排序方式: 共有19条查询结果,搜索用时 31 毫秒
1.
当前最先进的车辆三维全景影像虽然可以较好地对车身周边环境进行三维立体的拟真显示,但仍然会对车身近处的三维物体造成显示畸变,极大地影响显示效果、降低实用性。针对该问题,提出一种增强型车辆三维全景影像的合成方法。首先利用YOLOv4网络检测出车辆及行人在图像中的位置,之后基于坐标升维逆映射将检测出的物体位置升维映射至世界坐标系下,最后将三维模型渲染在相应的逆映射位置上来代替显示畸变的三维物体,从而给驾驶员提供有效的周边物体位置信息。实验结果表明,所提方法生成的增强型车辆三维全景影像具有很好的实时性和显示效果,能够有效解决当前车辆三维全景影像的显示缺陷。 相似文献
2.
3.
4.
5.
6.
基于稀疏表达的跟踪方法通常采用基于固定阈值的模板更新策略, 很难适应不断变化的目标外形; 其次, 稀疏表达缺乏描述目标流行结构的能力, 区分背景和目标的能力差. 针对基于固定阈值的模板更新策略的不足, 提出一种多级分层的目标模板字典. 为了改善对背景和目标的区分能力, 提出一种融合多级稀疏表达和度量学习的目标跟踪方法. 实验结果表明了所提出的方法能有效提高跟踪的鲁棒性和精度.
相似文献7.
8.
9.
数据关联是移动机器人同时定位与建图(SLAM)中的一个难点问题.将经典的单匹配最近邻(ICNN)算法和分枝限界联合匹配(JCBB)算法结合起来,提出了一种基于局部地图的混合数据关联方法.在SLAM数据关联过程中,首先采用ICNN算法在局部地图中进行数据关联,并判断关联结果的正确性,若有错则采用JCBB算法在错误匹配处周围的局部区域内重新进行数据关联,以纠正错误的关联结果.实验结果表明,该方法实时性强,精确度高,适用于不同复杂程度的环境. 相似文献
10.
复杂场景分割是自动驾驶领域智能感知的重要任务,对稳定性和高效性都有较高的要求.由于一般的场景分割方法主要针对可见光图像,分割效果非常依赖于图像获取时的光线与气候条件,且大多数方法只关注分割性能,忽略了计算资源.本文提出一种基于可见光与红外热图像的轻量级双模分割网络(DMSNet),通过提取并融合两种模态图像的特征得到最终分割结果.考虑到不同模态特征空间存在较大差异,直接融合将降低对特征的利用率,本文提出了双路特征空间自适应(DPFSA)模块,该模块能够自动学习特征间的差异从而转换特征至同一空间.实验结果表明,本文方法提高了对不同模态图像的利用率,对光照变化有更强的鲁棒性,且以少量参数取得了较好的分割性能. 相似文献