-
公开(公告)号：CN114004771A
公开(公告)日：2022-02-01
申请号：CN202111195780.6
申请日：2021-10-14
Applicant: 中南大学
Abstract: 本发明涉及一种基于HSV模型的亮度补偿方法、检测方法，所述补偿方法包括：S1、对原始图像进行预处理，获取预处理后的图像；所述预处理包括形态学闭运算处理和高斯滤波处理；S2、针对所述预处理后的图像进行色彩空间转换，将所述预处理后的图像转换到HSV空间并提取出HSV空间的V通道分量，并将V通道分量从[0，1]区间映射到[0，255]区间，得到灰度图像；S3、将所述灰度图像进行分割，获取N个分割灰度矩阵；其中，N为预先设定值；S4、对所述N个分割灰度矩阵进行亮度补偿，得到N个补偿后的灰度矩阵，进一步将所述N个补偿后的灰度矩阵相加融合，得到最终图像。
-
公开(公告)号：CN113486762A
公开(公告)日：2021-10-08
申请号：CN202110737189.2
申请日：2021-06-30
Applicant: 中南大学
Abstract: 本发明公开了一种基于SegNet‑SL网络的小障碍物检测方法，该方法在SegNet网络平台上结合了多尺度融合算法和残差网络，充分利用多尺寸的特性，将不同尺寸的特征图进行融合获取高准确率的语义分割图像。在网络的训练策略上也做了适应性的改进，最终实现车辆，路灯，房屋，行人等多类障碍物的检测。通过实验验证，本发明提出的改进后的SegNet神经网络实现了小障碍物的精准识别。相较于SegNet网络障碍物识别的平均准确率提高了10％、平均交并比提高了12％、速度略有下降但在许可范围内。因此在保证满足智能驾驶中图像处理实时性的要求的基础上，SegNet‑SL网络进一步的提高了准确率和鲁棒性。
-
公开(公告)号：CN113486762B
公开(公告)日：2022-03-25
申请号：CN202110737189.2
申请日：2021-06-30
Applicant: 中南大学
Abstract: 本发明公开了一种基于SegNet‑SL网络的小障碍物检测方法，该方法在SegNet网络平台上结合了多尺度融合算法和残差网络，充分利用多尺寸的特性，将不同尺寸的特征图进行融合获取高准确率的语义分割图像。在网络的训练策略上也做了适应性的改进，最终实现车辆，路灯，房屋，行人等多类障碍物的检测。通过实验验证，本发明提出的改进后的SegNet神经网络实现了小障碍物的精准识别。相较于SegNet网络障碍物识别的平均准确率提高了10％、平均交并比提高了12％、速度略有下降但在许可范围内。因此在保证满足智能驾驶中图像处理实时性的要求的基础上，SegNet‑SL网络进一步的提高了准确率和鲁棒性。
-
公开(公告)号：CN113830088A
公开(公告)日：2021-12-24
申请号：CN202111172024.1
申请日：2021-10-08
Applicant: 中南大学
IPC: B60W30/165 , B60W50/00
Abstract: 本发明公开了一种智能半挂牵引车轨迹跟踪预测控制方法与车辆，方法包括：S1、采集半挂牵引车的状态变量，输入改进的状态估计器进行估计，估计后输入MPC控制器；S2、先构建基于跟踪误差的半挂牵引车的侧向动力学模型；S3、对所述基于跟踪误差的半挂牵引车的侧向动力学模型离散化，得到半挂牵引车的预测模型；S4、根据所述预测模型构建半挂牵引车的目标函数，并结合控制与输出的约束条件、状态的约束条件得到最优求解；S5、将所述最优求解作为下一时刻的控制变量，作用于半挂牵引车，返回步骤S1。本发明解决了半挂牵引车轨迹跟踪的偏差较大、对实时跟踪和车辆状态突变的跟踪能力不足的问题。
-
Patent Agency Ranking
公开(公告)号：CN113486764B
公开(公告)日：2022-05-03
申请号：CN202110737810.5
申请日：2021-06-30
Applicant: 中南大学
IPC: G06V20/56 , G06K9/62 , G06N3/04 , G06V10/762
