一种基于自监督一致性学习的交通事件检测系统及方法

    公开(公告)号:CN118762338A

    公开(公告)日:2024-10-11

    申请号:CN202410910222.0

    申请日:2024-07-09

    Abstract: 本发明提出了一种基于自监督一致性学习的交通事件检测系统及方法。所述方法包括获取交通场景下多个连续时隙的视频帧;通过对多个相邻时隙的视频帧进行光流计算,得到多个光流图像帧;将视频帧与光流图像帧进行预测处理,得到目标时隙的预测视频帧;通过对视频帧进行对象检测追踪,得到交通对象边界框;对交通对象边界框进行预测处理,得到目标时隙的交通对象预测框;通过对视频帧进行上下文检测,得到交通场景的上下文信息;将目标时隙的交通对象预测框、目标时隙的预测视频帧、交通场景的上下文信息输入到一致性学习训练后的交通事件检测网络中,得到目标时隙的交通事件检测结果。本发明无需大量标注数据,提高了交通事件检测的适应性和鲁棒性。

    一种降雨天气下激光雷达点云质量测试方法

    公开(公告)号:CN117008103A

    公开(公告)日:2023-11-07

    申请号:CN202311003269.0

    申请日:2023-08-09

    Abstract: 本发明涉及一种降雨天气下激光雷达点云质量测试方法,属于感知测试领域。本发明分为三部分:针对激光束在传播过程中发生距离衰减的问题,设计提出一种基于BEV视角的多协同目标距离信息测试工况方法,来获取不同降雨情况下目标距离的衰减程度;针对无降雨、小雨、中雨、大雨、暴雨、大暴雨、特大暴雨七种情况下保存的激光雷达点云图数据量过大的问题,设计提出一种基于区域空间的极坐标网格分割机制,针对激光雷达点云近密远疏的问题将其分割成不同大小的区域空间,用来解决数据量过大的问题;针对基于区域空间的极坐标网格分割机制划分的体素网格,设计提出一种基于迭代投票机制的点云匹配方法,来获取不同降雨情况下点云噪声的比例。

    一种基于深度学习的典型交通事件检测系统

    公开(公告)号:CN116645563A

    公开(公告)日:2023-08-25

    申请号:CN202310690020.5

    申请日:2023-06-12

    Abstract: 本发明涉及一种基于深度学习的典型交通事件检测系统,属于车路协同与智慧交通领域。该系统依次设有目标检测模型模块、时间流运动特征模型模块和交通事件检测模块;目标检测模型模块并行设置增加坐标注意力的多分支空洞融合模块和重叠检测框保留机制模块;时间流运动特征模型模块是一种高斯线性差值的时间流模型模块;交通事件检测模型模块是一种多维视觉特征的事件检测模型模模块。本发明充分利用路侧监控获取交通实时视频图像,优化模型提高典型交通事件精度,可有效提高事件检测准确性,平衡检测性能和实时性,及时解决道路交通事件,提高交通效率、减少路口拥堵。

Patent Agency Ranking