JPWO2021082745A5 - - Google Patents

Download PDF

Info

Publication number
JPWO2021082745A5
JPWO2021082745A5 JP2021539461A JP2021539461A JPWO2021082745A5 JP WO2021082745 A5 JPWO2021082745 A5 JP WO2021082745A5 JP 2021539461 A JP2021539461 A JP 2021539461A JP 2021539461 A JP2021539461 A JP 2021539461A JP WO2021082745 A5 JPWO2021082745 A5 JP WO2021082745A5
Authority
JP
Japan
Prior art keywords
point cloud
cloud data
frame
target
intensity map
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2021539461A
Other languages
English (en)
Japanese (ja)
Other versions
JP2022511990A (ja
Publication date
Priority claimed from CN201911050904.4A external-priority patent/CN112749594B/zh
Application filed filed Critical
Publication of JP2022511990A publication Critical patent/JP2022511990A/ja
Publication of JPWO2021082745A5 publication Critical patent/JPWO2021082745A5/ja
Pending legal-status Critical Current

Links

JP2021539461A 2019-10-31 2020-09-08 情報補完方法、車線認識方法、インテリジェント走行方法及び関連製品 Pending JP2022511990A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201911050904.4A CN112749594B (zh) 2019-10-31 2019-10-31 信息补全方法、车道线识别方法、智能行驶方法及相关产品
CN201911050904.4 2019-10-31
PCT/CN2020/114032 WO2021082745A1 (zh) 2019-10-31 2020-09-08 信息补全方法、车道线识别方法、智能行驶方法及相关产品

Publications (2)

Publication Number Publication Date
JP2022511990A JP2022511990A (ja) 2022-02-01
JPWO2021082745A5 true JPWO2021082745A5 (ko) 2022-09-02

Family

ID=75641251

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021539461A Pending JP2022511990A (ja) 2019-10-31 2020-09-08 情報補完方法、車線認識方法、インテリジェント走行方法及び関連製品

Country Status (4)

Country Link
JP (1) JP2022511990A (ko)
KR (1) KR102428050B1 (ko)
CN (1) CN112749594B (ko)
WO (1) WO2021082745A1 (ko)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113592932A (zh) * 2021-06-28 2021-11-02 北京百度网讯科技有限公司 深度补全网络的训练方法、装置、电子设备及存储介质
CN113850914A (zh) * 2021-08-13 2021-12-28 江苏瑞沃建设集团有限公司 一种线激光三维扫描点云数据的矩阵换方法
CN113706676B (zh) * 2021-08-26 2024-01-16 京东鲲鹏(江苏)科技有限公司 用于点云数据的模型自监督训练方法和装置
CN114119889B (zh) * 2021-11-12 2024-04-09 杭州师范大学 基于跨模态融合的360度环境深度补全和地图重建方法
CN114926485B (zh) * 2022-02-22 2024-06-18 广州文远知行科技有限公司 图像深度标注方法、装置、设备及存储介质
CN115905434B (zh) * 2022-10-26 2023-10-13 南京航空航天大学 一种基于学习插值预测的道路网轨迹补全方法
CN116047537B (zh) * 2022-12-05 2023-12-26 北京中科东信科技有限公司 基于激光雷达的道路信息生成方法及系统
CN116299300B (zh) * 2023-05-15 2023-08-08 北京集度科技有限公司 可行驶区域的确定方法、装置、计算机设备及存储介质

