-
公开(公告)号：CN113705636B
公开(公告)日：2024-02-20
申请号：CN202110922185.1
申请日：2021-08-12
Applicant: 重庆邮电大学
IPC: G06F18/25 , G06F18/24 , G06N3/042 , G06N3/0464 , G08G1/01
Abstract: 本发明自动驾驶领域，具体是一种自动驾驶车辆轨迹预测方法、装置及电子设备；所述方法包括根据自动驾驶车辆周围的传感器采集其周围交通参与者的一系列连续点云图像，对点云图像进行处理后获得自动驾驶车辆与周围交通参与者的位置关系和鸟瞰图BEV；通过图卷积模型对自动驾驶车辆与周围交通参与者的位置关系建模，提取出自动驾驶车辆与周围交通参与者的交互特征；通过时空金字塔模型对BEV图建模，提取出相应的历史轨迹的场景特征；将场景特征和交互特征进行融合，根据所述融合特征预测出自动驾驶车辆的分类和轨迹。本发明考虑了周围交通参与者相互之间的影响，对交通参与者进行分类预测和轨迹预测，减小了运动不确定性对目标轨迹预测的影响。
-
公开(公告)号：CN111242868B
公开(公告)日：2023-05-02
申请号：CN202010049736.3
申请日：2020-01-16
Applicant: 重庆邮电大学
IPC: G06T5/00 , G06N3/0464 , G06N3/0455 , G06N3/0475
Abstract: 本发明涉及计算机视觉、深度学习领域，具体设涉及一种暗视觉环境下基于卷积神经网络的图像增强方法，该方法包括：获取原始图像数据和暗视觉环境下的图像数据；将获取的数据分为训练集和测试集，采用训练集的数据训练改进的卷积神经网络模型；采用测试集的数据进行网络性能测试；将暗视觉环境下的图像数据输入图像分解网络中，得到分解出的亮度通道图像；将暗视觉环境下的图像数据和亮度通道图像输入到改进的卷积神经网络模型中，得到暗视觉环境下采集图像的增强图像；通过本发明，能够对暗视觉环境下获取的图像进行增强；增强后的图像清晰，便于人们可以明确辨认图像中的细节内容。
-
公开(公告)号：CN114693712A
公开(公告)日：2022-07-01
申请号：CN202210366311.4
申请日：2022-04-08
Applicant: 重庆邮电大学
Abstract: 本发明公开一种基于深度学习的暗视觉及低照度图像边缘检测方法，所述方法包括获取暗视觉/低照度图像；将暗视觉/低照度图像输入到预训练后的初级子网中，提取出多个边缘特征图，并形成第一边缘特征；将暗视觉/低照度图像与第一边缘特征输入到边缘增强模块中；将边缘增强后的暗视觉/低照度图像输入到次级子网中，提取出多个边缘特征图；将初次子网产生的第一边缘特征和多个边缘特征图与次级子网产生的多个边缘特征图进行特征图融合，得到暗视觉/低照度图像的边缘检测效果；本发明可在训练过程中，结合实时参数，对暗视觉/低照度图像的边缘增强效果进行动态调整，能有效地拉伸图像灰度级分布范围，较好地保留暗视觉/低照度图像的边缘特征。
-
公开(公告)号：CN115049130A
公开(公告)日：2022-09-13
申请号：CN202210695491.0
申请日：2022-06-20
Applicant: 重庆邮电大学
IPC: G06Q10/04 , G06V20/13 , G06V20/56 , G06V20/70 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G01C21/26 , G01S17/931 , G06N3/04 , G06N3/08
Abstract: 本发明涉及轨迹预测技术领域，尤其是涉及一种基于时空金字塔的自动驾驶轨迹预测方法,包括对自动驾驶车辆所载传感器收集的雷达点云数据进行预处理，得到BEV图；提取自动驾驶车辆行驶道路的卫星图像，获取局部路径图；构建基于时空金字塔transformer的神经网络模型；将BEV图与局部路径图进行整合，将整合结果输入到神经网络模型进行处理，得到自动驾驶车辆的轨迹与交通参与者的分类结果；本发明在时空金字塔网络模型的基础上添加Transformer机制，利用Transformer机制的简单性使空间交互和上下文信息可以很容易地合并到输入嵌入中，而不增加模型的复杂性，并且提升模型的预测精度。
-
公开(公告)号：CN111916218A
公开(公告)日：2020-11-10
申请号：CN202010796553.8
申请日：2020-08-10
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种新型冠状病毒肺炎疫情多级预警方法及系统，属于公共卫生信息化领域。本发明采用基于长短期记忆网络LSTM的新型冠状病毒肺炎疫情群体态势预测算法得出的新冠肺炎疫情群体态势每日新增确诊预测数据，结合百度地图迁徙大数据平台获取的全国城市之间的每天人口流动比例数据以及各城市的行政区划代码数据，经过编码、归一化和坐标映射等处理，通过扩展的K-均值聚类算法得出全国、各城市之间的新冠肺炎疫情多级预警数据。利用多点数据串联，针对实时新冠肺炎疫情信息智能生成预警信息内容，通过网络发送至Web客户端和移动客户端并以可视化方式呈现，为全国各城市区域新冠肺炎疫情多级预警提供数据支持。
