公开(公告)号：CN114758319B

公开(公告)日：2025-03-28

申请号：CN202210289381.4

申请日：2022-03-22

Applicant: 同济大学

Inventor： 陈广 ,  边疆 ,  瞿三清 ,  钟志华

IPC: G06V20/58 ,  G06V20/40 ,  G06V10/764 ,  G06V10/26 ,  G06V10/82 ,  G06T7/20 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于图像输入的近场车辆加塞行为预测方法，该方法包括：(1)采集真实的结构化道路场景中基于前向全景图像的图像序列信息，通过人工方法标注图像序列中车辆目标的位置以及行为信息；(2)构建适用于结构化道路中近场车辆检测与跟踪的近场车辆检测与跟踪模型；(3)构建适用于结构化道路中车道线检测的车道线检测网络及相应的损失函数；(4)基于步骤(2)建立的近场车辆检测与跟踪模型获得的车辆ID与对应目标的边界框位置数据、以及步骤(3)建立的车道线检测网络获得的车道线，获得目标与车道线的相对位置偏差，根据先验规则的制定，得到近场车辆的加塞行为预测结果。与现有技术相比，本发明预测准确度高，效率高。

公开(公告)号：CN114758319A

公开(公告)日：2022-07-15

申请号：CN202210289381.4

申请日：2022-03-22

Applicant: 同济大学

Inventor： 陈广 ,  边疆 ,  瞿三清 ,  钟志华

IPC: G06V20/58 ,  G06V20/40 ,  G06V10/764 ,  G06V10/26 ,  G06K9/62 ,  G06V10/82 ,  G06T7/20 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于图像输入的近场车辆加塞行为预测方法，该方法包括：(1)采集真实的结构化道路场景中基于前向全景图像的图像序列信息，通过人工方法标注图像序列中车辆目标的位置以及行为信息；(2)构建适用于结构化道路中近场车辆检测与跟踪的近场车辆检测与跟踪模型；(3)构建适用于结构化道路中车道线检测的车道线检测网络及相应的损失函数；(4)基于步骤(2)建立的近场车辆检测与跟踪模型获得的车辆ID与对应目标的边界框位置数据、以及步骤(3)建立的车道线检测网络获得的车道线，获得目标与车道线的相对位置偏差，根据先验规则的制定，得到近场车辆的加塞行为预测结果。与现有技术相比，本发明预测准确度高，效率高。