-
公开(公告)号：CN111462237B
公开(公告)日：2022-09-20
申请号：CN202010258411.6
申请日：2020-04-03
Applicant: 清华大学
Abstract: 本发明涉及一种利用多源信息构建四通道虚拟图像的目标距离检测方法，其步骤：利用毫米波雷达获取原始点云数据进行信息处理，确定属于同一个目标的雷达原始点信息，得到目标尺寸和目标反射中心位置；根据雷达平面下目标的反射中心位置与单目摄像头采集到的图像中的目标中心像素位置，通过联合标定的方法寻找两种传感器的空间转换关系，同时结合时间同步，实现异步异构多源信息的关联；根据毫米波雷达与图像数据之间的关联关系，构建包含距离信息的虚拟四通道图片；根据虚拟四通道图片搭建卷积神经网络，实现目标检测。本发明能提高目标检测的距离预测能力，实现网络结构轻量化，节约计算资源，提高现有的视觉3D目标检测算法空间信息预测精度与速度。
-
公开(公告)号：CN113052966A
公开(公告)日：2021-06-29
申请号：CN202110243239.1
申请日：2021-03-05
Applicant: 清华大学
Abstract: 本发明涉及一种自动驾驶众包高精度地图更新方法、系统及介质，其包括：输入众包多源信息；将众包多源信息传输至区块链处理模块内进行区块地图更新；将网络中更新的地图模块回传至车端，进行车端更新，替换未更新的区块地图数据，完成整个链路的数据更新。本发明每辆自动驾驶车辆都作为独立处理单元，具备实时处理数据的能力，每辆车都可以作为区块链中的一个节点参与地图更新中，不仅能够有效利用众包量产车中所获取的实时数据，而且可以提高更新频率，降低地图更新成本。本发明可以广泛在自动驾驶高精度地图技术领域中应用。
-
公开(公告)号：CN110745140B
公开(公告)日：2021-01-01
申请号：CN201911030362.4
申请日：2019-10-28
Applicant: 清华大学
Abstract: 本发明提出的一种基于连续图像约束位姿估计的车辆换道预警方法，包括：建立目标车辆车身坐标系、自车车身坐标系和像素坐标系；目标车辆图像采集与处理及自车状态测量；利用连续N帧图像建立目标车辆三维边界框与二维边界框的投影约束；利用连续多帧图像建立同一目标车辆位置运动约束；联立各约束，求解目标车辆在自车车身坐标系中的位置和方位，即确定目标车辆的三维边界框；根据确定的三维边界框，确定目标车辆与自车的横纵向相对位置关系；评估目标车辆对自车换道的碰撞风险。本发明使用相机采集连续多帧侧后方车辆图像，高精度地估计他车位姿，从而更精确的计算他车与自车的横纵向距离，进行车辆换道预警。
-
公开(公告)号：CN111860274A
公开(公告)日：2020-10-30
申请号：CN202010673722.9
申请日：2020-07-14
Applicant: 清华大学
Abstract: 本发明涉及一种基于头部朝向与上半身骨架特征的交警指挥手势识别方法，其包括以下步骤：车载相机采集得到视频或原始图像序列后，进行交警检测、姿态估计与跟踪，确定目标交警的上半身关节点在图像中的像素坐标；估计交警头部朝向，通过交警头部朝向判断交警的指挥对象是否为自车；交警指挥手势识别，包括提取上半身骨架空间特征、提取上半身骨架时序特征和手势分类。本发明具有较高的识别准确率，能保证识别的稳定性；在节省计算资源的同时还能避免自车非交警识别对象时对手势的误判。
-
公开(公告)号：CN111340050A
公开(公告)日：2020-06-26
申请号：CN202010228438.0
申请日：2020-03-27
Applicant: 清华大学
Abstract: 本发明属于地图数据处理技术领域，涉及一种地图道路全要素特征提取方法和系统，包括以下步骤：S1.建立全要素的道路标线要素集；S2.获取地图道路图像集，并基于道路标线要素集，在道路图像集中选取部分图像生成全要素训练数据集；S3.使用图像翻译算法对训练数据集进行训练；S4.根据经过训练的训练数据集，确定标线要素的位置和形状；S5.根据标线要素的位置和形状，生成标识了全要素道路标线的图像。其实现了道路全要素模型数据库的构建，并且通过优化网络模型，将图像翻译算法应用到高精度地图的构建技术中，推动自动驾驶高精地图技术的发展。
-
Patent Agency Ranking
公开(公告)号：CN111008583A
公开(公告)日：2020-04-14
申请号：CN201911190502.4
申请日：2019-11-28
Applicant: 清华大学
