-
公开(公告)号：CN110390697A
公开(公告)日：2019-10-29
申请号：CN201910624873.2
申请日：2019-07-11
Applicant: 浙江大学
IPC: G06T7/80
Abstract: 本发明公开一种基于LM算法的毫米波雷达与摄像头联合标定方法，其首先固定毫米波雷达与摄像头的位置，并测量两者的相对位置关系；接着打开摄像头采集数据，并采用相机内参标定方法标定相机的内参；然后同时打开毫米波雷达和摄像头，放置标定物进行数据采集；再对采集的数据进行融合，并使用LM算法来实现坐标转移矩阵的联合标定；再采集测试数据，并将毫米波雷达数据使用标定后的坐标转移矩阵进行坐标转换，验证联合标定的性能是否满足需求，当不符合要求时，修改联合标定参数，重新采集数据进行标定联合；直到符合要求后输出坐标转移矩阵。该联合标定方法标定了毫米波雷达和摄像头之间的坐标转移矩阵，标定精度高，为两者的数据融合提供了保障。
-
公开(公告)号：CN113534120B
公开(公告)日：2023-06-30
申请号：CN202110793105.7
申请日：2021-07-14
Applicant: 浙江大学
IPC: G01S13/02 , G01S7/41 , G06N3/04 , G06N3/084 , G06F18/214 , G06F18/2415 , G06F18/2413
Abstract: 本发明公开一种基于深度神经网络的多目标恒虚警检测方法，该方法通过建立使用了数据增强技术的仿真数据集来训练基于深度神经网络的预检测器，对雷达信号峰值进行分类，以区分是目标还是杂波。从原始背景样本中移除预检测器检测到的目标形成缩减样本。基于此缩减样本使用基于泰勒级数的近似最大似然估计器进行背景水平估计得到虚警调节门限，移除预检测结果中低于此门限的目标，输出最终检测结果。本发明的方法不需要依赖预先估计的背景水平来检测目标，在目标密集度很高的场景下依然能保持优越的检测性能。
-
公开(公告)号：CN113534120A
公开(公告)日：2021-10-22
申请号：CN202110793105.7
申请日：2021-07-14
Applicant: 浙江大学
Abstract: 本发明公开一种基于深度神经网络的多目标恒虚警检测方法，该方法通过建立使用了数据增强技术的仿真数据集来训练基于深度神经网络的预检测器，对雷达信号峰值进行分类，以区分是目标还是杂波。从原始背景样本中移除预检测器检测到的目标形成缩减样本。基于此缩减样本使用基于泰勒级数的近似最大似然估计器进行背景水平估计得到虚警调节门限，移除预检测结果中低于此门限的目标，输出最终检测结果。本发明的方法不需要依赖预先估计的背景水平来检测目标，在目标密集度很高的场景下依然能保持优越的检测性能。
-
公开(公告)号：CN110363158A
公开(公告)日：2019-10-22
申请号：CN201910646175.2
申请日：2019-07-17
Applicant: 浙江大学
Abstract: 本发明涉及一种基于神经网络的毫米波雷达与视觉协同目标检测与识别方法，毫米波雷达能够通过发射和接受毫米波获得物体的位置、速度等信息，相机能够获得物体的视觉图像，通过将毫米波雷达获得的位置信息映射到图像，再在图像特征图内圈定感兴趣区域并将感兴趣区域送入深度学习神经网络中进行处理，即能获得目标的识别和定位信息。本发明采用毫米波雷达和视觉处理相融合的方式，完成了目标检测和识别任务，借助深度学习神经网络技术，既缩短了定位物体的时间，又增加了识别的准确度。
-
公开(公告)号：CN110390697B
公开(公告)日：2021-11-05
申请号：CN201910624873.2
申请日：2019-07-11
Applicant: 浙江大学
IPC: G06T7/80
Abstract: 本发明公开一种基于LM算法的毫米波雷达与摄像头联合标定方法，其首先固定毫米波雷达与摄像头的位置，并测量两者的相对位置关系；接着打开摄像头采集数据，并采用相机内参标定方法标定相机的内参；然后同时打开毫米波雷达和摄像头，放置标定物进行数据采集；再对采集的数据进行融合，并使用LM算法来实现坐标转移矩阵的联合标定；再采集测试数据，并将毫米波雷达数据使用标定后的坐标转移矩阵进行坐标转换，验证联合标定的性能是否满足需求，当不符合要求时，修改联合标定参数，重新采集数据进行标定联合；直到符合要求后输出坐标转移矩阵。该联合标定方法标定了毫米波雷达和摄像头之间的坐标转移矩阵，标定精度高，为两者的数据融合提供了保障。
