-
公开(公告)号：CN116708079A
公开(公告)日：2023-09-05
申请号：CN202310707117.2
申请日：2023-06-15
Applicant: 苏州科技大学
Abstract: 本发明公开了一种基于通感一体化无人机进行中继转发的方法及系统，采用通感一体化无人机作为中继节点，基于感知的如用户位置、方位等信息，利用无人机上智能反射面的被动波束赋形技术，形成指向用户的毫米波波束，通过调整被动波束指向，结合用户的厘米波反馈信号，获得用户处接收功率最大的角度方向，并计算得到角度修正量。本发明的基于通感一体化无人机进行中继转发的方法及系统可抑制通感一体化技术感知误差的影响，保证无人机中继节点的毫米波通信质量。
-
公开(公告)号：CN116798016A
公开(公告)日：2023-09-22
申请号：CN202310649586.3
申请日：2023-06-02
Applicant: 苏州科技大学
IPC: G06V20/58 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/80
Abstract: 本发明提供了一种用于自动驾驶的多模态三维目标检测方法、系统及存储介质，包括如下步骤：步骤一，特征信息获取；步骤二：通过Transformer双融合特征区域建议网络，生成初始候选框；步骤三，深度特征信息增强：通过深度信息补全机制，预测密集深度信息和提取特征语义信息；步骤四，多模态特征融合：采用动态交叉注意力机制来获得不同模态间的相关性，并预测相关权重，再通过对特征进行加权来获得融合特征。本发明的有益效果是：本发明融合了激光雷达和摄像头两种传感器的优势，实现自动驾驶领域中的动态多目标检测技术，能够对车辆、行人、骑行的人等多类目标进行准确的识别和定位，该技术兼顾了实时性，能够应用在实际的场景中。
-
公开(公告)号：CN116152800A
公开(公告)日：2023-05-23
申请号：CN202310149031.2
申请日：2023-02-22
Applicant: 苏州科技大学
IPC: G06V20/64 , G06V10/40 , G06V10/80 , G06V10/82 , G06V10/25 , G06V10/764 , G06V20/58 , G06N3/045 , G06N3/0464 , G06N3/048
Abstract: 本发明提供了一种基于跨视图特征融合的3D动态多目标检测方法、系统及存储介质,该3D动态多目标检测方法包括特征提取步骤、特征映射与融合步骤、预选框生成与检测框优化步骤。本发明的有益效果是：本发明融合了激光雷达和摄像头两种传感器的优势，实现自动驾驶领域中的动态多目标检测技术，能够对车辆、行人、骑行的人等多类目标进行准确的识别和定位，该技术兼顾了实时性，能够应用在实际的场景中。
-
Patent Agency Ranking
公开(公告)号：CN116704464B
公开(公告)日：2025-05-06
申请号：CN202310706306.8
申请日：2023-06-14
Applicant: 苏州科技大学
IPC: G06V20/56 , G06N3/0464 , G06V10/764 , G06V10/82 , G06N3/09 , G06N3/0985
Abstract: 本发明提供了一种基于辅助任务学习网络的三维目标检测方法、系统及存储介质，包括：步骤一，进行集合抽象：设计一种集合抽象层，所述集合抽象层由采样层、分组层和点网络层组成；步骤二：将D‑FPS和FS输出结果并行输入到体素特征编码与自注意力机制层中，构成辅助任务学习网络；步骤三：在候选生成层中，使用F‑FPS中的代表性点作为初始中心点，初始中心点在它们相对位置的监督与辅助网络中心点估计的修正下，转移至其相应实例，从而生成新的候选点；步骤四，数据增强。本发明的有益效果是：本发明的目标检测精度高，实时性好，可泛化能力强，可以满足自动驾驶应用场景下，目标检测在线处理和高精度的要求。
-
公开(公告)号：CN116740519A
公开(公告)日：2023-09-12
申请号：CN202310711683.0
申请日：2023-06-15
Applicant: 苏州科技大学
