公开(公告)号：CN118999522A

公开(公告)日：2024-11-22

申请号：CN202410884749.0

申请日：2024-07-03

Applicant: 重庆邮电大学

Inventor： 冯明驰 ,  徐林杰 ,  萧红 ,  黄帅 ,  牟南瑜 ,  郑太雄

IPC: G01C21/00 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/08 ,  G06F17/10 ,  G06V10/774 ,  G06V10/82 ,  G06V10/40 ,  G06V10/80 ,  G06V10/25 ,  G06V10/26 ,  G01C21/16 ,  G01C21/34 ,  G01S17/86 ,  G01S19/42

Abstract: 本发明请求保护一种基于全向视觉的多任务环境感知和高精度定位方法，涉及深度学习、计算机视觉及智能汽车环境感知和车辆定位领域。(1)构建了一个基于编码‑解码架构的多任务神经网络，具有同时实现全向视觉环境感知与车辆高精度定位的功能，(2)制作了一体化数据集，包括图像数据、低成本的IMU和GNSS数据、RTK数据、激光雷达数据；(3)采用冻结训练策略对多任务神经网络进行训练；(4)构建了全向视觉环境感知和高精度定位损失函数数学模型；(5)对GNSS数据进行平滑处理，并实现车辆粗定位，再利用全向视觉环境感知信息结合粗定位结果实现车道级的高精度定位。本发明提高了车辆的环境感知范围以及在复杂环境中定位的精度和稳定性。

公开(公告)号：CN117727001A

公开(公告)日：2024-03-19

申请号：CN202311670801.4

申请日：2023-12-07

Applicant: 重庆邮电大学

Inventor： 冯明驰 ,  陈毅 ,  白昊宇 ,  徐林杰

IPC: G06V20/58 ,  G01S13/86 ,  G06V10/80 ,  G06V10/26 ,  G06V10/44 ,  G06T7/80 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明请求保护一种基于全向视觉的车辆周围目标BEV感知预测方法，涉及自动驾驶、计算机视觉、深度学习等领域。本发明构建了一种端到端基于BEV感知、预测的神经网络，不同于现有通过Transformer将特征转换到极坐标系的隐式转换方法，本发明的BEV方法是显式地将特征转化到极坐标中进行感知和预测。未来预测模型以多帧的感知特征作为输入，通过对感知特征进行离散化对角高斯采样将特征信息分为两种不同分布来实现融合预测；最后将预测信息通过一个多头解码器来输出预测信息。通过压缩激光雷达的3D标注信息中高度信息生成BEV标签数据，该网络可以通过多相机来实现对参考车辆周围目标进行感知、预测，预测结果可为自动驾驶中的路径规划和自动避障下游任务使用。