-
Patent Agency Ranking
公开(公告)号：CN112684428A
公开(公告)日：2021-04-20
申请号：CN202110056412.7
申请日：2021-01-15
Applicant: 浙江大学
IPC: G01S7/41
Abstract: 本发明公开一种基于信号代理的多目标恒虚警率检测方法，属于雷达恒虚警率检测技术领域。该方法通过利用雷达信号的线性测量和感知矩阵的相关性来区分目标和杂波，然后将检测到的目标从原始背景样本中剔除得到缩减样本。最后针对缩减样本进行背景水平估计得到虚警调节门限，将低于门限的目标剔除以得到最终的恒虚警率检测结果。本发明的方法能够自适应信号的稀疏度，不需要依赖预先估计的环境背景水平来实现目标检测，有效克服了多目标遮蔽效应。
-
公开(公告)号：CN109934230A
公开(公告)日：2019-06-25
申请号：CN201811029499.3
申请日：2018-09-05
Applicant: 浙江大学
Abstract: 本发明公开了一种基于视觉辅助的雷达点云分割方法，雷达通过发射激光束探测目标的位置、速度等特征量，相机产生的图像数据经过深度学习神经网络的处理后，得到物体识别和定位的结果，再将图像坐标系和雷达点云坐标系进行时间和空间上的配准，使其不仅在时间戳上具有一致性，同时经过坐标系转换得到与点云坐标对应的图像坐标，随后根据之前得到的图像识别定位结果，对点云进行分割。本发明采用激光雷达和视觉处理相融合的方式，实现了三维重建中的点云分割工作，借助最近热门的深度学习视觉处理技术，缩短了点云分割处理的复杂度和处理时间。
-
公开(公告)号：CN118015375A
公开(公告)日：2024-05-10
申请号：CN202410239293.2
申请日：2024-03-04
IPC: G06V10/764 , G06V10/80 , G06T7/80 , G06T5/50 , G06N3/0464 , G06N3/0475
Abstract: 本发明公开了一种基于可见光相机、红外相机和激光雷达的目标检测方法。该方法使用同步采集的可见光图像、红外图像和激光雷达点云作为输入，利用可见光图像和红外图像生成伪点云，从而实现多模态信息在三维空间中的对齐和融合特征的提取，最后采用级联策略，逐级输出更精确的目标检测结果。本发明对多传感器的不同特性进行优劣互补，对传统的目标检测算法进行改进和拓展，提高目标检测的准确性与鲁棒性，实现车载道路场景下的多类别目标检测。
-
公开(公告)号：CN117970273A
公开(公告)日：2024-05-03
申请号：CN202410208964.9
申请日：2024-02-26
Applicant: 浙江大学
IPC: G01S7/41 , G01S13/86 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/082
Abstract: 本发明公开了一种毫米波雷达点云增强方法。本发明使用毫米波雷达采集的原始回波ADC数据作为输入，通过信号预处理模块生成距离‑方位‑俯仰3D热力图；基于生成对抗网络架构，使用时空同步的激光雷达点云监督毫米波雷达点云的生成；利用3D‑2D非对称Unet网络结构提取雷达特征，然后通过超分辨率模块提升角度分辨率，最后利用存在概率预测模块和距离预测模块分别得到存在概率图、距离图，通过存在概率图的筛选和空间几何关系的转换，得到毫米波雷达点云。本发明提高了生成点云的精度与密度，实现毫米波雷达点云增强。
-
公开(公告)号：CN110427986B
公开(公告)日：2022-02-01
申请号：CN201910640745.7
申请日：2019-07-16
Applicant: 浙江大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于毫米波雷达点云特征的核支持向量机目标分类方法，该方法首先对原始的雷达点云数据进行预处理，将雷达探测区域外的点云剔除。接着通过聚类算法将目标点云聚为一类，从而剔除噪声点云。然后结合目标的点云特点构建了由11个特征构成的特征向量，并采用核支持向量机分类器来进行训练和测试，从而实现目标分类。本发明比传统的基于毫米波雷达目标分类方法具有更高的识别准确率，对研究自动驾驶的感知能力具有重要的现实意义。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.019 seconds)
