“徐歆恺”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果8个，建议您升级VIP下载更多相关专利

[发明专利]一种基于端到端的深度强化学习换道决策方法和装置-CN202111400393.1有效
发明人：鲍泓;徐歆恺;付一豪;王晨曦;宁晴;潘卫国;徐成 -专利权人：北京联合大学
申请日： 2021-11-24 - 公布日： 2022-08-26 - 主分类号： B60W30/18 文献下载
摘要：本发明公开一种基于端到端的深度强化学习换道决策方法和装置，初始化深度强化学习网络；将自动驾驶车辆前方相机采集图像信息输入到所述深度强化学习网络以得到训练数据；根据所述训练数据训练深度强化学习网络，得到换道决策模型，所述换道决策模型用于建立所述图像信息与换道决策的直接连贯映射关系；根据自动驾驶车辆的当前环境，通过所述换道决模型进行正确安全的换道决策。本发明的技术方案，针对自动驾驶车辆在实际道路上的换道行为存在的问题，有效防止了模块之间的误差传递与积累，使得自动驾驶车辆可根据图像特征与换道决策形成映射关系。
一种基于端到端深度强化学习决策方法装置

[发明专利]一种基于深度学习网络的矿山图像粉尘去除方法及系统-CN202111352712.6有效
发明人：刘康;徐歆恺;马岩;赵昕楠 -专利权人：中国矿业大学（北京）;北京联合大学;煤炭科学技术研究院有限公司
申请日： 2021-11-16 - 公布日： 2022-08-23 - 主分类号： G06T5/00 文献下载
摘要：本发明提供了一种基于深度学习网络的矿山图像粉尘去除方法及系统，步骤包括：S1、对矿山图像进行多尺度特征提取，获取所述矿山图像的高级图像特征、结构特征和低级图像特征；S2、对所述高级图像特征、结构特征和低级图像特征进行修复处理，去除所述矿山图像的粉尘信息；S3、将所述高级图像特征、结构特征和低级图像特征和所述矿山图像的粉尘信息进行融合处理，获取融合特征，将所述融合特征进行图像还原处理，获得去除粉尘图像；S4、将所述去除粉尘图像进行分块区域处理，获得粉尘概率，进行数据处理获得端到端网络的损失值，判断损失值是否符合要求，否则要返回S1；是则获取去除粉尘成功的矿山图像。
一种基于深度学习网络矿山图像粉尘去除方法系统

[发明专利]一种改进的高精度端到端车辆多目标跟踪方法-CN202111349929.1有效
发明人：鲍泓;徐歆恺;宁晴;付一豪;王晨曦;潘卫国;徐成 -专利权人：北京联合大学
申请日： 2021-11-15 - 公布日： 2022-06-21 - 主分类号： G06V10/40 文献下载
摘要：本发明涉及一种改进的高精度端到端车辆多目标跟踪方法，包括：基于改进的Faster R‑CNN模型对车辆进行检测，得到目标检测数据集；将所述目标检测数据集输入到区域生成网络模块中进行相似度学习，得到待匹配的候选目标数据集，最后通过最近邻匹配方法完成所述待匹配的候选目标数据集的匹配。本发明改进了Quasi‑Dense跟踪方法，结合了注意力机制、自适应等思想，提升模型对于尺度变化较大的目标检测和跟踪的能力，在网络结构中使用空间注意力机制，同时在设定锚框时使用启发式方法，改进模型的跟踪效果，有效的降低了跟踪时ID切换的次数。
一种改进高精度端到端车辆多目标跟踪方法

[发明专利]一种基于改进YOLOF模型的交通标志牌检测方法-CN202111349926.8有效
发明人：鲍泓;徐歆恺;梁天骄;吴祉璇;潘卫国;徐成 -专利权人：北京联合大学
申请日： 2021-11-15 - 公布日： 2022-05-31 - 主分类号： G06V20/58 文献下载
摘要：本发明公开了一种基于改进YOLOF模型的交通标志牌检测方法，包括：对采集的交通标志牌样本进行增广，将增广完成后的数据集输入改进的YOLOF网络模型进行训练；对训练的改进的YOLOF网络模型进行检测，检测结果合格则结束检测。通过多种增广方式对样本集进行增广，减少了采集成本的同时还获得了大量样本，并提升了模型的鲁棒性和在无人驾驶复杂场景中交通标志牌的检测性能，通过使用改进的YOLOF模型对交通标志牌进行检测，不仅解决了复杂场景下交通标志牌的漏检误检问题，而且提高了无人驾驶环境中交通标志牌检测速度。
一种基于改进 yolof 模型交通标志检测方法

