“冯明驰”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29个，建议您升级VIP下载更多相关专利

[发明专利]一种轻量级点云特征地图的岔口车道识别方法-CN202310983290.5在审
发明人：岑明;郭健;洪友芳;杨景超;岑汝平;冯明驰 -专利权人：重庆邮电大学
申请日： 2023-08-04 - 公布日： 2023-10-24 - 主分类号： G06V20/56 文献下载
摘要：本发明涉及一种轻量级点云特征地图的岔口车道识别方法，属于智能移动平台定位与导航领域。当接近岔路口时，加载对应的轻量级地图，采集并预处理激光雷达点云和IMU数据，将预处理后的点云进行点云积分；将积分后的实时点云及地图点云进行特征提取；根据特征集合，将激光里程计估计结果与IMU预测结果进行位姿融合；将位姿融合结果转到Frenet坐标系并得到多个车道信息的备选值；根据多组备选值，将实时点云特征与地图特征相关联，得到车辆对应于各车道的概率向量，将概率向量最大值对应的车道作为车辆当前所在车道。该方法无需依赖大规模、完整的高精地图，可有效实现智能车辆在岔路口的车道识别，提供路径约束信息来提高城市道路中车辆自动驾驶性能。
一种轻量级特征地图岔口车道识别方法

[发明专利]面向材料力学性能的智能三维位移场及应变场测量方法-CN202111400666.2有效
发明人： 冯明驰;李成南;刘景林;王鑫;孙博望;邓程木;岑明 -专利权人：重庆邮电大学
申请日： 2021-11-19 - 公布日： 2023-09-26 - 主分类号： G01B11/02 文献下载
摘要：本发明请求保护一种面向材料力学性能的智能三维位移场及应变场测量方法，包括以下步骤：步骤1.在材料表面喷涂随机喷涂散斑，使用两个相机同时连续采集图像以记录材料在外力作用下发生形变的过程。步骤2.构造记录材料形变的双目图像作为数据集；步骤3.结合2D卷积、3D卷积、转置卷积、卷积LSTM和多任务神经网络，建立一个三维位移场和应变场的神经网络模型。步骤4.利用训练集数据训练三维位移场和应变场计算神经网络模型。步骤5.计算材料的三维位移场和应变场。本发明通过2D卷积来提取图像中的特征信息，利用3D卷积对特征信息进行细化和编码，最后利用卷积LSTM神经网络的时间和空间特征提取能力结合转置卷积来计算材料三维位移场和应变场。
面向材料力学性能智能三维位移应变测量方法

[发明专利]一种无共同视野多相机系统外参标定方法、介质及系统-CN201911407244.0有效
发明人： 冯明驰;刘奕博;姜盼盼;王字朋;高小倩;卜川夏;岑明 -专利权人：重庆邮电大学
申请日： 2019-12-31 - 公布日： 2023-07-21 - 主分类号： G06T7/80 文献下载
摘要：本发明请求保护一种无共同视野多相机系统外参标定方法、介质及系统，包括以下步骤：1.固定ID唯一的ArUco标记于待标定相机机身，借助辅助相机，获取待标定相机与自身ArUco标记之间的外参；2.利用基于ArUco标记的SLAM系统，完成对ArUco标记的建图，获得ArUco标记之间的外参；3.利用已获得的待标定相机与ArUco标记间的外参、ArUco标记间的外参，求取待标定相机之间的外参，完成标定过程。本发明的关键在于将待标定相机视为SLAM系统中的地图点，间接求取待标定相机外参的这一过程。本发明在标定过程中的特点是，适用于多种标定场景，对多台无共同视野的相机进行标定，克服了常规多相机系统标定方法对多台相机的分布的限制，标定方法简单易用，准确性高。
一种共同视野多相系统标定方法介质

[发明专利]一种面向智能车的毫米波雷达与单目相机信息融合方法-CN201811444277.8有效
发明人： 冯明驰;陈云坤;郑太雄;张浩坤;彭文冠;游双林 -专利权人：重庆邮电大学
申请日： 2018-11-29 - 公布日： 2023-06-02 - 主分类号： G01S13/931 文献下载
摘要：本发明请求保护一种面向智能车的毫米波雷达与单目相机信息融合方法，主要包括三个阶段：第一阶段，首先在智能车上安装并调整相机与毫米波雷达位置，然后用张正友标定法获取相机内部参数，最后将相机成像平面投影到俯视图，以满足两个传感器识别的目标信息在同一车辆坐标系下；第二阶段，在线下用深度学习方法训练基于图像的多目标识别模型，线上在智能车行驶的过程中雷达与相机实时采集数据，把识别的目标信息转化到统一的车辆坐标系下并排除无效目标；第三阶段，用全局最近邻匹配算法判断目标是否一致，通过扩展卡尔曼滤波跟踪匹配目标和未匹配目标，实现多目标识别。本发明目标识别率高，安全性可靠，可有效提高智能汽车对环境感知的实用性。
一种面向智能毫米波雷达相机信息融合方法

