排序方式: 共有26条查询结果,搜索用时 15 毫秒
1.
2.
视觉里程计利用视频信息来估计相机运动的位姿参数,实现对智能体的定位。传统视觉里程计方法需要特征提取、特征匹配/跟踪、外点剔除、运动估计、优化等流程,解算非常复杂,因此,提出了基于卷积神经网络的方法来实现端对端的单目视觉里程计。借助卷积神经网络对彩色图片自动学习提取图像帧间变化的全局特征,将用于分类的卷积神经网络转化为帧间时序特征网络,通过三层全连接层输出相机的帧间相对位姿参数。在KITTI数据集上的实验结果表明,提出的Deep-CNN-VO模型可以较准确地估计车辆的运动轨迹,证明了方法的可行性。在简化了复杂模型的基础上,与传统的视觉里程计系统相比,该模型的精度也有所提高。 相似文献
3.
仪器利用石英晶体的温度——频率特性作为温度传感器来测量温度。采用双探头形式,可同时测量两点的温度或温差。在原理上,仪器利用频率合成技术使测温分辨力达到0.0001℃(1s计数闸门);利用计算机误差补偿技术,修正两探头的测温差异,提高双探头法测量温差的准确性。仪器在0-100℃的范围内,温差测量准确度达到±0.002℃。温度测量准确度为±0.05℃。 相似文献
4.
针对单一传感器在智能车辆目标检测中的局限性,提出了一种利用四线激光雷达和相机融合的目标检测算法.通过激光雷达得到目标的位置和编号信息,并将点云聚类后得到的结果通过激光雷达和相机联合标定的参数矩阵投影到图像上得到目标的边界框.将采集到的图片通过YOLOv3网络得到目标的边界框、类别和置信度.然后,采用决策级融合方法将激光... 相似文献
5.
由于车道线的多样性以及交通场景的复杂性等问题,车道线检测是一项具有挑战性的任务。其主要表现在当车辆行驶在拥堵、夜晚、弯道等车道线不清晰或被遮挡的道路上时,现有检测方法的检测结果并不理想。本文基于检测方法的框架提出了一种轴注意力引导的锚点分类车道线检测方法来解决两个问题。首先是车道线不清晰或缺失时存在的视觉线索缺失问题。其次是锚点分类时用混合锚点上的稀疏坐标表示车道线带来的特征信息缺失问题,从而导致检测精度下降,所以通过在骨干网络中添加轴注意力层来聚焦行向和列向的显著特征来提高精度。在TuSimple和CULane两个数据集上进行了大量实验。实验结果表明,本文方法在各种条件下都具有鲁棒性,同时与现有的先进方法相比,在检测精度和速度方面都表现出综合优势。 相似文献
6.
道路检测是车辆实现自动驾驶的前提。近年来,基于深度学习的多源数据融合成为当前自动驾驶研究的一个热点。本文采用卷积神经网络对激光雷达点云和图像数据加以融合,实现对交通场景中道路的分割。本文提出了像素级、特征级和决策级多种融合方案,尤其是在特征级融合中设计了四种交叉融合方案,对各种方案进行对比研究,给出最佳融合方案。在网络构架上,采用编码解码结构的语义分割卷积神经网络作为基础网络,将点云法线特征与RGB图像特征在不同的层级进行交叉融合。融合后的数据进入解码器还原,最后使用激活函数得到检测结果。实验使用KITTI数据集进行评估,验证了各种融合方案的性能,实验结果表明,本文提出的融合方案E具有最好的分割性能。与其他道路检测方法的比较实验表明,本文方法可以获得较好的整体性能。 相似文献
7.
针对视觉里程计内点确定的问题,提出了一种基于自适应外点剔除与解耦算法的视觉里程计方法.采用ORB(Oriented FAST and Rotated BRIEF)算子检测特征点.采用经光流归一化的重投影误差作为内点评判标准,归一化的重投影误差与特征点的深度及位置无关.自运动估计分为两步:先使用改进的5-point RANSAC方法结合球形线性插值求解优化的旋转参数;然后采用两帧间光束法平差,结合归一化的重投影误差去除外点,迭代循环到最大次数或内点集合不变,得到最优的平移参数.采用公共数据集KITTI对算法进行测试,实验表明本文算法较之传统的采用固定阈值重投影误差评估内点并同时估计6自由度的方法,在外点剔除方面有显著提升,与同类视觉里程计方法相比在精度上也有提升. 相似文献
8.
9.
10.
对激光雷达点云进行道路对象的语义分割,尤其是对感兴趣实例(如汽车、行人和自行车)的检测与归类.将此问题明确表达为逐点分类问题,并以卷积神经网络(Convolutional Neural Nets,CNN)为基准网络设计网络结构,对预处理过的点云数据进行语义分割.具体地,CNN将转化后的雷达点云数据作为输入,直接输出逐点... 相似文献