文档名：基于双目稀疏场景流的智能车运动目标检测
摘要：为提高无人驾驶汽车视觉运动目标检测精度,提出一种基于深度学习与稀疏场景流结合的运动目标检测方法.首先使用深度学习网络SOLOV2分割交通场景,提取行人、车辆等潜在运动目标,缩小场景内运动目标搜索范围.其次,利用背景中特征匹配点估计相机自运动参数,在此基础上将潜在运动区域前后两帧特征点坐标映射到同一坐标系下,进而计算出仅由运动目标产生的稀疏场景流.最后,根据每个目标场景流估计误差的不同,计算每个目标场景流估计的不确定度,然后使用独立自适应阈值用于运动状态判断.使用KITTI数据集进行测试,实验结果表明:所提算法能明显提升运动目标检测精度,算法精度和召回率在两组数据集分别为92.3%、94.4%和87.4%、95.1%.
作者：刘明文 蒋涛 袁建英 顾硕鑫 徐智勇 雷婷Author：LIUMingwen JIANGTao YUANJianying GUShuoxin XUZhiyong LEITing
作者单位：成都信息工程大学自动化学院,四川成都610225
刊名：成都信息工程大学学报
Journal：JournalofChengduUniversityOfInformationTechnology
年，卷(期)：2023, 38(4)
分类号：TP391.4
关键词：无人驾驶汽车 运动目标检测 场景流 自适应阈值
机标分类号：TP391.41TP242.6U463.6
在线出版日期：2023年7月12日
基金项目：国家自然科学基金，四川省自然科学基金资助项目，四川省科技计划，四川省科技计划，四川省科技计划，四川省科技计划，四川省科技计划，四川省科技计划，四川省科技计划基于双目稀疏场景流的智能车运动目标检测[
期刊论文] 成都信息工程大学学报--2023, 38(4)刘明文 蒋涛 袁建英 顾硕鑫 徐智勇 雷婷为提高无人驾驶汽车视觉运动目标检测精度,提出一种基于深度学习与稀疏场景流结合的运动目标检测方法.首先使用深度学习网络SOLOV2分割交通场景,提取行人、车辆等潜在运动目标,缩小场景内运动目标搜索范围.其次,利用背...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于双目稀疏场景流的智能车运动目标检测 Detection of Moving Objects in Smart Cars based on Binocular Sparse Scene Flow
基于双目稀疏场景流的智能车运动目标检测.pdf
- 文件大小:
- 3.66 MB
- 下载次数:
- 60
-
高速下载
|