[发明专利]一种基于多任务神经网络的汽车可行驶区域规划方法-CN202011328854.4有效
发明人： 冯明驰;卜川夏;高小倩;王字朋;王鑫;刘景林;孙博望;岑明 -专利权人：重庆邮电大学
申请日： 2020-11-24 - 公布日： 2022-10-18 - 主分类号： G06V10/26 文献下载
摘要：本发明请求保护一种基于多任务神经网络的汽车可行驶区域规划方法，涉及深度学习、计算机视觉、辅助驾驶、图像处理等领域。首先本发明基于硬参数共享机制构建具有语义分割与目标检测两种功能的轻量级多任务神经网络；其次根据网络输出格式，制作训练集与构建相应的损失函数数学模型；再次对网络进行训练，使用本发明提出的损失函数数学模型进行反向传播优化网络参数；最后将多任务神经网络应用于汽车可行驶区域规划中。本发明的多任务神经网络不但具有车道分割功能，还具有车辆、行人检测功能，通过单目测距可以起到汽车防碰撞预警功能，减少汽车发生碰撞的概率。
一种基于任务神经网络汽车行驶区域规划方法

[发明专利]一种基于视觉和激光雷达的目标检测和运动状态估计方法-CN202010845378.7有效
发明人：高小倩;冯明驰;冯辉宗;岑明;王字朋;卜川夏 -专利权人：重庆邮电大学
申请日： 2020-08-20 - 公布日： 2022-08-23 - 主分类号： G06T7/277 文献下载
摘要：本发明请求保护一种基于视觉和激光雷达的目标检测和运动状态估计方法，包括以下步骤：1.安装相机与激光雷达的位置，并进行两两双目相机之间的标定，以及车前左相机与激光雷达之间的联合标定。并将立体视觉系统与激光雷达各自生成的稀疏点云进行融合和补充，构成全局的三维点云图；2.用深度学习的方法对二维图像以及三维点云进行检测，并通过立体视觉生成的图像目标三维运动状态和激光雷达三维点云目标融合，获取综合的目标三维特征点；3.根据目标三维特征点，利用卡尔曼滤波对目标进行跟踪，分析其运动状态。本发明的关键在于视觉与激光雷达传感器之间的融合，改善智能汽车对周围环境的感知能力。
一种基于视觉激光雷达目标检测运动状态估计方法

[发明专利]一种基于多焦距相机与激光雷达融合的三维目标检测方法-CN202111403257.8在审
发明人： 冯明驰;宋贵林;邓程木;梁晓雄;李成南;王鑫;刘景林;孙博望;岑明 -专利权人：重庆邮电大学
申请日： 2021-11-24 - 公布日： 2022-03-01 - 主分类号： G01S17/86 文献下载
摘要：本发明请求保护一种基于多焦距相机与激光雷达融合的三维目标检测方法，属于自动驾驶、三维目标检测领域。包括以下步骤：1.多焦距相机由长短焦相机组成，对多焦距相机和激光雷达数据时空同步处理。2.利用分割网络分别对多焦距相机图像语义分割，利用分割结果生成视锥体，将激光雷达点云分别投影到长焦、短焦图像形成的视锥进行三维目标检测。3.利用多尺度图像金字塔实现长短焦图像特征点的精确匹配，通过特征匹配建立长短焦分割图像目标间的联系，通过这种联系对三维目标的数据关联和数据融合。本发明能应用在自动驾驶或辅助驾驶车辆上，对车辆周围进行环境感知，具有分类准确，定位精度高的特点，特别是对远距离目标检测精度有提高。
一种基于焦距相机激光雷达融合三维目标检测方法

[发明专利]一种基于长短焦相机与毫米波雷达融合的目标检测方法-CN202111371238.1在审
发明人： 冯明驰;王鑫;刘景林;孙博望;李成南;邓程木;梁晓雄;宋贵林;岑明 -专利权人：重庆邮电大学
申请日： 2021-11-18 - 公布日： 2022-02-25 - 主分类号： G01S13/86 文献下载
摘要：本发明请求保护一种基于长短焦相机和毫米波雷达融合的目标检测方法，涉及自动驾驶、计算机视觉、图像处理、深度学习等领域。首先本发明构建具有目标检测功能的长短焦融合网络，获得长短焦相机系统的融合检测结果，并结合自适应图像金字塔来获取目标的深度信息；其次对长短焦相机与毫米波进行的空间关系进行标定；最后会基于目标相似程度对长短焦相机融合检测结果与毫米波雷达目标进行匹配和融合，得到更加精确的目标检测结果。本发明通过对不同传感器进行信息融合，可以充分发挥各传感器的目标检测优势，实现信息冗余和互补，提高目标检测的精度、极限距离和有效视野范围，使得智能驾驶系统更加安全可靠。
一种基于长短相机毫米波雷达融合目标检测方法

