专利汇可以提供基于深度学习与传统算法结合的车辆环境识别方法和系统专利检索,专利查询,专利分析的服务。并且本 发明 公开的一种基于 深度学习 与传统 算法 结合的车辆环境识别方法,其主要包括点 云 信息和视频信息采集步骤、视频信息 置信度 评估和点云信息置信度评估步骤、算法模 块 选择步骤、点云信息和视频信息整合步骤、目标识别及结果输出步骤。本发明能够有效提高雷达和视频信息处理的 精度 和可靠性,使车辆环境识别的性能得到有效改善。,下面是基于深度学习与传统算法结合的车辆环境识别方法和系统专利的具体信息内容。
1.一种基于深度学习与传统算法结合的车辆环境识别方法,其特征在于,包括以下步骤:
点云信息和视频信息采集:通过雷达和摄像头分别采集车辆环境的点云信息和视频信息;
视频信息置信度评估:以视频信息中视频图像均方误差、峰值信噪比、偏色值、干扰度、清晰度、明暗度为参数设置视频信息的置信度函数进行量化评估,得到视频信息的置信度;
点云信息置信度评估:以点云信息中点云噪声点数量、点云噪声点最大偏离度、点云噪声点平均偏离度,以及点云空洞数量、点云空洞最大半径、点云空洞平均半径为参数设置点云信息的置信度函数进行量化评估,得到点云信息的置信度;
算法模块选择:判断视频信息的置信度大于第一预定阈值或点云信息的置信度大于第二预定阀值,则将视频信息/点云信息送入传统算法模块进行处理,否则,送入深度学习模块进行处理;
点云信息和视频信息整合:对处理后视频信息和点云信息进行信息融合;
目标识别及结果输出:利用融合后的信息进行目标识别,并输出识别结果。
2.根据权利要求1所述的基于深度学习与传统算法结合的车辆环境识别方法,其特征在于,算法模块选择步骤中,对视频信息的置信度进行如下归一化:
其中,cp是视频信息归一化后的置信度评估值,c1是视频图像均方误差,c2是峰值信噪比,c3是偏色值,c4是干扰度,c5是清晰度,c6是明暗度,wc1,wc2,wc3,wc4,wc5,wc6为权重系数,且wc1+wc2+wc3+wc4+wc5+wc6=1。
3.根据权利要求2所述的基于深度学习与传统算法结合的车辆环境识别方法,其特征在于,算法模块选择步骤中,对点云信息的置信度进行如下归一化:
其中,sp是点云信息归一化后的置信度评估值,s1是点云噪声点数量,s2是点云噪声点最大偏离度,s3是点云噪声点平均偏离度,s4是点云空洞数量,s5是点云空洞最大半径,s6是点云空洞平均半径,ws1,ws2,ws3,ws4,ws5,ws6为权重系数,且ws1+ws2+ws3+ws4+ws5+ws6=1。
4.根据权利要求3所述的基于深度学习与传统算法结合的车辆环境识别方法,其特征在于,算法模块选择步骤中包括:
将送入深度学习模块的视频信息对应的归一化后的置信度评估值,与深度学习算法库中设定的视频信息归一化置信度调度阈值区间作比较,调度相应的深度学习算法作为本次视频信息处理的方法;
将送入深度学习模块的点云信息对应的归一化后的置信度评估值,与深度学习算法库中设定的点云信息归一化置信度调度阈值区间作比较,调度相应的深度学习算法作为本次点云信息处理的方法。
5.根据权利要求4所述的基于深度学习与传统算法结合的车辆环境识别方法,其特征在于,算法模块选择步骤中包括:
将送入传统算法模块的视频信息对应的归一化后的置信度评估值,与传统算法库中设定的视频信息归一化置信度调度阈值区间作比较,调度相应的传统算法作为本次视频信息处理的方法;
将送入传统算法模块的点云信息对应的归一化后的置信度评估值,与传统算法库中设定的点云信息归一化置信度调度阈值区间作比较,调度相应的传统算法作为本次点云信息处理的方法。
6.根据权利要求5所述的基于深度学习与传统算法结合的车辆环境识别方法,其特征在于,所述深度学习算法库中的深度学习算法包括SSD算法、VGG-16算法、Faster-RCNN算法、YOLO算法、Overfeat算法。
7.根据权利要求6所述的基于深度学习与传统算法结合的车辆环境识别方法,其特征在于,所述传统算法库中的传统算法包括固定阈值前景提取算法、自适应阈值前景提取算法、混合高斯背景建模算法、边缘检测算法、角点检测算法、特征分类算法。
