的加工信息；其中，所述识别模型是通过带有标注数据的裁片信息训练得到的。本发明解决了现有服装加工过程中难以对裁片准确识别的缺陷，以实现服装自动高效加工。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.028 seconds)