[发明专利]一种多焦距视觉SLAM与GPS融合的方法及存储介质-CN202111355852.9在审
发明人： 冯明驰;邓程木;李成南;刘景林;王鑫;孙博望;岑明 -专利权人：重庆邮电大学
申请日： 2021-11-16 - 公布日： 2022-02-18 - 主分类号： G01S19/45 文献下载
摘要：本发明请求保护一种多焦距视觉SLAM与GPS融合的方法，所属领域为自动驾驶及智能汽车环境地图构建和定位领域。包括以下步骤：1.安装多焦距相机和GPS模块，短焦距和长焦距相机水平放置。2.多焦距相机之间的标定，同时采集获取多焦距图像和GPS数据。3.根据多焦距相机焦距的差异，分别基于图像金字塔提取图像特征点，进行特征匹配。4.采集到的GPS定位数据坐标转换到多焦距视觉SLAM世界坐标系下。5.转换后的GPS数据和多焦距视觉SLAM数据进行时间戳对齐。6.时间戳对齐后的GPS数据和SLAM图像数据构建图优化模型优化位姿。7.由SLAM生成的运行轨迹在地图上匹配对应的地图道路轨迹。
一种焦距视觉 slam gps 融合方法存储介质

[发明专利]一种实现场景结构预测、目标检测和车道级定位的方法-CN202111403259.7在审
发明人： 冯明驰;梁晓雄;萧红;岑明;李成南;王鑫;宋贵林;邓程木 -专利权人：重庆邮电大学
申请日： 2021-11-24 - 公布日： 2022-02-18 - 主分类号： G06V10/74 文献下载
摘要：本发明请求保护一种实现场景结构预测、目标检测和车道级定位的方法，涉及自动驾驶、深度学习、计算机视觉等领域。首先本发明构建了一种车道级定位、场景结构预测和目标检测的神经网络，通过场景结构预测值和目标检测预测值与其真实值间的损失构建损失函数数学模型；通过图像和地图制作数据集并对网络进行训练；将网络部署于汽车上输出检测结果；最后将输出的场景结构通过匹配方法与地图进行检索匹配，矫正汽车的定位误差，实现车道级定位。该网络可以通过图像和地图制作数据集并对网络进行闭环训练且仅需要图像信息和地图信息就能完成场景结构预测、目标检测功能和车道级定位。场景结构预测结果里包含的道路结构可用于自动驾驶中。
一种实现场景结构预测目标检测车道定位方法

[发明专利]基于深度学习的材料裂纹尖端多尺度应变场测量跟踪方法-CN202111420167.X在审
发明人： 冯明驰;李成南;王鑫;孙博望;邓程木;刘景林;岑明 -专利权人：重庆邮电大学
申请日： 2021-11-26 - 公布日： 2022-02-18 - 主分类号： G06F30/27 文献下载
摘要：本发明请求保护一种基于深度学习的材料裂纹尖端多尺度应变场测量跟踪方法，包括步骤：在材料表面喷涂随机喷涂散斑，对材料施加外力作用使其发生形变并产生裂纹，使用不同焦距的相机组合来采集材料形变的多尺度信息。构造多尺度材料形变图像序列作为数据集。结合卷积、转置卷积、卷积LSTM神经网络，测量材料全局三维应变场的神经网络模型。利用训练集数据训练材料三维应变场测量神经网络模型。利用训练后的材料三维应变场测量神经网络模型，输入相机采集到的多尺度图像，实时测量材料的三维应变场，并通过应变场计算材料的裂纹区域，然后移动双目长焦相机来实时跟踪裂纹尖端。本发明可移动的长焦双目相机对裂纹区域进行跟踪。
基于深度学习材料裂纹尖端尺度应变测量跟踪方法

