申请/专利权人：清华大学

申请日：2022-03-02

公开（公告）日：2024-06-28

公开（公告）号：CN114677555B

主分类号：G06V10/774

分类号：G06V10/774;G06V10/80;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2022.07.15#实质审查的生效;2022.06.28#公开

摘要：本申请涉及车辆技术领域，特别涉及一种迭代优化式的端到端智能车辆感知方法、装置及电子设备，方法包括：获取智能车辆的感知信息；将感知信息输入至迭代优化后的端对端网络，执行检测任务、跟踪任务和预测任务，同时得到检测结果、跟踪结果和预测结果，其中，端对端网络包括多目标检测网络、多目标跟踪网络和多目标轨迹预测网络；以及基于检测结果、跟踪结果和预测结果获取端到端智能车辆的感知结果。由此，解决了跟踪、检测及预测三类感知任务相互依赖、算法独立、协同性较低及遮挡带来的目标丢失等问题，通过端到端的检测跟踪、三类感知模块一体化和迭代优化方案的实施，提高了被遮挡物的跟踪率、跟踪结果的鲁棒性以及感知方案的实时性和精度。

主权项：1.一种迭代优化式的端到端智能车辆感知方法，其特征在于，包括以下步骤：获取智能车辆的感知信息；将所述感知信息输入至迭代优化后的端对端网络，执行检测任务、跟踪任务和预测任务，同时得到检测结果、跟踪结果和预测结果，其中，所述端对端网络包括多目标检测网络、多目标跟踪网络和多目标轨迹预测网络；以及基于所述检测结果、跟踪结果和预测结果获取所述端到端智能车辆的感知结果；其中，所述多目标检测网络的检测公式为：Fi＝CNNIMGi，IMGi-1，Oi-1Ci＝FCFi 其中，Fi为特征向量，IMGi为当前时刻的图像信息，IMGi-1为上一时刻的图像信息，Oi-1为上一时刻的检测网络输出信息，Ci为低维的编码向量，为检测目标相关的重要特征，Oi为当前时刻的解码向量；所述多目标跟踪网络的跟踪公式为： If目标跟踪成功，第k个目标跟踪结果为If第k个目标跟踪结果从变为If目标跟踪失败，但继续保留该目标k；If观测结果为新目标，其中，为第i帧第Ki个目标的解码向量，为第i-1帧第Ki-1个目标在第i帧的预测输出，为第i帧第k个预测和第j个检测的交并比计算结果，i表示检测中的第i帧，σ、β均为预设阈值；所述多目标轨迹预测网络的预测公式为： 或 其中，为基于历史观测信息的预测向量，k为目标，为历史信息的预测向量，为当前帧所有目标的交互结果，为当前帧所有目标的预测向量。

全文数据：

权利要求：

百度查询： 清华大学 迭代优化式的端到端智能车辆感知方法、装置及电子设备

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD