基于SSD和改进双目测距模型的车辆测距方法研究

针对汽车辅助驾驶系统中使用双目相机对前方车辆测距精度较低的问题,提出一种基于SSD车辆检测和改进双目测距模型的车辆测距方法。该方法分为3个阶段。第一阶段,使用深度学习多尺度特征的SSD算法快速准确地检测定位车辆;第二阶段,使用SURF+RANSAC算法匹配校正后的左右车辆的特征点;第三阶段,在分析双目相机测距误差的基础上,构建新的测距模型,并采用遗传算法对测距模型中的参数进行非线性拟合,估计出参数的最佳值,最后使用改进的双目测距模型实现更准确的测距。实验结果表明,在40 m的距离范围内,车辆正确识别率为94. 32%,每幅图像的车辆检测平均耗时为50. 18 ms,所提方法的测距误差控制在2m以内,平均误差率为2. 36%,较改进之前的方法精度提高了6. 19%,具有较好的实用价值。     

基于改进进化神经网络的双目视觉系统标定

摄像机标定在机器视觉技术中具有重要意义.针对传统三维物标定方法操作繁琐,BP神经网络标定受初始权值和阈值影响的问题,提出一种基于光轴会聚模型的思维进化-神经网络标定方法.利用BP神经网络可逼近非线性函数,思维进化算法具有较强全局寻优能力,有效解决了BP神经网络易陷入局部最小以及初始权值、阈值随机化问题.实验证明,与经典...