龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：安徽工程大学
摘要：本发明涉及目标检测技术领域，尤其涉及一种基于极坐标信息加权的多相机BEV感知方法，方法包括：利用位置与语义信息加权得到目标分类与边界框以取代传统的直接预测方法、通过在训练过程添加时间序列信息以取代传统的多帧采样方法，本发明能够在极坐标下准确识别目标的边界框，极大地降低了误检率，能够有效地解决远处小目标检测失真的问题，并且能够充分利用时间信息检测被遮挡物体，同时精准预测物体的速度与朝向，有效解决当前模型难以检测被截断处物体的痛点，具有较好的鲁棒性与较高的准确率。
主权项：1.一种基于极坐标信息加权的多相机BEV感知方法，其特征在于，所述方法包括以下步骤：S1、获取多视图图像，将多视图图像通过相机内部参数与外部参数转换到同一坐标系下；S2、将处理后的多视图图像输入ResNet-101骨干网络提取特征，通过特征金字塔网络接收特征并进一步提取多层级特征；S3、将多层级特征输入到跨平面编码器，通过将经过多头注意力加权的预先训练好的目标查询，与多层级特征一起再做一次多头注意力加权，再通过采样与双线性插值，生成语义高维向量与位置BEV特征；S4、将语义高维向量与位置BEV特征拼接，得到BEV特征图，获取历史BEV，将历史BEV和BEV特征图中的位置BEV和语义高维向量分别与位置编码相加，进行可变形注意力得到来自BEV的多层级细化特征；S5、对预先训练好的、已拼接在一起的分类查询与位置查询进行注意力机制加权，生成新的目标查询，将新的目标查询与来自BEV的多层级细化特征一起进行多层级可变形注意力，得到的结果依次进行残差连接与正则化、前馈神经网络、残差连接与正则化，得到最终的特征信息；S6、分别将最终的特征信息输入两个不同的线性层，进行全连接操作，得到检测结果。
全文数据：
权利要求：
百度查询： 安徽工程大学 一种基于极坐标信息加权的多相机BEV感知方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号