公开(公告)号：CN117911479A

公开(公告)日：2024-04-19

申请号：CN202410014648.8

申请日：2024-01-02

Applicant: 重庆长安汽车股份有限公司

Inventor： 廖刚 ,  吴犀 ,  白云超 ,  吴锐 ,  董楠

IPC: G06T7/55 ,  G06T7/136 ,  G06T3/4038

Abstract: 本申请涉及一种对象特征的确定方法、装置、车辆及存储介质，涉及车辆技术领域。该方法包括：车辆获取第一图像，第一图像为具有深度信息的图像，第一图像包括：至少一个目标对象。车辆基于第一预设深度阈值，对第一图像进行处理，得到第二图像，第二图像为第一图像中部分区域的图像，第二图像包括：至少一个目标对象，第二图像的分辨率与第一图像的分辨率相同。车辆基于第一图像和第二预设深度阈值，构建第一空间，并基于第二图像、第一预设深度阈值和第三预设深度阈值，构建第二空间，第一空间与第二空间存在交集。车辆对第一空间和第二空间进行融合处理，得到目标空间。车辆基于目标空间进行特征提取，确定每个目标对象的特征信息。

公开(公告)号：CN116703782A

公开(公告)日：2023-09-05

申请号：CN202310835560.8

申请日：2023-07-07

Applicant: 重庆长安汽车股份有限公司

Inventor： 吴犀 ,  李頔 ,  白云超 ,  吕宗明 ,  吴锐

IPC: G06T5/00 ,  G06N3/0464 ,  G06N3/08

Abstract: 本申请公开了一种用于处理图像阴影的方法、装置及存储介质。该方法包括：构建基于汇聚特征的目标多任务网络，将待测图像输入至目标多任务网络中得到目标去阴影图像和目标阴影掩膜图像；确定目标阴影掩膜图像中的阴影面积比例；将阴影面积比例与设定阈值进行比较；在阴影面积比例大于设定阈值的情况下，将目标去阴影图像确定为目标图像；在阴影面积比例小于或等于设定阈值的情况下，将待测图像确定为目标图像；其中，目标图像为自动驾驶感知任务的输入图像。本申请采用了基于汇聚特征的多任务网络，其自动化程度较高、运行效率较高且工程上易于部署，能够获得较高精度的阴影掩膜图像和去阴影图像，有利于辅助后续自动驾驶感知任务的进行。

公开(公告)号：CN115953355A

公开(公告)日：2023-04-11

申请号：CN202211530403.8

申请日：2022-11-30

Applicant: 重庆长安汽车股份有限公司

Inventor： 吴犀 ,  张琦 ,  唐康 ,  吴锐 ,  单玉梅

IPC: G06T7/00 ,  G06T7/10 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及深度学习技术领域，提供一种图像阴影检测的处理方法，所述方法包括：获取图像数据集；对图像训练数据集进行标准化处理，生成标准图像数据集；对所述标准图像数据集进行标签提取处理，生成标签图像数据集；将所述标签图像数据集输入初始卷积神经网络模型进行优化处理，生成目标卷积神经网络模型；将所述标签图像数据集输入所述目标卷积神经网络模型中进行训练处理，生成残差转换网络模型；以及将图像测试数据集输入至所述残差转换网络模型中进行阴影检测处理，生成阴影检测图像数据。本发明能够对阴影特征图的边缘进行精细化的学习，使阴影特征图具有较好的鲁棒性。

公开(公告)号：CN117197610A

公开(公告)日：2023-12-08

申请号：CN202311085631.3

申请日：2023-08-25

Applicant: 重庆长安汽车股份有限公司

Inventor： 吴犀 ,  唐康 ,  尹旭 ,  董楠 ,  吴锐

IPC: G06V10/774 ,  G06V10/82 ,  G06V10/44 ,  G06V10/30 ,  G06V20/58 ,  G06V10/20 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本申请涉及一种模型训练方法、装置、设备及存储介质，涉及深度学习技术领域。该方法包括：可以获取训练图像；有遮挡物图像和无遮挡物图像为不同场景下的图像；接着，可以基于图像处理网络确定第一处理图像和第二处理图像；之后，可以将第一处理图像和无遮挡物图像输入到第一图像判别网络中，以得到第一损失，以及将第二处理图像和有遮挡物图像输入到第二图像判别网络中，以得到第二损失；这样，可以基于损失集对待训练模型进行训练，以得到图像处理模型；图像处理模型用于去除待处理图像中的遮挡物。由此，通过不同场景的有遮挡物图像和无遮挡物图像便可以训练去除遮挡物的图像处理模型，以使得训练去除遮挡物的模型更加方便。

公开(公告)号：CN115937820A

公开(公告)日：2023-04-07

申请号：CN202211498914.6

申请日：2022-11-28

Applicant: 重庆长安汽车股份有限公司

Inventor： 张琦 ,  袁聪 ,  刘富钰 ,  吴犀 ,  周春宇

IPC: G06V20/58 ,  G06V40/10 ,  G06V10/46 ,  G06V10/25 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455

Abstract: 本发明涉及自动驾驶技术领域，公开了一种基于轻量化网络的骑车人关键点检测方法，包括：S1：多场景训练图像数据采集；S2：以轻量化训练网络UNet网络为基础框架，构建网络模型；S3：对所述训练图像数据进行处理，获得包含骑车人框信息、骑车人关键点位置信息与属性信息的打包数据；S4：将所述打包数据输入到所述网络模型中进行训练，获得骑车人关键点模型；S5：将待检测骑车人图像数据输入骑车人关键点检测模型中，获得骑车人关键点坐标。本发明能够解决现有技术中，检测速度慢、精度低，检测效果不理想的问题。

公开(公告)号：CN116740131A

公开(公告)日：2023-09-12

申请号：CN202310335346.6

申请日：2023-03-29

Applicant: 重庆长安汽车股份有限公司

Inventor： 白云超 ,  吴犀

IPC: G06T7/246 ,  G06V10/80 ,  G06V40/10 ,  G06V20/40 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明实施例提供了一种行人轨迹预测方法、装置、设备及存储介质，属于计算机技术领域。行人轨迹预测方法，具体包括：获取行人运动视频数据；根据行人运动视频数据，确定出行人的轨迹位置数据和关键点序列数据；将轨迹位置数据和关键点序列数据输入至时空注意力机制的卷积模型中，得到行人轨迹的预测数据。本发明通过行人历史轨迹、行人之间的交互关系以及行人自身的运动状态多种信息预测行人未来的轨迹，提高了预测的可参考性，且采用具有双流结构的时空注意力机制的卷积模型，同时根据轨迹位置数据和关键点序列数据，对行人轨迹进行预测，提高了行人轨迹预测的精度和准确性。