Abstract: 本发明涉及一种利用肢体特征辅助的行人和骑车人姿态估计方法，其步骤：准备数据：包括公开的通用姿态数据集和自行标注的行人姿态数据；选择基础网络模型，定义网络输入、输出，使用数据集中标注的关节点坐标构造关节点真值热图与肢体真值热图，定义损失函数和超参数，训练网络使之能够输出接近真值热图的肢体估计热图和关节点估计热图；对于每张输入的图像，两组网络分别输出13幅肢体热图和13幅关节点热图，对其进行后融合，使最终输出的关节点热图能整合肢体检测与关节点检测结果；搜索输出关节点热图中的最大热值和次大热值，获取最大热值的相应位置坐标和次大热值的相应位置坐标，最后得到的关节点坐标。
-
公开(公告)号：CN112731357B
公开(公告)日：2024-10-29
申请号：CN202011609084.0
申请日：2020-12-30
Applicant: 清华大学
IPC: G01S7/497
Abstract: 本发明涉及一种激光点云里程计定位误差的实时修正方法和系统，其特征在于包括以下步骤：1)从装备有激光雷达的智能网联车辆所采集的历史激光点云数据中，提取路面点云并计算得到模型参数，构建经验模型；2)采用经验模型对智能网联车辆所采集的实时激光点云数据进行实时修正，得到误差消除后的激光点云数据。本发明采用修正模型来修正激光点云里程计的累计定位误差，能够提供更准确的自车位姿估计，同时能够在线的修正激光点云里程计的误差，可以广泛应用于智能网联汽车环境感知领域。
-
公开(公告)号：CN117671143A
公开(公告)日：2024-03-08
申请号：CN202311634700.1
申请日：2023-12-01
Applicant: 清华大学
Abstract: 本发明涉及一种三维地图要素的提取方法、系统、设备及介质，其特征在于，方法包括：确定线形地图要素的表达方式；采用transformer注意力机制模型，根据提取的输入图像的深度特征和预先设定的空间视角转换嵌入量，得到空间视角转换编码；将预先设定的N个实例查询、空间视角转换编码和输入图像的深度特征至输入至transformer注意力机制模型，并基于确定的线形地图要素的表达方式，输出N个点链的预测值作为三维车道线提取结果实例提议；对三维车道线提取结果实例提议进行精细化分支，确定地图要素结构体，本发明统一了高精地图构建各流程数据传递模式，可以广泛应用于自动驾驶领域中。
-
公开(公告)号：CN111340050B
公开(公告)日：2023-04-07
申请号：CN202010228438.0
申请日：2020-03-27
Applicant: 清华大学
IPC: G06V10/46 , G06V10/44 , G06V10/774
Abstract: 本发明属于地图数据处理技术领域，涉及一种地图道路全要素特征提取方法和系统，包括以下步骤：S1.建立全要素的道路标线要素集；S2.获取地图道路图像集，并基于道路标线要素集，在道路图像集中选取部分图像生成全要素训练数据集；S3.使用图像翻译算法对训练数据集进行训练；S4.根据经过训练的训练数据集，确定标线要素的位置和形状；S5.根据标线要素的位置和形状，生成标识了全要素道路标线的图像。其实现了道路全要素模型数据库的构建，并且通过优化网络模型，将图像翻译算法应用到高精度地图的构建技术中，推动自动驾驶高精地图技术的发展。
-
公开(公告)号：CN111008583B
公开(公告)日：2023-01-06
申请号：CN201911190502.4
申请日：2019-11-28
Applicant: 清华大学
IPC: G06V40/20 , G06V40/10 , G06V10/80 , G06V10/84 , G06V10/774
Abstract: 本发明涉及一种利用肢体特征辅助的行人和骑车人姿态估计方法，其步骤：准备数据：包括公开的通用姿态数据集和自行标注的行人姿态数据；选择基础网络模型，定义网络输入、输出，使用数据集中标注的关节点坐标构造关节点真值热图与肢体真值热图，定义损失函数和超参数，训练网络使之能够输出接近真值热图的肢体估计热图和关节点估计热图；对于每张输入的图像，两组网络分别输出13幅肢体热图和13幅关节点热图，对其进行后融合，使最终输出的关节点热图能整合肢体检测与关节点检测结果；搜索输出关节点热图中的最大热值和次大热值，获取最大热值的相应位置坐标和次大热值的相应位置坐标，最后得到的关节点坐标。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.03 seconds)