8.根据权利要求7所述的基于深度学习与传统算法结合的车辆环境识别方法,其特征在于,算法模块选择步骤中调度相应的深度学习算法的依据如下:
0≤T1<0.2时,调度SSD算法;0.2≤T1<0.4时,调度VGG-16算法;0.4≤T1<0.6时,调度Faster-RCNN算法;0.6≤T1<0.8时,调度YOLO算法;0.8≤T1<1时,调度Overfeat算法;T1为送入深度学习模块的视频信息对应的归一化后的置信度评估值cp,或送入深度学习模块的点云信息对应的归一化后的置信度评估值sp。
9.根据权利要求8所述的基于深度学习与传统算法结合的车辆环境识别方法,其特征在于,算法模块选择步骤中调度相应的传统算法的依据如下:
0≤T2<0.2时,调度固定阈值前景提取算法和边缘检测算法;0.2≤T2<0.4时,调度自适应阈值前景提取算法和边缘检测算法;0.4≤T2<0.6时,调度混合高斯背景建模算法和边缘检测算法;0.6≤T2<0.8时,调度混合高斯背景建模算法、角点检测算法和边缘检测算法;
0.8≤T2<1时,调度混合高斯背景建模算法和特征分类算法;T2为送入传统模块的视频信息对应的归一化后的置信度评估值cp,或为送入传统模块的点云信息对应的归一化后的置信度评估值sp。
10.一种基于深度学习与传统算法结合的车辆环境识别系统,其特征在于,包括环境感知模块和环境识别模块;其中,环境感知模块包括摄像头和雷达,分别用于采集车辆环境的点云信息和视频信息;
环境识别模块包括摄像头置信度评估单元、雷达置信度评估单元、算法选择单元、深度学习处理单元、传统算法处理单元、信息融合单元、目标识别及结果输出单元;
摄像头置信度评估单元:以视频信息中视频图像均方误差、峰值信噪比、偏色值、干扰度、清晰度、明暗度为参数设置视频信息的置信度函数进行量化评估,得到视频信息的置信度;
雷达置信度评估单元:以点云信息中点云噪声点数量、点云噪声点最大偏离度、点云噪声点平均偏离度,以及点云空洞数量、点云空洞最大半径、点云空洞平均半径为参数设置点云信息的置信度函数进行量化评估,得到点云信息的置信度;
算法选择单元:判断视频信息的置信度大于第一预定阈值或点云信息的置信度大于第二预定阀值,则将视频信息/点云信息送入传统算法处理单元进行处理,否则,送入深度学习处理单元进行处理;
深度学习处理单元:调度深度学习算法对送入其中的视频信息/点云信息进行处理;
传统算法处理单元:调度传统学习算法对送入其中的视频信息/点云信息进行处理;
信息融合单元:对处理后视频信息和点云信息进行信息融合;
目标识别及结果输出单元:利用融合后的信息进行目标识别,并输出识别结果。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种基于低秩和稀疏约束的地震数据重建方法 | 2020-05-08 | 499 |
文本识别方法、装置、计算机设备和存储介质 | 2020-05-12 | 144 |
基于多传感器阵列的胎心识别方法、装置及系统 | 2020-05-12 | 637 |
用于媒体内容质量信息的携带的装置及存储介质 | 2020-05-12 | 266 |
一种基于三角包络拟合的频率二次捕获装置及方法 | 2020-05-12 | 413 |
一种视频编码方法及视频编码装置 | 2020-05-12 | 375 |
基于压缩多尺度特征融合网络的图像超分辨率重建方法 | 2020-05-11 | 969 |
一种柴油拉曼光谱荧光消除方法 | 2020-05-12 | 595 |
移动通信系统中针对LTE-A系统消息进行解析处理的方法 | 2020-05-11 | 245 |
基于四阶累积量的管道泄漏振动信号自适应时延估计方法 | 2020-05-13 | 48 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。