← 返回列表
一种自监督学习里程计量方法、装置、系统及存储介质
申请人信息
- 申请人:中科南京智能技术研究院
- 申请人地址:211135 江苏省南京市江宁区创研路266号麒麟人工智能产业园8栋8层
- 发明人: 中科南京智能技术研究院
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种自监督学习里程计量方法、装置、系统及存储介质 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311625177.6 |
| 申请日 | 2023/11/30 |
| 公告号 | CN117635967A |
| 公开日 | 2024/3/1 |
| IPC主分类号 | G06V10/44 |
| 权利人 | 中科南京智能技术研究院 |
| 发明人 | 李高铭; 李峰岳; 杨宗林; 赖善炎; 张小涛; 尚德龙; 周玉梅 |
| 地址 | 江苏省南京市江宁区创研路266号麒麟人工智能产业园8栋8层 |
摘要文本
本发明公开了一种自监督学习里程计量方法、装置、系统及存储介质，属于里程计量技术领域，方法包括：将预获取的计量目标的2D图像数据输入至训练好的自监督学习网络，获取计量目标的平移增量和旋转变化量；对计量目标的平移增量和旋转变化量进行积分，获取计量目标的里程；其中，自监督学习网络包括：改进后的卷积神经网络：用于对计量目标的2D图像数据进行特征提取，获取特征向量；MLP网络：用于根据特征向量获取计量目标的平移增量和旋转变化量；自监督学习网络是根据其所处的训练阶段构建不同的数据集进行训练的。该方法不需要对数据集进行人工标注，适用于难以获得大量准确真值的应用场景，并且能够降低能耗。
专利主权项内容
1.一种自监督学习里程计量方法，其特征在于，包括：将预获取的计量目标的2D图像数据输入至训练好的自监督学习网络，获取计量目标的平移增量和旋转变化量；对计量目标的平移增量和旋转变化量进行积分，获取计量目标的里程；其中，计量目标的2D图像数据是对预获取的计量目标的3D点云数据进行预处理获取的；所述自监督学习网络包括：改进后的卷积神经网络：用于对计量目标的2D图像数据进行特征提取，获取特征向量；MLP网络：用于根据所述特征向量获取计量目标的平移增量和旋转变化量；所述自监督学习网络是根据其所处的训练阶段构建不同的数据集进行训练的。