公开(公告)号：CN117894071A

公开(公告)日：2024-04-16

申请号：CN202410065492.6

申请日：2024-01-17

Applicant: 湖南大学

Inventor： 李智勇 ,  刘畅 ,  李思羽 ,  李浩琦

IPC: G06V40/20 ,  G06V40/10 ,  G06V10/74

Abstract: 本申请公开了一种性别信息过滤的行人重识别重排序方法、系统及电子设备，属于行人重识别技术领域，该方法利用重识别模型分别获取待查询和图库数据集中行人的特征向量，通过特征向量计算待查询与图库中行人之间的欧式距离以得到距离矩阵并对其进行升序排列，通过升序距离矩阵与距离矩阵之间的对应关系得到索引矩阵，再通过索引矩阵对图库中行人身份集合进行重排列，然后将待查询的行人身份与重排列后的图库中的行人身份依次进行比较以得到初步排序列表，最后利用性别信息对初步排序列表中性别不一致的错误匹配结果进行全部过滤，将排名靠前的错误匹配结果过滤掉的同时，排名靠后的正确匹配结果也会向前移动，从而提高模型在测试阶段的检索性能。

公开(公告)号：CN119478876A

公开(公告)日：2025-02-18

申请号：CN202411690133.6

申请日：2024-11-25

Applicant: 湖南大学

Inventor： 李智勇 ,  洪昕盈 ,  李思羽 ,  杨恺伦

IPC: G06V20/56 ,  G06T9/00 ,  G06F16/29 ,  G06V10/40 ,  G06V10/80 ,  G06V10/46 ,  G06V20/70 ,  G06V10/26 ,  G06N3/048 ,  G06V10/25 ,  G06N3/045 ,  G06V10/82

Abstract: 本发明涉及基于视图交互聚合的矢量地图构建方法和系统，获取可见光图像，分别提取可见光图像在像素级坐标系和摄像机坐标系下的特征，通过异步互学习融合模块得到融合特征；融合特征通过关键点预选取模块，得到深度实例特征和几何位置特征，并作为初始参考点；以融合特征，和基于关键点预选取模块得到的关键点查询与实例查询，作为目标检测算法的输入，得到的初始参考点作为目标检测算法额外的提示特征，得到预测的矢量地图元素标签以及所在的位置；预测的矢量地图元素标签以及所在的位置形成单帧的矢量地图，将历史帧中的丰富特征信息与当前帧中的稀疏特征进行聚合，以增强当前帧的稀疏特征，进一步通过检测头得到矢量地图。

公开(公告)号：CN119808963A

公开(公告)日：2025-04-11

申请号：CN202510286364.9

申请日：2025-03-12

Applicant: 湖南大学

Inventor： 杨恺伦 ,  王椿婷 ,  滕飞 ,  李思羽 ,  李智勇

IPC: G06N5/04 ,  G06T17/05 ,  G06V20/56 ,  G06V20/64

Abstract: 本发明公开了一种融合SD地图的地图拓扑关系推理方法，属于三维重建技术领域。该方法包括以下步骤：获取SD地图并进行矢量化处理，得到SD地图折线序列；对SD地图折线序列进行编码得到SD地图特征；利用SD地图位置编码对3D车道坐标进行调整得到车道位置嵌入；融合SD地图特征与3D车道特征进行车道间拓扑关系推理。本发明通过将3D车道坐标与SD地图位置编码相结合，生成了车道位置嵌入，这一过程利用SD地图辅助拓扑关系的初始化，并在拓扑推理阶段，有效地融入了SD地图提供的车道几何信息；该方法不仅考虑了车道固有的几何特征，还显著减少了车道检测中固有的端点移位对拓扑关系的影响。

公开(公告)号：CN117911984A

公开(公告)日：2024-04-19

申请号：CN202410092449.9

申请日：2024-01-23

Applicant: 湖南大学

Inventor： 李智勇 ,  周鹏杰 ,  杨凡 ,  李思羽 ,  何璇

IPC: G06V20/58 ,  G06V10/25 ,  G06V10/764 ,  G06V10/52 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/084

Abstract: 本申请公开了一种基于深度引导的单目3D目标检测方法及系统，属于3D目标检测技术领域。该方法采用一种动态定位和尺度感知Transformer方法用于单目3D检测，引入一个动态、明确位置编码的查询(DEP‑query)和一个尺度辅助变形注意力(SDA)模块，以帮助原始查询具有有价值的空间和内容线索。DEP‑query利用3D投影坐标的显式位置先验来提高查询定位的准确性，从而使解码器中的注意力层避免嘈杂的背景信息。SDA模块通过相应2D框的尺寸先验优化查询的感受场学习，从而查询可以获得高质量的视觉特征。位置和尺寸先验都不需要任何额外的数据，并且在解码器的每一层中更新，以提供长期的辅助。

公开(公告)号：CN119559345A

公开(公告)日：2025-03-04

申请号：CN202411620948.7

申请日：2024-11-14

Applicant: 湖南大学

Inventor： 李智勇 ,  彭博敏 ,  李思羽

IPC: G06T17/05 ,  G06T3/02 ,  G06T5/50 ,  G06T7/33

Abstract: 本发明涉及基于逆透视映射和同步学习的在线地图构建方法和系统，获取透视图像并预处理，经变换得到多尺度逆透视映射图像，经多尺度条状卷积解码，利用不同方向的条状卷积残差连接，经逐层解码和特征融合，得到全局鸟瞰特征；预处理后透视图像经同步学习序列和语义分割网络得到透视特征；将透视特征转换到鸟瞰坐标系，并与全局鸟瞰特征在空间上对齐，得到增强后的透视特征，通过卷积操作融合全局鸟瞰特征和增强后的透视特征，融合后的特征经解码器输出所构建地图的当前帧。结合逆透视映射和同步学习，融合多帧的鸟瞰特征和透视特征，保留鸟瞰视角下的道路结构，透视补充透视图像中的环境细节。