深圳市赛诺杰科技有限公司

本发明公开了一种基于混合专家的车道线分割方法及系统，属于自动驾驶与计算机视觉领域，以解决现有方法难以捕捉车道线长程依赖关系、计算复杂度高，单一预测头难以兼顾不同尺度与形态车道线目标的问题。本发明对道路场景图像进行预处理；利用基于混合专家网络的车道线分割模型，通过视觉状态空间模型编码器提取多尺度特征图，通过多头混合模块以多头子空间分解与全局上下文广播机制，以增强各层特征的空间交互能力，采用多尺度像素解码器，通过高效上采样模块基于像素重排与通道投影实现高质量跨层特征融合；利用混合专家预测器，通过多尺度专家分支与共享门控机制自适应融合不同阶段特征响应，经反卷积恢复至原图分辨率输出车道线分割结果。

本发明提供了一种基于多视图感知SAM的道路识别方法，包括：将训练道路图像经多视图变换为全局与多个局部视图，输入嵌有多尺度空间聚合适配器的冻结SAM编码器，提取全局及局部编码特征；经局部视图掩码预测器拼接融合及上采样得局部视图掩码，由提示编码器编码为密集提示特征并与全局特征融合，再经掩码解码器双向交叉注意力处理及上采样得训练识别结果；据训练结果、局部掩码和真实标签确定联合损失，仅更新适配器、掩码预测器及解码器参数得训练后模型；待识别道路图像经多视图变换输入训练后模型，得道路区域识别结果。本发明可以在不依赖人工交互提示的条件下完成道路区域识别，并降低道路领域适配所需的参数更新范围。

本发明提供基于多视角融合与时序特征的交通信号灯控制方法及系统，涉及智能交通与计算机视觉技术领域。方法包括：对路口多方向监控进行目标检测、跨帧跟踪和空间映射，得到各视角下参与者的三维位置与运动信息；据此进行特征提取、鸟瞰图投影和跨视角聚合，得到当前帧鸟瞰图特征；对该特征进行长时序缓存、历史帧检索和时序融合，生成时空融合特征和场景状态向量；对融合特征进行语义解析和事件检测，输出事件类型和置信度；根据事件和置信度选择正常或事件响应模式，正常模式下生成配时方案，事件模式下触发预设响应策略，据此生成控制指令控制信号灯。本发明实现路口全局态势感知，能捕捉排队增长等演化规律，在异常场景下触发相应控制策略。