一种基于多尺度注意力模块的分心驾驶行为检测方法

    公开(公告)号:CN115082698B

    公开(公告)日:2024-04-16

    申请号:CN202210744125.X

    申请日:2022-06-28

    Abstract: 本发明公开一种基于多尺度注意力模块的分心驾驶行为检测方法,包括以下步骤:得到标注对应的分心驾驶行为信息的图像数据集;结合多尺度注意力模块MPSA,改进MoblieNetV2特征网络模型,用于提取分心驾驶行为特征并输出预测驾驶行为概率,其中,改进的MoblieNetV2特征网络模型包括多个串联的倒瓶颈残差模块,且在每个倒瓶颈残差模块中加入多尺度注意力模块,定义为多尺度倒瓶颈残差模块,多尺度倒瓶颈残差模块包括分组卷积层、多尺度注意力模块层MPSA以及特征提取层,设置训练超参数,将训练集图像输入到改进后的MoblieNetV2特征网络模型,得到训练完备的分心驾驶行为检测模型;将待测图像输入训练得到的分心驾驶行为检测模型中,输出驾驶行为类型。稳定性好,鲁棒性强。

    一种基于YOLOv5模型优化的车辆检测与识别方法

    公开(公告)号:CN116311154A

    公开(公告)日:2023-06-23

    申请号:CN202310147319.6

    申请日:2023-02-20

    Abstract: 本发明提出一种基于YOLOv5模型优化的车辆检测与识别方法,包括:步骤S1、获取若干张包含不同车辆类型的图片,并对图片进行标注,得到数据集;步骤S2、对标注好的图片数据进行预处理操作,将预处理好的图片数据输入到YOLOv5模型的骨干网络中,骨干网络能够对图像上的特征信息通过卷积网络进行特征提取;步骤S3、根据所建立的数据集优化YOLOv5车辆检测模型,其中,YOLOv5车辆检测模型相较于现有YOLOv5模型的改进包括:将骨干网络中的CSP1_X模块替换为ShuffleNetv2模块,将头部模块Bounding Box损失函数的DIOU_Loss替换为CIOU_Loss;步骤S4、将待检测图像数据输入到优化后的YOLOv5车辆检测模型中,得到检测结果。使用优化的YOLOv5检测方法可以直接端到端的输出所检测的物体的类别概率和位置,可以达到较高精度。

    一种基于多尺度注意力模块的分心驾驶行为检测方法

    公开(公告)号:CN115082698A

    公开(公告)日:2022-09-20

    申请号:CN202210744125.X

    申请日:2022-06-28

    Abstract: 本发明公开一种基于多尺度注意力模块的分心驾驶行为检测方法,包括以下步骤:得到标注对应的分心驾驶行为信息的图像数据集;结合多尺度注意力模块MPSA,改进MoblieNetV2特征网络模型,用于提取分心驾驶行为特征并输出预测驾驶行为概率,其中,改进的MoblieNetV2特征网络模型包括多个串联的倒瓶颈残差模块,且在每个倒瓶颈残差模块中加入多尺度注意力模块,定义为多尺度倒瓶颈残差模块,多尺度倒瓶颈残差模块包括分组卷积层、多尺度注意力模块层MPSA以及特征提取层,设置训练超参数,将训练集图像输入到改进后的MoblieNetV2特征网络模型,得到训练完备的分心驾驶行为检测模型;将待测图像输入训练得到的分心驾驶行为检测模型中,输出驾驶行为类型。稳定性好,鲁棒性强。

    一种基于改进A星算法的智能车全局路径规划方法

    公开(公告)号:CN111982142A

    公开(公告)日:2020-11-24

    申请号:CN202010763228.1

    申请日:2020-07-31

    Inventor: 姜立标 洪顺

    Abstract: 本发明公开了一种基于改进A星算法的智能车全局路径规划方法,包括如下步骤:本发明将室外特定区域停车场划分为网格,每个网格中心视为一个控制点,将所有控制点放入L集并编号,根据空间状态初始化各控制点初始权重矩阵OM,自动确定起点、手动选择目标终点,动态识别障碍物;然后根据改进A星算法的智能车全局路径规划方法,规划出全局最优的路径;在用户界面显示可行驶路径,进行路口信息、减速、转向等安全性提示。本发明解决了智能车辆路径规划不能高效规划最短路径问题,完成室外停车场最短路径规划和全局路径避障的综合行驶的目标,且路口信息、减速、转向等安全性提醒,本发明直观明了,功能完善,可适用于大多数场景路径规划。

