-
公开(公告)号：CN116311137A
公开(公告)日：2023-06-23
申请号：CN202310334935.2
申请日：2023-03-30
Applicant: 同济大学
IPC: G06V20/56 , G06V10/82 , G06N20/00 , G06V10/80 , G06V10/764 , G06N3/0464
Abstract: 本发明涉及一种基于多表征集成学习的车道线检测方法，包括：构建车道线检测网络，并利用车辆前视图像数据集对车道线检测网络进行训练，得到车道线检测模型，其中，车道线检测网络架构包括依次连接的骨干网络和特征金字塔网络，特征金字塔网络分别连接有分割分支和曲线拟合分支，分割分支和曲线拟合分支之间连接有自适应混合模块；将实际车辆前视图像输入车道线检测模型，输出得到对应的分割车道线检测结果和曲线拟合车道线检测结果。与现有技术相比，本发明将车道线检测任务同时表征为分割任务和曲线拟合任务，设计了双分支的网络结构，结合车道线分割表征和曲线表征的优势，能够有效提升车道线检测的准确性。
-
公开(公告)号：CN116152766A
公开(公告)日：2023-05-23
申请号：CN202310137313.0
申请日：2023-02-20
Applicant: 同济大学
IPC: G06V20/56 , G06V10/764 , G06V10/80 , G06V10/24 , G06V10/44 , G06V10/82 , G06V10/26 , G06N3/0464 , G06N3/048 , G06N3/09
Abstract: 本发明涉及一种基于道路场景的车道线和车道区域检测方法，将车辆前视RGB图像处理为的高分辨率图像和低分辨率图像，将高分辨率图像和低分辨率图像均输入预先构建并训练好的检测网络中，得到车道线和车道的检测结果。检测网络包括：车道线初级特征提取模块：提取车道线的初级特征；车道初级特征提取模块：提取车道的初级特征；特征交互学习模块：将两个初级特征进行信息交互，生成交互特征；车道线解码器和车道解码器：分别对交互特征进行第一次解码，第一次解码后的特征输入对方解码器中，结合交互特征进行第二次解码；交互约束损失模块：将两个解码器第二次解码的解码特征进行约束。与现有技术相比，本发明能够同时精准检测车道线和车道。
-
公开(公告)号：CN114116933B
公开(公告)日：2024-09-24
申请号：CN202111340486.X
申请日：2021-11-12
Applicant: 同济大学
Abstract: 本发明涉及一种基于单目图像的语义拓扑联合建图方法，包括：车辆同步采集相机RGB图像数据、GPS和IMU定位数据等；将采集图像输入至语义分割网络，得到图像路面类型标识的语义分割图；将各图像中被提取的路面标识像素点投影至地图全局坐标下，并将其融入地图数据管理系统；将地图数据管理系统生成的全局语义地图分解成多个ROI，通过本发明设计的网络结构在语义地图上进行车道拓扑状态的最优解搜索，最后将所有建立拓扑状态的ROI结合成完整的拓扑地图。与现有技术相比，本发明以车载视觉和定位系统为传感器配置方案，可以构建出相对精度达99％的语义地图，并且设计了支持低成本传感器的众包融合策略，能够可靠保证拓扑地图的位置精度和拓扑关系正确率。
-
公开(公告)号：CN114116933A
公开(公告)日：2022-03-01
申请号：CN202111340486.X
申请日：2021-11-12
Applicant: 同济大学
Abstract: 本发明涉及一种基于单目图像的语义拓扑联合建图方法，包括：车辆同步采集相机RGB图像数据、GPS和IMU定位数据等；将采集图像输入至语义分割网络，得到图像路面类型标识的语义分割图；将各图像中被提取的路面标识像素点投影至地图全局坐标下，并将其融入地图数据管理系统；将地图数据管理系统生成的全局语义地图分解成多个ROI，通过本发明设计的网络结构在语义地图上进行车道拓扑状态的最优解搜索，最后将所有建立拓扑状态的ROI结合成完整的拓扑地图。与现有技术相比，本发明以车载视觉和定位系统为传感器配置方案，可以构建出相对精度达99％的语义地图，并且设计了支持低成本传感器的众包融合策略，能够可靠保证拓扑地图的位置精度和拓扑关系正确率。
-
-
-
Search Results
4
records
(took 0.015 seconds)