[发明专利]基于卷积LSTM神经网络的面向材料有效区域位移场测量方法-CN202111355850.X在审
发明人： 冯明驰;李成南;邓程木;刘景林;王鑫;孙博望;岑明 -专利权人：重庆邮电大学
申请日： 2021-11-16 - 公布日： 2022-02-15 - 主分类号： G06T7/00 文献下载
摘要：本发明请求保护一种基于卷积LSTM神经网络的面向材料有效区域位移场测量方法，包括以下步骤：在材料表面喷涂随机喷涂散斑，使用相机连续采集图像以记录材料在外力作用下发生形变的过程。构造材料形变图像序列作为数据集，数据集包括训练集和测试集。结合卷积、反卷积、多任务和卷积LSTM神经网络，建立一个通过输入材料形变的图像序列来实时测量材料位移场并分割裂纹区域的神经网络模型。利用训练集数据训练材料位移场测量和裂纹区域分割的多任务卷积LSTM神经网络模型。输入相机采集到的时序图像数据，测量材料的实时位移场并分割材料出现裂纹的区域，最后得到非裂纹的有效区域的位移场。本发明能够更好的结合时空特征来对材料的形变位移场进行测量。
基于卷积 lstm 神经网络面向材料有效区域位移测量方法

[发明专利]一种多焦距立体视觉同时定位与建图实现方法及系统-CN202111357100.6在审
发明人： 冯明驰;刘景林;王鑫;孙博望;邓程木;李成南;岑明 -专利权人：重庆邮电大学
申请日： 2021-11-16 - 公布日： 2022-02-15 - 主分类号： G06T7/80 文献下载
摘要：本发明请求保护一种多焦距立体视觉同时定位与建图实现方法及系统，属于自动驾驶、汽车环境感知和智能座舱技术领域。包括以下步骤：1.安装多焦距立体相机，使用改进的多焦距相机标定方法标定多焦距立体相机的投影矩阵Pl和右相机投影矩阵Pr。2.基于图像金字塔提取图像ORB特征点，并且对短焦距相机图像中与长焦距相机图像视野相同的部分增加ORB特征点提取数量。3.利用多焦距标定参数立体校正ORB特征点，并立体匹配ORB特征点，得到ORB特征点的三维位置，最后求解出自身位姿。本发明不仅能够实现和短焦距标准立体SLAM相同的定位精度，并且实现对远距离场景建图。
一种焦距立体视觉同时定位实现方法系统

[发明专利]一种基于多任务神经网络的道路结构预测与目标检测方法-CN202111371245.1在审
发明人： 冯明驰;梁晓雄;萧红;岑明;李成南;王鑫;宋贵林;邓程木 -专利权人：重庆邮电大学
申请日： 2021-11-18 - 公布日： 2022-02-15 - 主分类号： G06F30/13 文献下载
摘要：本发明请求保护一种基于多任务神经网络的道路结构预测与目标检测方法，涉及自动驾驶、深度学习、计算机视觉等领域。首先本发明构建了一个上下文参数共享机制的多任务神经网络，具有同时预测道路结构和目标检测的功能；并且通过道路结构预测值和车辆布局预测值与其真实值间的损失构建损失函数数学模型；其次通过图像和地图制作数据集并对网络的预测部分进行闭环训练；最后部署于汽车上，并应用于预测道路结构与目标检测中。本发明方法中的多任务神经网络仅需要图像信息就能完成道路结构预测与目标检测功能，对图像中不可见以及被遮挡区域也可进行道路结构与目标的预测。
一种基于任务神经网络道路结构预测目标检测方法

[发明专利]一种基于人眼注意力的AR-HUD/LCD全向目标检测与显示方法-CN202111355877.9在审
发明人： 冯明驰;刘景林;孙博望;王鑫;邓程木;李成南;岑明 -专利权人：重庆邮电大学
申请日： 2021-11-16 - 公布日： 2022-02-11 - 主分类号： G06V20/59 文献下载
摘要：本发明请求保护一种基于人眼注意力的AR‑HUD/LCD全向目标检测与显示方法，属于自动驾驶、汽车环境感知和智能座舱技术领域。该方法通过单目相机获取驾驶人员的脸部图像；对单目相机标定获取相机的内参矩阵、畸变参数；对图像去畸变、灰度化后获取自商图；通过人脸检测器提取人脸区域，再提取左右瞳孔在单目相机像平面坐标；根据瞳孔像平面坐标和瞳孔距离约束求解驾驶员眼位空间坐标，用于AR‑HUD/LCD显示虚像；使用神经网络检测驾驶员人脸角度变化，得到驾驶员注意力向量，根据注意力向量在车载全景影像或全向雷达系统中区域检测目标，并通过AR‑HUD/LCD显示注意力向量区域的检测对象。本发明节约了系统计算资源，提高了检测系统的实时性。
一种基于注意力 ar hud lcd 全向目标检测显示方法

1
2
下一页»
尾页
共 29 条