Abstract: 本发明公开了一种基于改进的YOLOv3的坑洼检测方法，包括：S1、通过视觉采集系统采集坑洼图像，预处理后得到坑洼数据集，坑洼数据集包括预处理后的坑洼图像；S2、构建改进的YOLOv3坑洼检测网络模型；S3、将所述坑洼数据集的训练数据集输入所述改进的YOLOv3坑洼检测网络模型训练，当所述改进的损失函数趋近于零时，得到所述改进的YOLOv3坑洼检测网络模型的参数最优解；S4、将所述坑洼数据集输入代入了参数最优解的所述改进的YOLOv3坑洼检测网络模型，得到坑洼检测结果。本发明解决坑洼检测即要保证实时性，又要使得准确率进一步提高的问题。
-
公开(公告)号：CN113487502A
公开(公告)日：2021-10-08
申请号：CN202110748344.0
申请日：2021-06-30
Applicant: 中南大学
Abstract: 本发明公开了一种坑洼图像的阴影去除方法，包括：S1、通过视觉采集系统采集路面图片，获取含有坑洼的图像，构建坑洼数据集的原始数据；S2、对坑洼数据集的原始数据进行灰度化处理；S3、对灰度化处理的图像进行阴影检测，分割成阴影区域和非阴影区域；S4、对分割后的图像采用改进的阴影去除模型去除所述阴影区域；解决灰度图处理中容易将阴影和坑洼误检，阴影去除效果有待改善，从而影响智能车辆的安全平稳驾驶的问题。
-
公开(公告)号：CN113830088B
公开(公告)日：2023-03-24
申请号：CN202111172024.1
申请日：2021-10-08
Applicant: 中南大学
IPC: B60W30/165 , B60W50/00
Abstract: 本发明公开了一种智能半挂牵引车轨迹跟踪预测控制方法与车辆，方法包括：S1、采集半挂牵引车的状态变量，输入改进的状态估计器进行估计，估计后输入MPC控制器；S2、先构建基于跟踪误差的半挂牵引车的侧向动力学模型；S3、对所述基于跟踪误差的半挂牵引车的侧向动力学模型离散化，得到半挂牵引车的预测模型；S4、根据所述预测模型构建半挂牵引车的目标函数，并结合控制与输出的约束条件、状态的约束条件得到最优求解；S5、将所述最优求解作为下一时刻的控制变量，作用于半挂牵引车，返回步骤S1。本发明解决了半挂牵引车轨迹跟踪的偏差较大、对实时跟踪和车辆状态突变的跟踪能力不足的问题。
-
公开(公告)号：CN113487502B
公开(公告)日：2022-05-03
申请号：CN202110748344.0
申请日：2021-06-30
Applicant: 中南大学
Abstract: 本发明公开了一种坑洼图像的阴影去除方法，包括：S1、通过视觉采集系统采集路面图片，获取含有坑洼的图像，构建坑洼数据集的原始数据；S2、对坑洼数据集的原始数据进行灰度化处理；S3、对灰度化处理的图像进行阴影检测，分割成阴影区域和非阴影区域；S4、对分割后的图像采用改进的阴影去除模型去除所述阴影区域；解决灰度图处理中容易将阴影和坑洼误检，阴影去除效果有待改善，从而影响智能车辆的安全平稳驾驶的问题。
-
公开(公告)号：CN113486764A
公开(公告)日：2021-10-08
申请号：CN202110737810.5
申请日：2021-06-30
Applicant: 中南大学
Abstract: 本发明公开了一种基于改进的YOLOv3的坑洼检测方法，包括：S1、通过视觉采集系统采集坑洼图像，预处理后得到坑洼数据集，坑洼数据集包括预处理后的坑洼图像；S2、构建改进的YOLOv3坑洼检测网络模型；S3、将所述坑洼数据集的训练数据集输入所述改进的YOLOv3坑洼检测网络模型训练，当所述改进的损失函数趋近于零时，得到所述改进的YOLOv3坑洼检测网络模型的参数最优解；S4、将所述坑洼数据集输入代入了参数最优解的所述改进的YOLOv3坑洼检测网络模型，得到坑洼检测结果。本发明解决坑洼检测即要保证实时性，又要使得准确率进一步提高的问题。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.016 seconds)