-
Patent Agency Ranking
公开(公告)号：CN111798991A
公开(公告)日：2020-10-20
申请号：CN202010657929.7
申请日：2020-07-09
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于LSTM的新冠肺炎疫情群体态势预测方法，属于深度学习技术领域。该方法包括以下步骤：S1：新冠肺炎疫情数据获取；S2：全国新冠肺炎疫情群体态势预测；S3：省、自治区和直辖市新冠肺炎疫情预测；S4：城市新冠肺炎疫情群体态势预测。深度学习目前在许多领域取得了优异的效果，LSTM在时间序列预测问题上表现较好，能够很好的挖掘数据的时间特征和规律，相比于传统的非参数模型效果要好。
-
公开(公告)号：CN115049130B
公开(公告)日：2024-06-04
申请号：CN202210695491.0
申请日：2022-06-20
Applicant: 重庆邮电大学
IPC: B60W60/00 , G06V20/13 , G06V20/56 , G06V20/70 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G01C21/26 , G01S17/931 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及轨迹预测技术领域，尤其是涉及一种基于时空金字塔的自动驾驶轨迹预测方法,包括对自动驾驶车辆所载传感器收集的雷达点云数据进行预处理，得到BEV图；提取自动驾驶车辆行驶道路的卫星图像，获取局部路径图；构建基于时空金字塔transformer的神经网络模型；将BEV图与局部路径图进行整合，将整合结果输入到神经网络模型进行处理，得到自动驾驶车辆的轨迹与交通参与者的分类结果；本发明在时空金字塔网络模型的基础上添加Transformer机制，利用Transformer机制的简单性使空间交互和上下文信息可以很容易地合并到输入嵌入中，而不增加模型的复杂性，并且提升模型的预测精度。
-
公开(公告)号：CN115150781A
公开(公告)日：2022-10-04
申请号：CN202210743244.3
申请日：2022-06-28
Applicant: 重庆邮电大学
Abstract: 本发明属于无人机资源分配技术领域，具体涉及一种基于任务优先级的无人机协助边缘计算的资源分配方法；该方法包括：构建无人机协助边缘计算的物联网设备系统模型；根据无人机协助边缘计算的物联网设备系统模型构建通信模型、时延模型和能耗模型；采用层次分析法对物联网设备的计算任务进行优先级划分，得到不同计算任务的优先级权重；根据优先级权重、通信模型、时延模型和能耗模型构建最小开销优化问题；求解最小开销优化问题，得到计算任务的资源分配结果；物联网设备根据资源分配结果进行计算处理；本发明综合考虑能耗和时延，能够实现系统的合理资源调度，从而提高系统性能，实用性高。
-
公开(公告)号：CN116128930B
公开(公告)日：2025-05-06
申请号：CN202310287277.6
申请日：2023-03-22
Applicant: 重庆邮电大学
IPC: G06T7/246 , G06V10/80 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及轨迹预测技术领域，尤其是涉及一种基于图时空金字塔的自动轨迹预测方法；包括对实时收集到的雷达点云数据进行预处理获得鸟瞰图；通过时空金字塔网络处理鸟瞰图，输出场景特征；对传感器收集到的常规历史轨迹数据进行筛选和处理，获得原始数据；对原始数据进一步处理获取输入表示和固定图，将其输入图卷积网络处理得到图特征；将图特征和场景特征输入到图注意网络整合得到时空图；将时空图输入到transformer网络，输出自动驾驶车辆周围交通参与者的预测轨迹以及类别；本发明额外添加常规历史轨迹数据，通过图卷积网络与时空金字塔网络相结合增加了输入的可解释性与鲁棒性，提升了预测精度。
-
公开(公告)号：CN116128930A
公开(公告)日：2023-05-16
申请号：CN202310287277.6
申请日：2023-03-22
Applicant: 重庆邮电大学
IPC: G06T7/246 , G06V10/80 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及轨迹预测技术领域，尤其是涉及一种基于图时空金字塔的自动轨迹预测方法；包括对实时收集到的雷达点云数据进行预处理获得鸟瞰图；通过时空金字塔网络处理鸟瞰图，输出场景特征；对传感器收集到的常规历史轨迹数据进行筛选和处理，获得原始数据；对原始数据进一步处理获取输入表示和固定图，将其输入图卷积网络处理得到图特征；将图特征和场景特征输入到图注意网络整合得到时空图；将时空图输入到transformer网络，输出自动驾驶车辆周围交通参与者的预测轨迹以及类别；本发明额外添加常规历史轨迹数据，通过图卷积网络与时空金字塔网络相结合增加了输入的可解释性与鲁棒性，提升了预测精度。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.015 seconds)
