基于鸟瞰图特征的自动驾驶视觉多任务感知方法和系统

AITNT
正文
推荐专利
基于鸟瞰图特征的自动驾驶视觉多任务感知方法和系统
申请号:CN202411712250
申请日期:2024-11-27
公开号:CN119580215B
公开日期:2025-09-30
类型:发明专利
摘要
本发明公开了一种基于鸟瞰图特征的自动驾驶视觉多任务感知方法和系统,属于自动驾驶技术领域。包括:从自动驾驶系统的环视相机获取图像并提取特征;采用多任务蒸馏模块协同预测稠密深度特征、语义特征和内容特征,生成稠密深度预测结果与稠密语义预测结果;拼接内容特征和稠密语义预测结果,利用稠密深度预测结果作为内容特征的深度加权值,生成语义增强的鸟瞰图特征;优化鸟瞰图特征;预测占据网格类别分布概率,融合前景类别的概率分布和优化后的鸟瞰图特征;根据融合后的特征生成目标检测预测结果。本发明充分挖掘目标检测任务与占据网格预测任务之间的关联性,提升了模型性能,减少了多个独立造成的部署冗余,从而降低了训练与运维成本。
技术关键词
多任务 类别分布概率 语义特征 特征金字塔 自动驾驶系统 环视相机 编码特征 嵌入特征 图像特征提取 视觉 特征生成方法 多层感知机 感兴趣 网格 蒸馏 模块 交叉注意力机制
系统为您推荐了相关专利信息
1
基于计算机视觉的货场内货物堆放安全监测方法及系统
语义特征 关键点 计算机视觉 空间拓扑关系 卷积神经网络模型
2
一种表格识别方法
表格识别方法 多任务损失函数 混合网络 实体 邻域
3
基于增强特征融合的遥感图像配准方法、系统及设备
合成孔径雷达图像 光学遥感图像 遥感图像配准方法 融合特征 语义特征
4
基于多模态特征融合与空间邻域约束的土壤类型预测模型训练方法、制图方法及系统
预测模型训练方法 交叉注意力机制 多源遥感影像 多模态特征融合 连续型
5
跨用户歌唱风格迁移的深度神经网络训练系统
深度神经网络训练 风格 编码模块 短时傅里叶变换 生成对抗网络
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号