本發(fā)明公開了一種激光雷達(dá)點(diǎn)云壓縮方法、系統(tǒng)、計(jì)算機(jī)設(shè)備以及介質(zhì)，包括步驟：獲取點(diǎn)云數(shù)據(jù)和對應(yīng)的圖像數(shù)據(jù)；對所述點(diǎn)云數(shù)據(jù)進(jìn)行結(jié)構(gòu)化轉(zhuǎn)換得到結(jié)構(gòu)化數(shù)據(jù)；根據(jù)預(yù)設(shè)的壓縮比對所述結(jié)構(gòu)化數(shù)據(jù)進(jìn)行壓縮編碼得到第一編碼特征；利用第一圖像編碼器對所述圖...

本發(fā)明公開了一種激光雷達(dá)點(diǎn)云壓縮方法、系統(tǒng)、計(jì)算機(jī)設(shè)備以及介質(zhì)，包括步驟：獲取激光雷達(dá)采集到的點(diǎn)云數(shù)據(jù)；基于采樣權(quán)重矩陣對所述點(diǎn)云數(shù)據(jù)進(jìn)行采樣；對采樣后的所述點(diǎn)云數(shù)據(jù)進(jìn)行結(jié)構(gòu)化轉(zhuǎn)換和壓縮。本發(fā)明提出的方案通過采樣權(quán)重矩陣對點(diǎn)云數(shù)據(jù)進(jìn)行采...

本發(fā)明涉及智慧交通技術(shù)領(lǐng)域，公開了一種道路異常物檢驗(yàn)的方法、裝置、設(shè)備、介質(zhì)，該方法包括：獲取連續(xù)的多幀待測圖像數(shù)據(jù)，并基于多幀待測圖像數(shù)據(jù)，確定感興趣區(qū)域與背景模型；基于當(dāng)前幀圖像數(shù)據(jù)、背景模型，確定背景相冊、前景圖像、連通區(qū)域、陰影...

本發(fā)明公開了一種車牌識別方法、系統(tǒng)、計(jì)算機(jī)設(shè)備以及介質(zhì)，包括步驟：提取車牌圖像的第一特征圖；基于所述第一特征圖分別進(jìn)行維度擴(kuò)充和自適應(yīng)位置計(jì)算得到第二特征圖和分切位置；利用所述分切位置對所述第二特征圖進(jìn)行分切得到第一子特征圖和/或第二子...

本發(fā)明涉及智慧交通技術(shù)領(lǐng)域，公開了一種交通事故預(yù)測識別方法、系統(tǒng)、介質(zhì)，該方法包括：接收事故查詢請求以及與事故查詢請求對應(yīng)的查詢詞；基于事故查詢請求確定對應(yīng)的目標(biāo)區(qū)域，并獲取目標(biāo)區(qū)域的路側(cè)感知數(shù)據(jù)；基于路側(cè)感知數(shù)據(jù)確定交通參與者識別結(jié)果...

本發(fā)明公開了一種目標(biāo)感知識別方法、系統(tǒng)、計(jì)算機(jī)設(shè)備以及介質(zhì)，包括步驟：獲取目標(biāo)的多種傳感器數(shù)據(jù)并對所述多種傳感器數(shù)據(jù)提取多個目標(biāo)特征；利用所述多種傳感器數(shù)據(jù)中的第一傳感器數(shù)據(jù)得到天氣特征并基于所述天氣特征進(jìn)行權(quán)重自適應(yīng)計(jì)算得到與每一個目...

本發(fā)明涉及計(jì)算機(jī)技術(shù)領(lǐng)域，提出一種交通事故檢測方法、裝置、設(shè)備及介質(zhì)，其中，方法包括：對多個交通事故圖像中的各對象進(jìn)行標(biāo)記；基于對象檢測模型計(jì)算交通事故圖像中的圖像特征與若干交通事故文本特征的相關(guān)性，并基于相關(guān)性形成特征圖；基于特征圖對...

本發(fā)明公開了一種目標(biāo)跟蹤方法、系統(tǒng)、計(jì)算機(jī)設(shè)備以及存儲介質(zhì)，包括以下步驟：獲取目標(biāo)的前N幀的檢測數(shù)據(jù)；基于所述前N幀的檢測數(shù)據(jù)預(yù)測所述目標(biāo)的運(yùn)動模式；獲取目標(biāo)的第N+1幀的檢測數(shù)據(jù)；基于所述運(yùn)動模式、第N幀的檢測數(shù)據(jù)、所述第N+1幀的檢...

本發(fā)明公開了一種設(shè)備監(jiān)控方法、系統(tǒng)、計(jì)算機(jī)設(shè)備以及介質(zhì)，包括步驟：獲取設(shè)備采集的實(shí)時感知數(shù)據(jù)；從所述實(shí)時感知數(shù)據(jù)中篩選出異常數(shù)據(jù)；在所述設(shè)備的日志中獲取與每一個所述異常數(shù)據(jù)對應(yīng)的設(shè)備運(yùn)行參數(shù)和環(huán)境參數(shù)；根據(jù)所述異常數(shù)據(jù)以及對應(yīng)的所述設(shè)備...

本發(fā)明涉及計(jì)算機(jī)技術(shù)領(lǐng)域，提出一種目標(biāo)物監(jiān)測方法、裝置、設(shè)備及介質(zhì)，其中，方法包括：標(biāo)注原始圖像序列并將其處理為低分辨率圖像序列；將低分辨率及原始圖像序列采樣并通過第一及第二檢測模型得到對應(yīng)的第一及第二檢測結(jié)果；結(jié)合兩個序列不同采樣點(diǎn)之...

