-
公开(公告)号：CN114463504B
公开(公告)日：2024-07-23
申请号：CN202210085354.5
申请日：2022-01-25
Applicant: 清华大学
Abstract: 本发明涉及一种基于单目相机的路侧线状要素重建方法、系统及存储介质，其包括：实时获取单目图像信息及GNSS和IMU信号；将所述单目图像信息进行感知处理后，得到图像感知的地图元素结果；根据所述GNSS和IMU信号得到车辆六自由度信息；根据所述地图元素结果和所述车辆六自由度信息计算得到路侧线状要素的三维位置信息。本发明算法复杂度小，重建精度高，本发明能广泛在智能网联汽车环境构建领域中应用。
-
公开(公告)号：CN116189145B
公开(公告)日：2024-06-11
申请号：CN202310115573.8
申请日：2023-02-15
Applicant: 清华大学
IPC: G06V20/58 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明属于自动驾驶技术领域，涉及一种线形地图要素的提取方法，包括以下步骤：将具有线形地图要素的单帧图像输入深度特征提取网络，提取深度图像特征；通过变压解码器，对所述深度图像特征与若干个查询量进行解码；通过多层感知器，根据所述解码结果，生产分支输出线形地图要素采样点坐标和分支输出线形地图要素对应类别；将线形地图要素采样点坐标和分支输出线形地图要素对应类别合并，得到所述线形地图要素的结构体。其仅使用摄像头传感器提供的单帧图像数据实现地图要素实例分割，成本低。
-
公开(公告)号：CN117649522A
公开(公告)日：2024-03-05
申请号：CN202311549613.6
申请日：2023-11-20
Applicant: 清华大学
IPC: G06V10/26 , G06V20/58 , G06V20/70 , G06V10/762 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明涉及一种用于地面地图要素的实例分割方法及系统，其特征在于，该方法包括：采用特征提取模型，通过连接多层深度卷积层结构，提取彩色输入图像的深度特征；通过语义分割分支、高维量分支和实例点分支，分别对提取的深度特征进行上采样，得到不同长宽尺寸的与彩色输入图像一致的输出结果；对不同长宽尺寸的与彩色输入图像一致的输出结果进行后处理，得到像素聚类结果作为彩色输入图像的实例分割结果，完成彩色输入图像的实例分割，本发明实例分割的快速且稳定，可以广泛应用于自动驾驶领域中。
-
公开(公告)号：CN117315254A
公开(公告)日：2023-12-29
申请号：CN202311353660.3
申请日：2023-10-18
Applicant: 清华大学
Abstract: 本发明涉及一种基于激光雷达点云的栅格级语义分割方法，所述方法包括：通过所述激光雷达获取点云原始数据；从所述点云原始数据中提取多种特征，包括提取体素特征、提取点级别特征以及提取环视特征；对提取的多种特征进行特征融合，得到融合后的特征图；对所述融合后的特征图进行栅格级特征编码，得到栅格特征图；将所述栅格特征图输入到语义分割网络进行语义预测，得到栅格级语义分割结果。本发明能够提高语义分割的识别准确率，并且实现更多类动静态要素的识别。
-
公开(公告)号：CN111401188B
公开(公告)日：2023-10-31
申请号：CN202010161666.0
申请日：2020-03-10
Applicant: 清华大学
IPC: G06V20/56 , G06V40/20 , G06V40/10 , G06V10/774 , G06V10/82 , G06N3/0442
Abstract: 本发明涉及一种基于人体关键点特征的交警手势识别方法，其包括以下步骤：获取车载相机采集的原始图像中的交警边界框和关键点坐标；构造关键点特征向量；识别交警手势：采用事先训练好的手势识别模型，输入当前时刻及其之前连续多帧的关键点特征向量，输出当前时刻的手势识别结果。本发明能避免大量真实交通场景交警指挥图像的采集需求，同时利用深度学习方法取得较高的识别准确率。
-
Patent Agency Ranking
公开(公告)号：CN114518106B
公开(公告)日：2023-07-14
申请号：CN202210085972.X
申请日：2022-01-25
Applicant: 清华大学
IPC: G01C21/00
