《基于红外与雷达的夜间无人车驾驶决策方法》PDF+DOC
作者:廖雁洲,孙韶媛,吴雪平,赵海涛,李大威
单位:华北光电技术研究所
出版:《激光与红外》2018年第12期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFJGHW2018120120
DOC编号:DOCJGHW2018120129
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于红外与雷达的夜间无人车场景深度估计》PDF+DOC2017年第12期 姚广顺,孙韶媛,方建安,赵海涛
《一种基于深度传感器的人体动作识别方法》PDF+DOC2019年第25期 王健
《面向人体行为识别的深度特征学习方法比较》PDF+DOC2018年第09期 匡晓华,何军,胡昭华,周媛
《基于BP神经网络的浓度传感器非线性校正》PDF+DOC2005年第03期 田丰,孙小平,赵昱,姜平
《基于遗传算法的RBF神经网络在热敏电阻温度传感器非线性补偿中的应用》PDF+DOC2005年第08期 俞阿龙
《基于神经网络的热敏电阻测温系统非线性校正》PDF+DOC2005年第02期 邱宪波,袁景淇
《结构光三维双视觉检测方法研究》PDF+DOC2002年第06期 张广军,李鑫,魏振忠
《基于遗传神经网络的电容称重传感器非线性补偿方法》PDF+DOC2010年第06期 俞阿龙
《混沌学与海杂波》PDF+DOC2008年第04期 张云展
《基于RBF神经网络的热敏电阻温度传感器非线性补偿方法》PDF+DOC2007年第05期 俞阿龙
速度与方向的决策建议是夜间无人车驾驶研究的关键,针对夜间无人车速度与方向决策,基于红外图像与雷达信息,提出了一种包含深度信息的红外图像多任务分类网络用来给出速度与方向决策.通过红外摄像头及雷达采集的数据训练深度网络,其中雷达采集的深度图像作为训练标签,采用卷积-反卷积神经网络来进行红外图像的深度估计,进而获得深度信息.利用深度信息制作分类网络训练标签,通过AlexNet分类网络得到速度决策建议.再根据红外图像的道路信息训练方向分类网络,将无人车的驾驶决策问题转化为分类模型,并将分类模型与深度估计网络相结合.实验结果表明,网络的角度准确率及速度准确率分别为87. 43%和85. 89%,并且利用训练得到的模型对图像进行决策的时间为0. 04 s/帧,能够达到实时性的要求。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。