本發(fā)明公開了一種交通事故檢測方法、系統(tǒng)、設(shè)備以及介質(zhì)，包括：獲取成對的圖像數(shù)據(jù)和雷達(dá)數(shù)據(jù)；對圖像數(shù)據(jù)進(jìn)行編碼得到圖像特征并利用雷達(dá)編碼器對雷達(dá)數(shù)據(jù)進(jìn)行編碼得到雷達(dá)特征；基于成對的圖像特征和雷達(dá)特征對雷達(dá)編碼器進(jìn)行優(yōu)化得到優(yōu)化后的雷達(dá)編碼...

本發(fā)明涉及計(jì)算機(jī)技術(shù)領(lǐng)域，提出一種基于視頻的交通事故分析方法、裝置、設(shè)備及介質(zhì)，方法包括：提取交通視頻的視頻特征，以及提取已標(biāo)記的交通場景問題的文本特征；訓(xùn)練projector模型將視頻特征與文本特征對齊并將二者拼接，得到視頻?問題文本...

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，公開了一種天氣特征目標(biāo)檢驗(yàn)方法、裝置、設(shè)備、介質(zhì)，該方法包括：獲取連續(xù)采集的歷史圖像數(shù)據(jù)，并基于歷史圖像數(shù)據(jù)確定對應(yīng)的第一光流圖；基于歷史圖像數(shù)據(jù)以及第一光流圖，確定目標(biāo)檢測數(shù)據(jù)集；基于目標(biāo)檢測數(shù)據(jù)集對目標(biāo)檢...

本發(fā)明涉及智慧交通技術(shù)領(lǐng)域，公開了一種基于路側(cè)感知設(shè)備的天氣識別方法、裝置、設(shè)備，該方法包括：獲取路側(cè)感知設(shè)備采集的歷史圖像數(shù)據(jù)；將歷史圖像數(shù)據(jù)輸入預(yù)訓(xùn)練的多模態(tài)模型，確定樣本切片以及路側(cè)感知設(shè)備與高敏感區(qū)域的對應(yīng)關(guān)系；以樣本切片作為訓(xùn)...

本發(fā)明涉及智慧交通技術(shù)領(lǐng)域，公開了一種車輛路徑的確定方法、設(shè)備、介質(zhì)，該方法利用真實(shí)流量反應(yīng)目標(biāo)路段的真實(shí)情況，補(bǔ)充因車輛漏檢或誤檢丟失的交通需求。以路段間的真實(shí)物理連接、對應(yīng)路段ID以及真實(shí)流量與當(dāng)前流量的殘差，構(gòu)建流量殘余網(wǎng)絡(luò)，并以...

本發(fā)明涉及智慧交通技術(shù)領(lǐng)域，公開了一種考慮駕駛舒適性的車速引導(dǎo)方法、裝置、設(shè)備、介質(zhì)，該方法包括：將路側(cè)感知數(shù)據(jù)與高精地圖數(shù)據(jù)進(jìn)行匹配，確定車道車輛信息；基于車道車輛信息，判斷目標(biāo)車輛的行駛狀態(tài)；基于行駛狀態(tài)與車道車輛信息，確定目標(biāo)車輛...

本發(fā)明涉及智慧交通技術(shù)領(lǐng)域，公開了一種違停車輛的檢測方法、裝置、設(shè)備、介質(zhì)，該方法包括：獲取車輛感知數(shù)據(jù)，并基于車輛感知數(shù)據(jù)確定車輛處于靜止?fàn)顟B(tài)的開始時間與結(jié)束時間；基于開始時間與結(jié)束時間對車輛感知數(shù)據(jù)中的軌跡點(diǎn)進(jìn)行匹配，以還原靜止?fàn)顟B(tài)...

本發(fā)明提供了一種車輛不可通行區(qū)域判定的方法、裝置、設(shè)備及可讀介質(zhì)，方法包括：將路側(cè)設(shè)備覆蓋的空間范圍劃分為若干個元區(qū)域；設(shè)定時間窗口，并獲取在時間窗口內(nèi)的空間范圍中的每個車輛的坐標(biāo)；基于車輛的坐標(biāo)獲取每個元區(qū)域中出現(xiàn)的車輛的次數(shù)；基于每...

本發(fā)明涉及計(jì)算機(jī)技術(shù)領(lǐng)域，提出一種單車智能路徑規(guī)劃方法、裝置及設(shè)備，其中，方法包括：實(shí)時采集多種路況分別對應(yīng)的路況數(shù)據(jù)；將同一種路況對應(yīng)的當(dāng)前時間及與其相鄰的先前多個連續(xù)時間的路況數(shù)據(jù)作為當(dāng)前時間的路況數(shù)據(jù)輸入路側(cè)大模型；訓(xùn)練路側(cè)大模型...

本發(fā)明公開了一種激光雷達(dá)與慣性測量單元之間外參標(biāo)定方法，包括以下步驟：利用激光雷達(dá)里程計(jì)確定激光雷達(dá)的狀態(tài)向量；根據(jù)地面、所述激光雷達(dá)和慣性測量單元之間的位置關(guān)系確定第一約束和第二約束；基于所述激光雷達(dá)與所述慣性測量單元之間的第一旋轉(zhuǎn)矩...