    一种融合低层特征的车道线语义分割方法

    公开(公告)号:CN112785610A

    公开(公告)日:2021-05-11

    申请号:CN202110049820.X

    申请日:2021-01-14

    Inventor: 姜立标 周文超

    Abstract: 本发明提供一种融合低层特征的车道线语义分割方法,包括:采集无人驾驶车辆行驶过程中的视频,从中筛选出包含车道线的图像构成车道线数据集;对数据集进行预处理后获得训练所需要的训练集;将训练集中的车道线图像输入到网络模型中进行训练,网络模型分别提取第二层图像特征、第三层图像特征和最后一层图像特征,进行多次低层特征融合操作;将融合低层特征的语义信息图像进行预设倍数的上采样操作,得到车道线语义分割图像。本发明能够实现车道线图像的语义分割,对行车场景中的车道线进行识别,具有较高的准确性、抗干扰能力比较强、鲁棒性好等优点,可以应用在无人驾驶车辆中。

    一种基于深度学习的空间车位检测方法

    公开(公告)号:CN112766136A

    公开(公告)日:2021-05-07

    申请号:CN202110049824.8

    申请日:2021-01-14

    Abstract: 本发明提供了一种基于深度学习的空间车位检测方法,包括如下步骤:步骤1:通过4幅超广角图像生成全景环视图像;步骤2:利用步骤a所获取的环视图像作为输入到一个已经训练好的泊车场景分割网络中去,从而输出可行驶区域、车位标记线、车辆和其他物体的分割结果;步骤3:利用步骤b分割的结果采用垂直网格搜索法推断出车位空间与具体坐标。本发明作为自动泊车系统的关键步骤,可以提供泊车时的具体车位信息。可以减少车位检测过程中因为其他噪声造成的检测不准的影响,提高车位检测系统的鲁棒性;在保证车位检测准确率的情况下,尽量提高车位检测速度。

    一种零部件边缘轮廓完整性检测方法及装置

    公开(公告)号:CN109118476B

    公开(公告)日:2020-11-24

    申请号:CN201810757212.2

    申请日:2018-07-11

    Abstract: 本发明公开了一种零部件边缘轮廓完整性检测方法,包括:获取待测零部件的边缘轮廓基本图像;在所述边缘轮廓基本图像中提取若干个边缘点;根据若干个所述边缘点拟合标准轮廓;将所述标准轮廓膨胀为边缘区域,获取所述边缘区域的内环轮廓;判断所述内环轮廓与所述标准轮廓是否一致;在所述内环轮廓与所述标准轮廓完全一致时,判定所述待测零部件边缘轮廓完整。本发明能实现对等比例缩放后的零部件的边缘轮廓的完整性进行检测。同时,本发明还提供了一种零部件边缘轮廓完整性检测装置。

    两轮自平衡车控制方法
    9.
    发明公开

    公开(公告)号:CN103529850A

    公开(公告)日:2014-01-22

    申请号:CN201310516158.X

    申请日:2013-10-28

    Abstract: 一种两轮自平衡车控制方法,包括以下步骤:(1)初始化;(2)分别读取陀螺仪、加速度计和转角传感器的值以及编码器的脉冲个数;(3)求取车体倾角、车把转角、电机转速和车速;(4)然后通过PID控制算法分别计算出直立控制、方向控制和速度控制的PWM值;(5)将三个PWM值叠加在一起输出给左、右电机;(6)接着发送陀螺仪、加速度计、车体倾角、电池电压、电机电流和车速的数据给上位机,以监控整车的运行状态;(7)当监控到电池电压低于预设值、电机电流或者车速大于预设值时,则打开相应的LED警示灯;(8)当监控到车体倾角大于预设角度时,就判定为车体跌倒,并停止运行,重新回到初始化程序当中。本发明采用更精确的运算方法。

    智能电源控制装置及智能电源控制方法

    公开(公告)号:CN102109843B

    公开(公告)日:2013-01-02

    申请号:CN201010602537.7

    申请日:2010-12-23

    Abstract: 本发明公开了一种智能电源控制装置及智能电源控制方法,该方法包括如下步骤:A、系统启动,通过电源传输线同时向区域服务器及控制终端供电;B、区域服务器通过服务器通讯模块接收外部的控制信号;C、区域服务器通过服务器电力载波模块将控制信号转换为电力载波信号,并通过服务器电源端口输出,通过电源传输线传输至控制终端的终端电源端口;D、终端电力载波模块将电力载波信号转换为控制信号,并通过终端中央处理模块处理后传输至终端执行模块,由终端执行模块对外部电器进行控制。本发明控制更方便,安全性高,且安装方便。

Patent Agency Ranking