-
公开(公告)号：CN111507233B
公开(公告)日：2022-12-13
申请号：CN202010283306.8
申请日：2020-04-13
Applicant: 吉林大学
IPC: G06V20/56 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/04
Abstract: 本发明公开了一种多模态信息融合的智能车路面类型识别方法，首先根据各个传感器采集都的路面感知信息的特点和数据结构，分别对不同模态的感知信息采用不同的建模方法做特征提取，然后将各模态感知信息提取的特征向量进行特征级数据融合，最后采用LSTM深度学习网络将多模态融合特征转化成时间序列的分类问题，通过有监督的学习完成路面类型的识别。本发明提高了各传感器的信息融合深度和路面识别精度；另外采用LSTM时间序列分类模型能够有效地避免偶然误差所引发的频繁误检，进一步提高路面识别的鲁棒性和准确性。
-
公开(公告)号：CN111369541A
公开(公告)日：2020-07-03
申请号：CN202010151618.3
申请日：2020-03-06
Applicant: 吉林大学
Abstract: 本发明公开了一种智能汽车恶劣天气条件下车辆检测方法，解决智能汽车在夜间、雨天、雾天、雪天等恶劣环境下车辆检测困难的问题。分别通过毫米波雷达和热成像相机进行车辆目标检测和图像捕获；将毫米波雷达检测到的车辆目标通过坐标变换投影到热成像相机捕获的红外热图像，获得车辆检测目标在红外热图像中的近似位置分布；提取与分割车辆感兴趣区域；采用DMP目标检测算法对车辆感兴趣区域进行假设验证，并对车辆的检测边框进行回归预测；通过计算代价矩阵对毫米波雷达及热成像相机的检测目标进行融合，最后采用卡尔曼滤波对融合后的车辆检测目标进行跟踪。
-
公开(公告)号：CN111369541B
公开(公告)日：2022-07-08
申请号：CN202010151618.3
申请日：2020-03-06
Applicant: 吉林大学
IPC: G06T7/00 , G06T7/11 , G06T7/80 , G06K9/62 , G06V10/764
Abstract: 本发明公开了一种智能汽车恶劣天气条件下车辆检测方法，解决智能汽车在夜间、雨天、雾天、雪天等恶劣环境下车辆检测困难的问题。分别通过毫米波雷达和热成像相机进行车辆目标检测和图像捕获；将毫米波雷达检测到的车辆目标通过坐标变换投影到热成像相机捕获的红外热图像，获得车辆检测目标在红外热图像中的近似位置分布；提取与分割车辆感兴趣区域；采用DMP目标检测算法对车辆感兴趣区域进行假设验证，并对车辆的检测边框进行回归预测；通过计算代价矩阵对毫米波雷达及热成像相机的检测目标进行融合，最后采用卡尔曼滤波对融合后的车辆检测目标进行跟踪。
-
公开(公告)号：CN111507233A
公开(公告)日：2020-08-07
申请号：CN202010283306.8
申请日：2020-04-13
Applicant: 吉林大学
Abstract: 本发明公开了一种多模态信息融合的智能车路面类型识别方法，首先根据各个传感器采集都的路面感知信息的特点和数据结构，分别对不同模态的感知信息采用不同的建模方法做特征提取，然后将各模态感知信息提取的特征向量进行特征级数据融合，最后采用LSTM深度学习网络将多模态融合特征转化成时间序列的分类问题，通过有监督的学习完成路面类型的识别。本发明提高了各传感器的信息融合深度和路面识别精度；另外采用LSTM时间序列分类模型能够有效地避免偶然误差所引发的频繁误检，进一步提高路面识别的鲁棒性和准确性。
-
-
-
Search Results
4
records
(took 0.011 seconds)
