-
公开(公告)号：CN106971155A
公开(公告)日：2017-07-21
申请号：CN201710170216.6
申请日：2017-03-21
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于高度信息的无人车车道场景分割方法，先利用神经网络对车道图片进行编码、解码得到稠化特征图，再通过softmax分类器将稠化特征图中的像素点进行分类，得到基于像素点的车道场景分割图，最后利用基于高度信息的误差处理的校正，实现车辆道路区域和非道路区域的划分。这样减少分割时出现的噪声，以及由噪声带来的道路区域与非道路区域边界识别不明等问题。
-
公开(公告)号：CN109543601A
公开(公告)日：2019-03-29
申请号：CN201811388553.3
申请日：2018-11-21
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于多模态深度学习的无人车目标检测方法，包括以下步骤：（1）数据采集；（2）数据同步；（3）处理激光雷达点云数据；（4）特征提取；（5）特征分类回归；（6）投影；（7）去除冗余候选框；（8）矫正；（9）输出三维检测框。本发明结合多传感器的优势，克服图像模态对车道场景表达能力的不足，能够应对无人车行驶中可能面对的复杂场景下的场景感知。
-
公开(公告)号：CN106971155B
公开(公告)日：2020-03-24
申请号：CN201710170216.6
申请日：2017-03-21
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于高度信息的无人车车道场景分割方法，先利用神经网络对车道图片进行编码、解码得到稠化特征图，再通过softmax分类器将稠化特征图中的像素点进行分类，得到基于像素点的车道场景分割图，最后利用基于高度信息的误差处理的校正，实现车辆道路区域和非道路区域的划分。这样减少分割时出现的噪声，以及由噪声带来的道路区域与非道路区域边界识别不明等问题。
-
-
Search Results
3
records
(took 0.015 seconds)
