【摘 要】
：
路侧感知算法融合车载感知算法实现了超视距感知,基于深度学习的感知算法性能取决于激光雷达点云标签标注的质量,而点云标签相对于二维图像更难标注,需要大量时间人力成本进
【基金项目】
：
广东省重点领域研发计划(2019B010154004,2019B090912002),广州市科技计划(201807010049,201802010006)。
论文部分内容阅读
路侧感知算法融合车载感知算法实现了超视距感知,基于深度学习的感知算法性能取决于激光雷达点云标签标注的质量,而点云标签相对于二维图像更难标注,需要大量时间人力成本进行标注,且现行感知算法都是针对于车载激光雷达.针对这些问题,本文提出了一种基于路侧激光雷达栅格特征聚类的感知算法,该算法首先对路侧激光雷达点云栅格化并提取特征,再构建深度学习方法模型学习栅格的初级感知信息,最后根据初级感知信息进行聚类完成感知检测.本文还利用仿真平台模拟路侧激光雷达点云,并研究混合数据集在感知算法训练上的应用,基于模拟数据预训模型
其他文献
为了实时跟踪室内人员的位置信息,设计了一种基于惯性导航技术的室内定位系统.在系统中运用改进零速修正技术,减小惯性导航累积误差,使得定位精度优于1%里程.人员的位置信息
临近空间探测科学实验是以浮空器、无人机等平台为手段,获取多尺度、多层次、多类型的探测数据,为临近空间认知体系构建提供支撑.因为临近空间探测的复杂性和探测数据的多样
基于神经网络的实体关系抽取模型已经被证明了它的有效性,但使用单一的神经网络模型在不同的输入条件下,会表现出不同的结果,性能不太稳定.因此本文提出一种利用集成学习思想
为了增加深海海底图像匹配对应点的数量和正确率.本文针对水下机器人导航的序列海底图像,提出了基于图像信息和先验知识的带状对应点配准方法.首先对深海海底图像进行适当的光照补偿和图像线性增强等预处理.然后利用导航数据作为引导思想,根据拍摄图像的物理位置偏移量,计算邻接图像相似区域(即邻接图像带状区域).以带状区域内计算特征对应点代替全局计算特征对应点.增加图像配准点的个数,降低误配率.在具有重复纹理和低
受全遍历环境影响,现有方法规划得出的路径长度过长,为提高路径规划性能,获取最优路径,提出基于改进蚁群算法的全向移动机器人全遍历路径规划方法.在拓扑建模示意图的基础上,
针对影响高速公路交通流量因素多样而复杂的问题,提出了一种基于多元因素的Bi-LSTM (双向长短期记忆网络)高速公路交通流预测模型.首先对原始数据进行清理和相关性分析,提高
针对传统声纹识别方法实现过程复杂、识别率低等问题,提出了一种基于ResNet-LSTM的声纹识别方法.首先采用ResNet残差网络提取声纹的空间特征,其次采用LSTM长短期记忆循环神经
点击率(CTR)预测是个性化广告和推荐系统中的一项基本任务.针对提升点击率预测效果和处理冷启动问题,本文中提出了一种基于改进降噪自动编码器的点击率预测模型ADVAE (ADditi
针对人体行为检测中相同行为差异大,不同行为相似度高,以及视觉角度、遮挡、不能实时检测等问题,提出Hierarchical Bilinear-YOLOv3人体行为检测网络.该网络采用YOLOv3在3个不同尺度上进行预测,抽取YOLOv3金字塔特征提取网络中特定层作为Hierarchical Bilinear的输入,捕获特征图的层间局部特征关系,并在3个不同尺度上进行预测,最后将YOLOv3和Hier
随着科技的发展,电力系统中智能设备的应用场景也变得越来越多,特别是在电力自动化控制和数据采集通信方面,很多设备平台都采用基于嵌入式的Linux操作系统,以远方电能量数据