一种基于深度神经网络的弱光环境车道线检测方法、装置

    公开(公告)号:CN112766056A

    公开(公告)日:2021-05-07

    申请号:CN202011612255.5

    申请日:2020-12-30

    Applicant: 厦门大学

    Abstract: 本发明公开了一种基于深度神经网络的弱光环境车道线检测方法、装置,方法具体包括:使用实际驾驶环境图像通过调节对比度和gamma数值转换成弱光图像,训练弱光增强网络,实现高质量车道线图像的输出;将弱光增强网络输出的高质量车道线图像引入改进的DeeplabV3+语义分割网络,提取包含高级语义信息车道特征检测候选车道;检测到候选车道后,通过快速的聚类算法将候选车道聚类为线型输出,完成对当前行驶车道的车道线检测;设定距离阈值,当车辆位置距离边界车道线小于设定距离阈值时,发出警告;本发明提出的方法,能够提升弱光环境下车道线检测的精度和鲁棒性。

    一种自动驾驶车辆的跟踪控制方法

    公开(公告)号:CN113320542A

    公开(公告)日:2021-08-31

    申请号:CN202110703645.1

    申请日:2021-06-24

    Applicant: 厦门大学

    Abstract: 一种自动驾驶车辆的跟踪控制方法,预先建立考虑道路倾角与曲率的车辆动力学模型,还包括:1)基于车辆动力学模型构建当前时刻的动态预测过程,并设计考虑驾驶路径信息的扩展模型预测控制器;2)获取当前时刻车辆的状态信息,根据状态信息建立约束包络;3)根据动态预测过程和约束包络利用差分进化算法求解得到当前时刻的最优控制转向角,根据最优控制转向角控制车辆在可行驶道路区域内自主跟踪最优的平滑路径;4)回到步骤1)计算下一个控制周期的最优控制转向角,直到车辆到达路径的终点。本发明能够处理路径跟踪过程中车辆与路面的动态交互信息,充分利用自动驾驶车辆的机动性,实现在可行驶道路区域内稳定平滑的路径跟踪控制。

    一种基于多曝光融合的车载视觉增强方法

    公开(公告)号:CN113781375A

    公开(公告)日:2021-12-10

    申请号:CN202111065486.3

    申请日:2021-09-10

    Applicant: 厦门大学

    Abstract: 本发明公开了一种基于多曝光融合的车载视觉增强方法,预先采集实际驾驶环境的多曝光图像序列,方法包括下列步骤:训练用于评价图像边缘特征相似性的自关注模块,通过相似特征点位计算单应变换矩阵,实现多曝光图像序列对齐;构建上下文聚合网络(CAN)评估多曝光图像序列的高对比度区域,生成图像权重分布图;将输出的权重图进行归一化后输入导向滤波器,去除非边缘权重噪声,利用权重图提取对应图像的高对比度图像分量进行加权融合,输出高质量的驾驶环境图像。本发明提出的方法,能够有效地恢复光照变化场景中高光和阴影区域的细节特征,并对后续的功能性算法具有增强效果。

    一种基于多曝光融合的车载视觉增强方法

    公开(公告)号:CN113781375B

    公开(公告)日:2023-12-08

    申请号:CN202111065486.3

    申请日:2021-09-10

    Applicant: 厦门大学

    Abstract: 征,并对后续的功能性算法具有增强效果。本发明公开了一种基于多曝光融合的车载视觉增强方法,预先采集实际驾驶环境的多曝光图像序列,方法包括下列步骤:训练用于评价图像边缘特征相似性的自关注模块,通过相似特征点位计算单应变换矩阵,实现多曝光图像序列对齐;构建上下文聚合网络(CAN)评估多曝光图像序列的高对比度区域,生成图像权重分布图;将输出的权重图进行归一化后输入导向滤波器,去除非边缘权重噪声,利用权重图提取对应图像的高对比度图像分量进行加权融合,输出高质量的(56)对比文件胡怀中,李嘉,胡军.一种机器人触视觉图像配准方法的研究.小型微型计算机系统.2005,(第06期),全文.陈亮;周孟哲;陈禾.一种结合边缘区域和互相关的图像配准方法.北京理工大学学报.2016,(第03期),全文.张淑芳;朱彤.一种基于HDR技术的交通标志牌检测和识别方法.激光与光电子学进展.2018,(第09期),全文.于兵;李成海;甘进;杜书华;.基于边缘信息的快速配准算法.微计算机信息.2010,(第14期),第194-195页.

    一种基于深度神经网络的弱光环境车道线检测方法、装置

    公开(公告)号:CN112766056B

    公开(公告)日:2023-10-27

    申请号:CN202011612255.5

    申请日:2020-12-30

    Applicant: 厦门大学

    Abstract: 本发明公开了一种基于深度神经网络的弱光环境车道线检测方法、装置,方法具体包括:使用实际驾驶环境图像通过调节对比度和gamma数值转换成弱光图像,训练弱光增强网络,实现高质量车道线图像的输出;将弱光增强网络输出的高质量车道线图像引入改进的DeeplabV3+语义分割网络,提取包含高级语义信息车道特征检测候选车道;检测到候选车道后,通过快速的聚类算法将候选车道聚类为线型输出,完成对当前行驶车道的车道线检测;设定距离阈值,当车辆位置距离边界车道线小于设定距离阈值时,发出警告;本发明提出的方法,能够提升弱光环境下车道线检测的精度和鲁棒性。

    一种自动驾驶车辆的跟踪控制方法

    公开(公告)号:CN113320542B

    公开(公告)日:2022-05-17

    申请号:CN202110703645.1

    申请日:2021-06-24

    Applicant: 厦门大学

    Abstract: 一种自动驾驶车辆的跟踪控制方法,预先建立考虑道路倾角与曲率的车辆动力学模型,还包括:1)基于车辆动力学模型构建当前时刻的动态预测过程,并设计考虑驾驶路径信息的扩展模型预测控制器;2)获取当前时刻车辆的状态信息,根据状态信息建立约束包络;3)根据动态预测过程和约束包络利用差分进化算法求解得到当前时刻的最优控制转向角,根据最优控制转向角控制车辆在可行驶道路区域内自主跟踪最优的平滑路径;4)回到步骤1)计算下一个控制周期的最优控制转向角,直到车辆到达路径的终点。本发明能够处理路径跟踪过程中车辆与路面的动态交互信息,充分利用自动驾驶车辆的机动性,实现在可行驶道路区域内稳定平滑的路径跟踪控制。

    一种规划耦合的多目标车辆轨迹预测方法及系统

    公开(公告)号:CN117408406A

    公开(公告)日:2024-01-16

    申请号:CN202311406671.3

    申请日:2023-10-27

    Applicant: 厦门大学

    Abstract: 本发明公开了一种规划耦合的多目标车辆轨迹预测方法及系统,方法包括:基于Frenet坐标系实现自我车辆的规划轨迹生成;采用双向长短期记忆神经网络进行不同时间序列的历史轨迹和规划轨迹编码;将编码后的隐藏状态输入到社交卷积池化网络中,提取场景中车辆之间的潜在交互关系;结合驾驶行为决策函数的轨迹解码器实现多目标车辆的轨迹预测。本发明有效地结合自我车辆的规划信息实现动态场景下多目标车辆的轨迹预测,对后续的功能性算法具有明显的增强效果。

Patent Agency Ranking