Abstract: 本发明涉及一种高精度地图垂向要素更新检测方法、系统、介质及设备，其包括：从获取的原始图像数据中检测出图片中的地图垂向要素，得到每个被检测的所述垂向要素的像素边缘点；将获取的相邻时刻图像上的垂向要素进行关联，得到相邻时刻图像中相应关联像素之间的速度向量；根据速度向量得到车辆位置姿态信息，利用车辆位置姿态信息将被检测到的垂向要素的上边缘与下边缘点的像素转标转换为世界坐标系，得到垂向要素相对于车辆的距离；根据垂向要素相对于车辆的距离确定垂直物体是否存在，并计算垂直物体存在的置信度，同时确定垂直物体的位置；根据垂直物体存在的置信度和位置，更新高精度地图数据库。本发明能高效的完成高精地图的更新。
-
公开(公告)号：CN116028890A
公开(公告)日：2023-04-28
申请号：CN202310078490.6
申请日：2023-01-17
Applicant: 清华大学
Abstract: 本发明涉及一种分布式多传感器融合跟踪方法和系统，包括以下步骤：获取各传感器的原始测量信息，并采用预先建立的基于扩展标签多伯努利滤波器，得到多传感器局部后验概率密度；确定分布式多传感器融合网络拓扑结构及相对权重矩阵，并基于相对权重矩阵对多传感器局部后验概率密度进行融合，得到融合概率后验密度；根据融合概率后验密度，进行目标状态与数量的更新，得到分布式多传感器融合跟踪结果。本发明基于扩展标签多伯努利滤波器实现对于多目标状态和数量的同时估计，无需复杂的数据关联算法，提高计算效率，做到实时性多目标跟踪。因此，本发明可以广泛应用于智能汽车的环境感知领域。
-
公开(公告)号：CN111881802B
公开(公告)日：2023-03-28
申请号：CN202010710972.5
申请日：2020-07-22
Applicant: 清华大学
IPC: G06V40/20 , G06V10/82 , G06V10/764 , G06V10/44 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明涉及一种基于双分支时空图卷积网络的交警手势识别方法，其包括步骤：1)对交警手势视频采用深度卷积网络对交警关节点以及骨架进行提取；2)使用信息表征方法来双路表征时空图卷积网络的输入信息，对交警关节点时空特征与骨架物理特征进行充分利用以及统一表达，从交警关节点以及交警骨架两个层次来完成交警动作分析；3)根据人体的自然骨架结构以及时间序列构建双分支时空图卷积网络，交警关节点信息与交警骨架信息分别输入到双分支时空图卷积网络中，实现交警手势识别。本发明可以克服由于交警的身高、衣着，交通场景光照以及复杂度等因素的影响，有效提升交警手势检测精度，同时保证识别算法的实时性，以满足实际应用需求。
-
公开(公告)号：CN112862881B
公开(公告)日：2023-02-07
申请号：CN202110204006.0
申请日：2021-02-24
Applicant: 清华大学
Abstract: 本发明涉及一种基于众包多车摄像头数据的道路地图构建与融合的方法，包括内容为：S1、针对相同区域路段，从搭载相机的他车中获取原始图像序列或视频数据；S2、对每一车辆基于获取的图像信息进行道路标线提取，并在图像帧之间进行道路标线的关联，构建车辆3D本地地图；S3、对两车辆的3D本地地图进行对齐和融合；S4、对多车的3D本地地图数据融合，输出3D融合地图。本发明为众包数据更新要素提供较高的准确度，确保更新要素的准确性，避免变化要素判断不准，导致地图更新中将正确要素错误更新的情况，可以广泛应用于自动驾驶中。
-
公开(公告)号：CN114494435A
公开(公告)日：2022-05-13
申请号：CN202210085360.0
申请日：2022-01-25
Applicant: 清华大学
Abstract: 本发明涉及一种视觉与高精地图匹配定位的快速优化方法、系统及介质，其包括：实时获取单目图像信息及GNSS信号；将所述单目图像信息进行感知处理后，得到图像感知的地图元素结果；根据所述GNSS信号得到地图中车辆周围的地图定位元素；将所述地图元素结果和所述车辆周围的地图定位元素进行地图匹配计算，得到全局六自由度位姿，作为地图匹配定位的优化结果。本发明对智能网联汽车的应用场景，能够降低定位计算复杂度，适配算力更低的计算平台。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.031 seconds)
