-
公开(公告)号：CN111461221B
公开(公告)日：2023-05-23
申请号：CN202010250235.1
申请日：2020-04-01
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V10/80 , G06V10/764 , G06V10/82 , G06V10/766 , G06N3/0464 , G06N3/047 , G06N3/08 , G06V20/56
Abstract: 本发明涉及目标检测技术领域，具体涉及一种面向自动驾驶的多源传感器融合目标检测方法和系统，主要应用于自动驾驶三维目标检测领域，在尽可能不增加算法时间复杂度和空间复杂度的前提下，提高三维目标检测的精度。该目标检测方法包括：通过传感器分别设备获取待检测的图像信息和点云信息，利用本发明提出的特征提取网络对信息进行特征提取并融合，确定目标可能所在位置，通过DRPN(串行区域提名网络)网络对目标和背景进行分类，尽可能提高了分类精度。利用回归网络进一步判断，获取目标的类别信息。通过本发明的特征提取网络、区域提名网络和分类回归网络，可以准确地识别出目标类别，提高目标检测的精准度。
-
公开(公告)号：CN111460891B
公开(公告)日：2023-05-26
申请号：CN202010133125.7
申请日：2020-03-01
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明涉及智能交通技术领域，具体涉及一种面向自动驾驶的车路协同行人重识别方法和系统，主要应用于依赖无线通信进行信息交互的车路协同系统，在尽可能减少通信资源占用的前提下，保证输出实时可靠的行人重识别结果，进而辅助自动驾驶车辆全面感知行人的运动状态和轨迹。其中方法包括：根据无线信道状态分别对车路两侧获取的行人图像进行高维深度特征提取和自适应特征降维处理，在图像特征维度满足重识别可靠性的前提下，尽可能降低图像特征维度，减少传输图像特征所产生的通信开销和传输时延。通过利用汉明距离计算车路两侧提取的行人图像的低维深度特征之间的距离，减少了计算量，加快了图像特征匹配速度，使得行人重识别系统的工作效率更高。
-
公开(公告)号：CN111461221A
公开(公告)日：2020-07-28
申请号：CN202010250235.1
申请日：2020-04-01
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明涉及目标检测技术领域，具体涉及一种面向自动驾驶的多源传感器融合目标检测方法和系统，主要应用于自动驾驶三维目标检测领域，在尽可能不增加算法时间复杂度和空间复杂度的前提下，提高三维目标检测的精度。该目标检测方法包括：通过传感器分别设备获取待检测的图像信息和点云信息，利用本发明提出的特征提取网络对信息进行特征提取并融合，确定目标可能所在位置，通过DRPN(串行区域提名网络)网络对目标和背景进行分类，尽可能提高了分类精度。利用回归网络进一步判断，获取目标的类别信息。通过本发明的特征提取网络、区域提名网络和分类回归网络，可以准确地识别出目标类别，提高目标检测的精准度。
-
公开(公告)号：CN111460891A
公开(公告)日：2020-07-28
申请号：CN202010133125.7
申请日：2020-03-01
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明涉及智能交通技术领域，具体涉及一种面向自动驾驶的车路协同行人重识别方法和系统，主要应用于依赖无线通信进行信息交互的车路协同系统，在尽可能减少通信资源占用的前提下，保证输出实时可靠的行人重识别结果，进而辅助自动驾驶车辆全面感知行人的运动状态和轨迹。其中方法包括：根据无线信道状态分别对车路两侧获取的行人图像进行高维深度特征提取和自适应特征降维处理，在图像特征维度满足重识别可靠性的前提下，尽可能降低图像特征维度，减少传输图像特征所产生的通信开销和传输时延。通过利用汉明距离计算车路两侧提取的行人图像的低维深度特征之间的距离，减少了计算量，加快了图像特征匹配速度，使得行人重识别系统的工作效率更高。
-
-
-
Search Results
4
records
(took 0.047 seconds)