[发明专利]一种基于深度学习的城市主干道路车流量统计方法-CN202210047562.6在审
发明人：鲍泓;徐歆恺;王晨曦;付一豪;宁晴;潘卫国;徐成 -专利权人：北京联合大学
申请日： 2022-01-17 - 公布日： 2022-04-22 - 主分类号： G06T7/246 文献下载
摘要：本发明公开一种基于深度学习的城市主干道路车流量统计方法，包括以下步骤：在城市主干道监控场景中设置虚拟计数线；使用改进的YOLOv5网络模型提取所述城市主干道监控场景中的车辆，获取车辆位置信息；基于所述车辆位置信息，跟踪所述车辆，获取所述车辆的运动轨迹；基于所述运动轨迹与所述虚拟计数线的相交情况，判断所述车辆是否通过所述虚拟计数线，是，则统计所述所述车辆的数目。本发明改进了YOLOv5网络，加快了模型的推理速度，增强了被遮挡车辆检测效果，能够准确地得到实时车流量数据，并且便于传输联网、成本低、易安装，后期维护方便。
一种基于深度学习城市主干道路车流量统计方法

[发明专利]一种基于尺度感知的自动驾驶场景中的行人目标检测方法-CN202011546745.X在审
发明人：刘康;徐歆恺;张龑;郑颖 -专利权人：中国矿业大学（北京）
申请日： 2020-12-24 - 公布日： 2021-04-20 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种基于尺度感知的自动驾驶场景中的行人目标检测方法，包括以下步骤：S1、采集实际道路上带有行人目标的视频数据并进行预处理，得到行人视频数据集；S2、构建尺度感知双路子网络，并根据尺度感知双路子网络对行人视频数据集进行处理，得到检测结果；S3、构建损失函数，根据损失函数对预测结果进行优化，得到优化后的检测结果。本发明不仅可以检测出被遮挡行人特征数据，还可以使用尺度感知机制增强有效小尺度数据的权重，采用双路子网络结构融合多尺度特征数据，提高行人检测方法的鲁棒性。
一种基于尺度感知自动驾驶场景中的行人目标检测方法

[发明专利]一种用于智能车车辆测试的交互方法及系统-CN201610369910.6有效
发明人：马楠;阳钧;鲍泓;徐歆恺;张欢;关权珍;石恺静;汪沁然 -专利权人：北京联合大学
申请日： 2016-05-30 - 公布日： 2019-03-08 - 主分类号： G01M17/007 文献下载
摘要：本发明涉及一种用于智能车车辆测试的交互方法及系统，其中用于智能车车辆测试的交互方法包括如下步骤：启动测试交互系统，所述测试交互系统包括测试车辆的交互服务器程序和移动终端交互程序；通过移动终端交互程序对测试车辆的交互服务器程序发出交互命令；观察智能车辆在测试路段的行驶过程中移动终端交互程序接收的导航参数、雷达参数、图像参数是否正常，观察决策规划路线是否达到期望标准；提取日志文件，分析测试数据，得出测试结果。本发明用于智能车车辆测试的交互方法及系统，支持数据参数实时调整，可以测试不同环境下算法对车辆的影响。
一种用于智能车车测试交互方法系统

[发明专利]基于三层架构的智能汽车交互系统及设计方法-CN201610115569.1有效
发明人：马楠;张欢;鲍泓;阳钧;徐歆恺;夏航 -专利权人：北京联合大学
申请日： 2016-03-01 - 公布日： 2018-08-21 - 主分类号： B60W50/08 文献下载
摘要：本发明涉及一种基于三层架构的智能汽车交互系统，包括:车载信息模块：车载信息模块位于车辆内部，包括图像模块、导航模块、雷达及决策模块；交互中间模块：交互中间层是建立在智能车与移动端之间进行交互的程序，用于对接智能车导航、雷达、图像、决策等各组接口，提供移动端交互程序一个稳定的数据接口；交互中间模块从智能车导航、雷达、图像各组接收车辆数据并进行必要的处理。本发明保证了数据的实时性、有效性和完整性，又提高了数据处理速度的智能汽车控制系统。实现在无线终端设备上实时显示智能车图像、导航、雷达信息。同时还向乘客提供语音播报和自主控制功能；提供一种简约高效的智能车人机交互系统。
基于三层架构智能汽车交互系统设计方法

1
共 8 条