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6411942B2 (ja) * 2015-04-23 2018-10-24 株式会社デンソー 物体認識装置
US9972067B2 (en) * 2016-10-11 2018-05-15 The Boeing Company System and method for upsampling of sparse point cloud for 3D registration
CN106780590B (zh) * 2017-01-03 2019-12-24 成都通甲优博科技有限责任公司 一种深度图的获取方法及系统
EP3429207A1 (en) * 2017-07-13 2019-01-16 Thomson Licensing A method and apparatus for encoding/decoding a colored point cloud representing the geometry and colors of a 3d object
CN108229366B (zh) * 2017-12-28 2021-12-14 北京航空航天大学 基于雷达和图像数据融合的深度学习车载障碍物检测方法
CN108230379B (zh) * 2017-12-29 2020-12-04 百度在线网络技术（北京）有限公司 用于融合点云数据的方法和装置
KR102042343B1 (ko) * 2018-04-13 2019-11-07 경북대학교 산학협력단 3차원 스캐닝을 통해 획득된 점군 데이터 기반에서 깊이 이미지를 생성하는 장치 및 방법 및 이를 이용한 3차원 객체 식별 방법
CN108898669A (zh) * 2018-07-17 2018-11-27 网易（杭州）网络有限公司 数据处理方法、装置、介质和计算设备
CN109325972B (zh) * 2018-07-25 2020-10-27 深圳市商汤科技有限公司 激光雷达稀疏深度图的处理方法、装置、设备及介质
CN109613557B (zh) * 2018-11-28 2022-04-29 南京莱斯信息技术股份有限公司 一种补全激光雷达三维点云目标的系统及方法
CN109903372B (zh) * 2019-01-28 2021-03-23 中国科学院自动化研究所 深度图超分辨率补全方法及高质量三维重建方法与系统
CN109900298B (zh) * 2019-03-01 2023-06-30 武汉光庭科技有限公司 一种车辆定位校准方法及系统
CN110047144A (zh) * 2019-04-01 2019-07-23 西安电子科技大学 一种基于Kinectv2的完整物体实时三维重建方法
CN109766878B (zh) * 2019-04-11 2019-06-28 深兰人工智能芯片研究院（江苏）有限公司 一种车道线检测的方法和设备
CN110232315A (zh) * 2019-04-29 2019-09-13 华为技术有限公司 目标检测方法和装置

Similar Documents

Publication Publication Date Title
CN113111974B (zh) 基于深度典型相关分析的视觉-激光雷达融合方法及系统
US11380089B1 (en) All-weather target detection method based on vision and millimeter wave fusion
CN111507166B (zh) 通过一起使用照相机和雷达来学习cnn的方法及装置
CN112560972B (zh) 基于毫米波雷达先验定位和视觉特征融合的目标检测方法
US11210801B1 (en) Adaptive multi-sensor data fusion method and system based on mutual information
CN111191600B (zh) 障碍物检测方法、装置、计算机设备和存储介质
DE102018121018A1 (de) Erweitern von realen sensoraufnahmen mit simuliertem sensordatenhintergrund
DE102019115676B4 (de) Verfahren und system zur rekonstruktion einer fahrzeug-szene in einer cloud-ebene
US10509987B1 (en) Learning method and learning device for object detector based on reconfigurable network for optimizing customers' requirements such as key performance index using target object estimating network and target object merging network, and testing method and testing device using the same
DE102018121019A1 (de) Erweitern von realen sensoraufzeichnungen mit simulierten sensordaten
DE102017103123A1 (de) Fahrzeugfahrbahnplatzierung
US10402692B1 (en) Learning method and learning device for fluctuation-robust object detector based on CNN using target object estimating network adaptable to customers' requirements such as key performance index, and testing device using the same
CN111179274B (zh) 地图地面分割方法、装置、计算机设备和存储介质
JP2016194925A (ja) 道路境界物の検出方法及び装置
JPWO2021082745A5 (ko)
WO2022222647A1 (zh) 车辆意图预测方法、装置、设备及存储介质
DE112021005856T5 (de) Kombinieren von informationen einer kamera für sichtbares licht und einer wärmekamera
DE102020122086A1 (de) Messen von vertrauen in tiefen neuronalen netzwerken
CN114972470B (zh) 基于双目视觉的路面环境获取方法和系统
CN115240168A (zh) 感知结果获取方法、装置、计算机设备、存储介质
CN110223250B (zh) 基于单应变换的sar几何校正方法
DE102021122407A1 (de) Segmentierung und klassifizierung von punktwolkendaten
CN111474927B (zh) 距离变换的预处理方法及装置
CN116778262B (zh) 一种基于虚拟点云的三维目标检测方法和系统
US20220043411A1 (en) Computer-implemented method for low-latency generation and input of sensor data into a control unit or into control unit networks