一种融合CNN和Transformer的复杂环境下交通标志检测方法

    公开(公告)号:CN119741674A

    公开(公告)日:2025-04-01

    申请号:CN202411747848.0

    申请日:2024-12-02

    Abstract: 本发明公开了一种融合CNN和Transformer的复杂环境下交通标志检测方法,该方法包括:获取交通标志图像数据并进行标注,制作交通标志检测数据集;构建融合了CNN与Transformer的交通标志检测模型;使用制作的交通标志检测数据集对构建的检测模型进行训练;使用训练好的检测模型对输入的待检测图像进行检测并输出检测结果。其中所述的检测模型融合CNN和Transformer,其中CNN模块对于捕捉边缘和角落等高频特征特别有效,而Transformer模块则更适合捕捉全局模式等低频特征;此外,该模型还加入了一个局部性模块,以增强局部感知能力,同时也加入了一个新的能够同时纳入局部的和全局的上下文信息的模块,提高了模型在复杂环境下交通标志检测的效率和精度。

    基于精细化轨迹的交叉口转弯半径测量与评价方法

    公开(公告)号:CN119559788A

    公开(公告)日:2025-03-04

    申请号:CN202411733431.9

    申请日:2024-11-29

    Abstract: 本发明采用无人机视频数据结合深度学习的方法,构建了一种基于精细化机动车轨迹的交叉口转弯半径测量与评价方法,属于智能交通技术领域。通过无人机航拍获取交叉口路段交通流视频数据,构建基础数据集,搭建车辆检测追踪模型得到机动车轨迹数据;利用基于卡尔曼滤波、插值补充、均值平移等方法的数据去噪与缺值处理方法,输出精细化机动车轨迹;利用贝塞尔曲线拟合机动车轨迹坐标点,得到拟合的轨迹线条计算各点位曲率,确定轨迹曲线各点位曲率;建立车辆在交叉口内部的时空运动模型,根据模型确定运动时间中点和空间中点,由三点确定限界圆弧轨迹的转弯半径;基于转弯半径检测结果,评价交叉口转弯半径设计是否合理。

Patent Agency Ranking