-
公开(公告)号：CN111582083B
公开(公告)日：2023-05-23
申请号：CN202010336136.5
申请日：2020-04-25
Applicant: 华南理工大学
IPC: G06V20/58 , G06V20/70 , G06V10/764 , G06V10/82 , G06V10/26 , G06N3/0464 , G06N3/082 , G06N3/0455 , G06V10/34
Abstract: 本发明涉及图像处理技术领域，提供一种基于消失点估计与语义分割的车道线检测方法。本方法车道线检测方法包括：首先通过卷积神经网络检测消失点，其次通过估计的消失点坐标进行自参数学习的逆透视变换，将图像投影到易于网络学习的俯视视角中。在俯视图中，通过语义分割网络进行二值分割，随后进行后处理实例化，得到车道线拟合方程并在原图中显示。本方法利用卷积神经网络强大的特征提取能力，解决了不同道路场景下的车道线检测问题，并且节省了车道线检测算法实例化操作的时间。本发明技术方案能有效检测模糊车道线边缘并抑制噪声，对消失点和直线的检测耗时少且准确性高，并且提高车道线识别实时性。
-
公开(公告)号：CN112507338A
公开(公告)日：2021-03-16
申请号：CN202011521918.2
申请日：2020-12-21
Applicant: 华南理工大学
IPC: G06F21/56 , G06F16/245 , G06T7/10 , G06N3/04
Abstract: 本发明公开了一种基于深度学习语义分割算法的改进系统，包括总处理器模块、深度学习模块、信息输出模块、无线传输模块、接收终端模块、安全检验模块、数据提交模块、供电模块、分割算法模块、病毒查杀模块、数据记录模块；所述总处理器模块的输出端、深度学习模块、分割算法模块依次连接，所述供电模块的电源输出端连接所述总处理器模块的电源输入端，所述总处理器模块的外部安装有所述数据检验模块；所述供电模块的电源输出端连接有所述总处理器模块的电源输入端，所述总处理器模块的外部固定安装有所述数据检验模块；所述总处理器模块的输出端连接有所述信息输出模块的输入端。
-
公开(公告)号：CN112507338B
公开(公告)日：2023-02-14
申请号：CN202011521918.2
申请日：2020-12-21
Applicant: 华南理工大学
IPC: G06F21/56 , G06F16/245 , G06T7/10 , G06N3/04
Abstract: 本发明公开了一种基于深度学习语义分割算法的改进系统，包括总处理器模块、深度学习模块、信息输出模块、无线传输模块、接收终端模块、安全检验模块、数据提交模块、供电模块、分割算法模块、病毒查杀模块、数据记录模块；所述总处理器模块的输出端、深度学习模块、分割算法模块依次连接，所述供电模块的电源输出端连接所述总处理器模块的电源输入端，所述总处理器模块的外部安装有所述数据检验模块；所述供电模块的电源输出端连接有所述总处理器模块的电源输入端，所述总处理器模块的外部固定安装有所述数据检验模块；所述总处理器模块的输出端连接有所述信息输出模块的输入端。
-
公开(公告)号：CN112597329B
公开(公告)日：2022-12-16
申请号：CN202011523748.1
申请日：2020-12-21
Applicant: 华南理工大学
Abstract: 本发明公开的一种基于改进的语义分割网络的实时图像检索方法，包括以下步骤：S1、收集检索图像组成需要训练的数据集，并对数据集进行扩充，将扩充后的数据集分为训练集、测试集、验证集；S2、构建改进的实时计算的语义分割网络；S3、将训练集的图片输入改进的实时计算的语义分割网络，得到图片的语义向量，按照图片的类别信息存储语义向量，得到图像检索的语义向量数据库；S4、将测试集中待检测图片送入改进的实时计算的语义分割网络得到语义特征向量，比较待检索的图片的语义类别和图像检索语义向量数据库中向量的图像得到包含带检索图片语义类别的候选图片组；S5、将待检测图片的语义特征向量和候选图片组语义特征向量的进行匹配。
-
公开(公告)号：CN112508960A
公开(公告)日：2021-03-16
申请号：CN202011521916.3
申请日：2020-12-21
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于改进注意力机制的低精度图像语义分割方法，包括以下步骤：S1、收集不同场景下的图像构成数据集，将数据集划分为训练集、验证集以及测试集；S2、使用改进后的MobileNet v2网络对预处理后的训练集图片进行特征提取，对不同层的特征图的分辨率进行上采样或下采样；S3、将S2中上采样或下采样后的特征图使用带有全局注意力特征模块的GASPP结构聚合多尺度的信息；S4、将MobileNet v2主干网络提取的低层细节特征和由步骤S3中聚合得到多尺度特征进行融合，并对得到的融合特征进行融合；S5、通过双线性插值上采样来对特征图进行解码，得到最终的分割图像。
-
Patent Agency Ranking
公开(公告)号：CN112508985B
公开(公告)日：2022-12-16
申请号：CN202011521872.4
申请日：2020-12-21
Applicant: 华南理工大学
