公开(公告)号：CN114373170B

公开(公告)日：2025-04-22

申请号：CN202111532978.9

申请日：2021-12-15

Applicant: 苏州挚途科技有限公司 ,  挚途(上海)智能科技有限公司

Inventor： 龚飞 ,  戴令正 ,  韩志华 ,  张旭

IPC: G06V20/58 ,  G06V20/40 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种伪3D边界框构建的方法、装置及电子设备，涉及图像处理的技术领域，通过获取交通摄像头采集的交通场景的视频数据，并从视频数据中提取目标车辆对应的车辆图像，基于所采集的车辆图像中的车身2D检测框、上半车身2D检测框和车端2D检测框构建目标车辆对应的伪3D边界框，该技术方案仅依靠2D视觉检测技术即可实现，其技术原理相对成熟可靠、实际操作简单、技术成本低、应用场景广泛。

公开(公告)号：CN113537146A

公开(公告)日：2021-10-22

申请号：CN202110895911.5

申请日：2021-08-05

Applicant: 苏州挚途科技有限公司

Inventor： 唐莹莉 ,  戴令正 ,  徐超 ,  韦松 ,  韩志华 ,  张旭

IPC: G06K9/00 ,  G06K9/32 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种交通信号灯语义信息确定方法、装置及电子设备，首先基于获取到的待识别图像，确定待识别图像中，交通信号灯的图像区域的基本属性信息；然后基于交通信号灯的图像区域的基本属性信息，确定待识别图像中，交通信号灯的首次语义信息；再基于待识别图像中，交通信号灯的图像区域的基本属性信息、交通信号灯的首次语义信息以及与待识别图像关联的图像序列，确定待识别图像中，交通信号灯的语义信息。本发明提高了识别交通灯的语义信息的准确率。

公开(公告)号：CN114373170A

公开(公告)日：2022-04-19

申请号：CN202111532978.9

申请日：2021-12-15

Applicant: 苏州挚途科技有限公司 ,  挚途(上海)智能科技有限公司

Inventor： 龚飞 ,  戴令正 ,  韩志华 ,  张旭

IPC: G06V20/58 ,  G06V20/40 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种伪3D边界框构建的方法、装置及电子设备，涉及图像处理的技术领域，通过获取交通摄像头采集的交通场景的视频数据，并从视频数据中提取目标车辆对应的车辆图像，基于所采集的车辆图像中的车身2D检测框、上半车身2D检测框和车端2D检测框构建目标车辆对应的伪3D边界框，该技术方案仅依靠2D视觉检测技术即可实现，其技术原理相对成熟可靠、实际操作简单、技术成本低、应用场景广泛。

公开(公告)号：CN115564973A

公开(公告)日：2023-01-03

申请号：CN202211305473.3

申请日：2022-10-24

Applicant: 苏州挚途科技有限公司

Inventor： 程涵 ,  戴令正 ,  韩志华 ,  张旭

IPC: G06V10/74 ,  G06V20/56 ,  G06N3/04 ,  G06T3/40 ,  G06T7/194 ,  G06T7/90 ,  G06V10/22 ,  G06V10/44 ,  G06V10/54 ,  G06V10/77 ,  G06V10/82 ,  G06V20/70

Abstract: 本发明提供了智能驾驶目标车辆的侧底边预测方法和装置，包括：获取原始图像，将原始图像进行预处理，得到预处理后的图像；将预处理后的图像输入到深度卷积神经网络中，输出得到图像特征信息；将图像特征信息分别进行检测处理和分割处理，得到预测结果；将预测结果进行匹配，得到匹配结果；根据匹配结果计算侧底边的像素坐标；通过引入检测分割一体化算法对目标车辆的底边尤其是侧底边进行准确感知，充分挖掘出目标信息，能够提高对目标车辆横向距离计算的准确度。

公开(公告)号：CN115512188A

公开(公告)日：2022-12-23

申请号：CN202211478846.7

申请日：2022-11-24

Applicant: 苏州挚途科技有限公司

Inventor： 唐莹莉 ,  戴令正 ,  孙昕璐 ,  韩志华

IPC: G06V10/774

Abstract: 本发明公开了一种多目标检测方法、装置、设备及介质。该方法包括：获取待检测图像，并将待检测图像输入至多任务检测模型中；其中，多任务检测模型包括基础网络和分别与基础网络相连的多个类别检测分支网络，类别检测分支网络用于检测设定类别的目标；基础网络使用全类别标注样本训练得到，类别检测分支网络使用单类别标注样本训练得到；通过所述基础网络生成与待检测图像对应的图像特征信息，并将图像特征信息分别输入至各所述类别检测分支网络；通过各类别检测分支网络根据接收的图像特征信息，生成与所检测类别对应的目标检测结果。通过本发明的技术方案，能够快速且准确地识别出待检测图像中的目标，提高了多目标检测的准确率及效率。

公开(公告)号：CN115376093A

公开(公告)日：2022-11-22

申请号：CN202211306830.8

申请日：2022-10-25

Applicant: 苏州挚途科技有限公司

Inventor： 程涵 ,  戴令正 ,  韩志华 ,  张旭

IPC: G06V20/56 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明提供了一种智能驾驶中的对象预测方法、装置及电子设备，首先获取车载摄像头采集的待处理图像；其中，待处理图像中包括多种类别的对象；对待处理图像进行特征提取，得到特征提取结果；将特征提取结果分别输入至每种类别对应的检测分支，以得到每种类别的对象中，每个对象的对象预测结果；其中，每种类别所对应的检测分支的数量与类别相关联。该方式可以将对待处理图像进行特征提取后得到的特征提取结果分别输入至每种类别对应的检测分支，以对每种类别的对象中的每个对象分别进行检测，并且由于每种类别对应的检测分支的数量与类别相关联，从而可以提高对不同类别对象的预测精度和计算效率。