Abstract: 本发明提供了一种近景远景多维度融合的三维目标检测方法、系统及存储介质，三维目标检测方法包括：步骤一：使用Centernet对图像的中心点进行检测并对基础属性进行回归，通过全卷积的编码‑解码骨干网进行特征值的提取；步骤二：使用估计的深度对目标进行三维ROI区域的划分，再将检测任务分为近景检测和远景检测。本发明的有益效果是：本发明的三维目标检测方法融合了激光雷达、毫米波雷达和摄像头三种传感器的优势，实现自动驾驶领域中的3D目标检测的技术，能够对车辆、行人、骑行的人等目标进行准确的识别和定位，能够应用在实际的场景中。
-
公开(公告)号：CN116704464A
公开(公告)日：2023-09-05
申请号：CN202310706306.8
申请日：2023-06-14
Applicant: 苏州科技大学
IPC: G06V20/56 , G06N3/0464 , G06V10/764 , G06V10/82 , G06N3/09 , G06N3/0985
Abstract: 本发明提供了一种基于辅助任务学习网络的三维目标检测方法、系统及存储介质，包括：步骤一，进行集合抽象：设计一种集合抽象层，所述集合抽象层由采样层、分组层和点网络层组成；步骤二：将D‑FPS和FS输出结果并行输入到体素特征编码与自注意力机制层中，构成辅助任务学习网络；步骤三：在候选生成层中，使用F‑FPS中的代表性点作为初始中心点，初始中心点在它们相对位置的监督与辅助网络中心点估计的修正下，转移至其相应实例，从而生成新的候选点；步骤四，数据增强。本发明的有益效果是：本发明的目标检测精度高，实时性好，可泛化能力强，可以满足自动驾驶应用场景下，目标检测在线处理和高精度的要求。
-
公开(公告)号：CN116665185A
公开(公告)日：2023-08-29
申请号：CN202310694348.4
申请日：2023-06-13
Applicant: 苏州科技大学
IPC: G06V20/58 , G06V10/40 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/08 , G06N3/048 , G06N3/047 , G06V10/764
Abstract: 本发明提供了一种用于自动驾驶的三维目标检测方法、系统及存储介质，包括：步骤一：在体素特征提取分支中，使用带有注意力机制的图卷积网络提取局部邻域和上下文信息的多尺度体素特征；步骤二：图像特征提取分支采用一种密集连接的2D卷积网络多层次叠加聚合将更浅和更深的层相聚合起来，引入金字塔叠加结构对多尺度图像特征进行聚合；步骤三：基于体素特征提取分支和图像特征提取分支提取的特征，通过多模态迭代互注意力融合来融合多尺度的图像特征和体素特征，最后基于多模态特征进行区域提案和分类回归实现3D目标检测。本发明的优势：本发明能够对远距离的车辆、行人、骑行的人等目标进行准确的识别和定位，能够应用在实际的场景中。
-
公开(公告)号：CN116664856A
公开(公告)日：2023-08-29
申请号：CN202310694347.X
申请日：2023-06-13
Applicant: 苏州科技大学
IPC: G06V10/40 , G06V10/82 , G06V10/80 , G06V10/764 , G06V20/58 , G06N3/0455 , G06N3/08
Abstract: 本发明提供了一种基于点云‑图像多交叉混合的三维目标检测方法、系统及存储介质，包括如下步骤：步骤一：分别对图像和原始点云提取特征，通过坐标细化模块将原始点位置编码与图像特征相结合，将采样点迭代地向边界框移动，增强图像与点云间的耦合度；步骤二：在体素鸟瞰特征提取过程中，将体素内的区域细粒度信息集成到全局特征中，用于补充Transformer缺乏局部信息，获得了更广感受野的鸟瞰特征图。本发明的优势：本发明融合了激光雷达和摄像头两种传感器的优势，实现自动驾驶领域中的3D目标检测的技术，能够对车辆、行人、骑行的人等目标进行准确的识别和定位，能够应用在实际的场景中。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
