公开(公告)号：CN110781927B

公开(公告)日：2023-05-23

申请号：CN201910962361.7

申请日：2019-10-11

Applicant: 苏州大学

Inventor： 郑建颖 ,  张力文 ,  徐浩

IPC: G06F18/23213 ,  G06F18/241

Abstract: 本发明公开了车路协同下基于深度学习的目标检测与分类方法，包括：获取目标的点云数据，并将所述目标的点云数据映射到矩阵中，对所述点云数据进行网格化；采用基于网格化与帧融合的密度聚类，判断空间中目标的邻域关系和密度；根据所述基于网格化与帧融合的密度聚类，通过权重共享卷积核提取所述点云数据的局部特征，对所述目标进行分类。本方法基于深度学习对目标进行了准确的检测与分类，既确定了目标的位置，也确定了目标的类型，基于该方法，实现了对城市交通进行有效的管理，保证了交通安全，提高了通行效率，从而形成的安全、高效和环保的道路交通系统。

公开(公告)号：CN110781927A

公开(公告)日：2020-02-11

申请号：CN201910962361.7

申请日：2019-10-11

Applicant: 苏州大学

Inventor： 郑建颖 ,  张力文 ,  徐浩

IPC: G06K9/62

Abstract: 本发明公开了车路协同下基于深度学习的目标检测与分类方法，包括：获取目标的点云数据，并将所述目标的点云数据映射到矩阵中，对所述点云数据进行网格化；采用基于网格化与帧融合的密度聚类，判断空间中目标的邻域关系和密度；根据所述基于网格化与帧融合的密度聚类，通过权重共享卷积核提取所述点云数据的局部特征，对所述目标进行分类。本方法基于深度学习对目标进行了准确的检测与分类，既确定了目标的位置，也确定了目标的类型，基于该方法，实现了对城市交通进行有效的管理，保证了交通安全，提高了通行效率，从而形成的安全、高效和环保的道路交通系统。