IPC: G06T7/13 , G06T7/73 , G06F16/587 , G06N3/04
Abstract: 本发明公开一种基于语义分割的SLAM回环检测改进方法，包括以下步骤：一、获取道路场景语义分割的通用数据集；二、使用RGB摄像头获取环境图像，在不同种环境状况下采集道路环境图像；三、获取语义分割预测的各个像素的分类结果；四、根据分类结果，获取语义分割图中包含对应类别的对象特征向量；五、构建包含语义信息的地点模型；六、通用数据集中的图像经过地点模型分析得到语义地点向量，创建地点的图像库，存入包含地点语义信息的向量，七、匹配待检测图像和图像库中图像的相似度；八、进行闭环检测，如果找到相似度超过阈值的向量，则代表当前图像是闭环节点，否则把当前图像加入到已有的图像库中。
-
公开(公告)号：CN112597329A
公开(公告)日：2021-04-02
申请号：CN202011523748.1
申请日：2020-12-21
Applicant: 华南理工大学
IPC: G06F16/583 , G06K9/62 , G06N3/08 , G06N3/04
Abstract: 本发明公开的一种基于改进的语义分割网络的实时图像检索方法，包括以下步骤：S1、收集检索图像组成需要训练的数据集，并对数据集进行扩充，将扩充后的数据集分为训练集、测试集、验证集；S2、构建改进的实时计算的语义分割网络；S3、将训练集的图片输入改进的实时计算的语义分割网络，得到图片的语义向量，按照图片的类别信息存储语义向量，得到图像检索的语义向量数据库；S4、将测试集中待检测图片送入改进的实时计算的语义分割网络得到语义特征向量，比较待检索的图片的语义类别和图像检索语义向量数据库中向量的图像得到包含带检索图片语义类别的候选图片组；S5、将待检测图片的语义特征向量和候选图片组语义特征向量的进行匹配。
-
公开(公告)号：CN111581313B
公开(公告)日：2023-05-23
申请号：CN202010336144.X
申请日：2020-04-25
Applicant: 华南理工大学
IPC: G06V20/70 , G06V10/774 , G06V10/776 , G06V10/26 , G06V10/46 , G06V10/82 , G06N3/045 , G06N3/082 , G06T7/269 , G06T7/73
Abstract: 本发明涉及一种基于实例分割的语义SLAM鲁棒性改进方法，首先通过实例分割网络对关键帧进行实例分割，建立先验语义信息；然后计算特征点光流场对物体进一步区分，识别出场景真正运动物体并将属于动态物体的特征点去除；最后进行语义关联，建立无动态物体干扰的语义地图。本发明与现有技术相比，采用深度学习与光流相互结合的方法建立语义地图且在彩色图的基础上增加深度图，赋予系统建立稠密三维点云语义地图的能力；另外，采用Mask‑RCNN框架实时语义分割，通过光流信息估计的动态特征点与像素级别的语义信息相互结合可计算物体动态信息。本发明采用深度学习与光流相互结合使得整个系统的鲁棒性得到显著提高，能将其应用于动态场景下实时语义地图构建。
-
公开(公告)号：CN112509051A
公开(公告)日：2021-03-16
申请号：CN202011521855.0
申请日：2020-12-21
Applicant: 华南理工大学
IPC: G06T7/73 , G06T7/10 , G06F16/587 , G06N3/04 , G06N3/00
Abstract: 本发明公开了一种基于仿生学的自主移动平台环境感知与建图方法，包括以下步骤：S1、收集自动驾驶数据集，将图片送入改进语义分割网络，对改进语义分割网络进行训练；S2、初始化双目视觉和IMU联合；S3、融合双目视觉和IMU；S4、构建仿生学细胞模型；S5、构建认知地图。本方法使用仿生学原理建立经验地图极大地降低地图中的参数量，可以保存范围较大的场景地图信息。同时通过语义分割建模地点信息并与位置细胞进行融合，可以提升检测的鲁棒性。充分利用了卷积神经网络强大的特征提取和学习能力，可以改进传统SLAM方法建图计算量过大，识别不准确的问题，对于仿生学环境感知和建图过程中地点判断的准确性有较好的提升。
-
公开(公告)号：CN112750334B
公开(公告)日：2022-03-29
申请号：CN202011543270.9
申请日：2020-12-21
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于Petri网的场馆自动驾驶车辆集中控制方法，包括以下步骤：S1、确定场馆实际大小、座位数量、配套设施建设情况和周边道路交通情况；S2、根据场馆实际人流量使用道路通行能力(HCM)计算PRT车站停靠能力，使用泊松分布模拟人流到达时间，确定所需最大吞吐量，并设计车站样式；S3、基于赋时Petri网建立无信号交叉口控制模型，将针对车站的建模分为两个部分：对各条车道的停车过程建模和对公共资源的分配控制建模；S4、使用中央控制站控制模式进行车辆集中控制。本发明属于自动驾驶控制领域，通过优化算法合理设计PRT站点数量，在保证服务质量的基础上达到资源最大利用。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.02 seconds)
