-
公开(公告)号:CN118781576A
公开(公告)日:2024-10-15
申请号:CN202410999361.5
申请日:2024-07-24
Applicant: 湖州师范学院 , 厦门瑞为信息技术有限公司
Abstract: 本发明公开了一种基于Yolov5s目标检测的障碍物绝对距离估计方法,包括采集第一图像,并将所述第一图像输入Yolov5s中,获得所述第一图像中的感兴趣区域,输出第二图像;对所述第二图像进行边界框后处理,输出第三图像;将所述第三图像输入单目测距模型,获得两种相对距离;将所述两种相对距离输入有监督学习的神经网络,获得前景障碍物的绝对距离。在目标检测后标定边界框的基础上进行后处理,能在保证时效性的同时,提高障碍物检测精度;通过单目测距得到的相对距离转换为绝对距离的方法来减少距离估计中对先验信息的依赖并提高距离估计精度。
-
公开(公告)号:CN115205816A
公开(公告)日:2022-10-18
申请号:CN202210755942.5
申请日:2022-06-29
Applicant: 湖州师范学院
Abstract: 本发明公开了一种障碍物检测方法,包括:将图像摄取装置获取的场景图像输入第一预设模型,以获得第一图像以及所述场景图像中各个像素点为意外障碍物的第一概率;将所述场景图像输入第二预设模型,以获得第二图像,基于所述第二预设模型以及所述第二图像,获得所述场景图像中各个像素点的不确定度;基于所述第一图像,在所述场景图像中确定感兴趣区域,基于所述感兴趣区域中各个像素点的不确定度,获得所述感兴趣区域中各个像素点为意外障碍物的第二概率;基于所述第一概率、所述第二概率,获得所述感兴趣区域中各个像素点为意外障碍物的第三概率。本发明通过概率融合,提高了对于远距离障碍物以及意外障碍物的检测效果。
-
公开(公告)号:CN116778432A
公开(公告)日:2023-09-19
申请号:CN202310640271.2
申请日:2023-05-31
Applicant: 湖州师范学院
IPC: G06V20/54 , G06V10/26 , G06V10/40 , G06V10/762 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及物体检测技术领域,公开了一种道路异常物体检测方法、装置、设备及存储介质,该方法包括:将待检测图像输入至预设异常检测模型中获得对应的异常预测图像,预设异常检测模型用于对输入图像进行图像预处理,并根据预处理后的输入图像确定异常物体特征;对异常预测图像进行超像素分割获得超像素分割图像;通过预设评分公式对超像素分割图像进行评分,获得异常评分图像;根据异常评分图像确定待检测图像中对应的道路异常物体。本发明通过预设异常检测模型对待检测图像进行图像预处理确定异常预测图像,再进行超像素分割并输出异常评分图来加强定位待检测图像中的道路异常物体,使差异检测更具有针对性,实现对道路异常物体的有效检测。
-
公开(公告)号:CN118230285A
公开(公告)日:2024-06-21
申请号:CN202410250087.1
申请日:2024-03-05
Applicant: 湖州师范学院 , 浙江慧玩科技有限公司
IPC: G06V20/58 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06V10/26
Abstract: 本发明公开了一种道路意外障碍物检测方法,包括采集第一图像,并将所述第一图像输入Yolov5中,突出所述第一图像中的前景部分,输出第二图像;对所述第二图像进行压缩和剪裁,输出第三图像;将所述第三图像输入HADeepLabV3+分割模型,将前景部分与背景部分分割,并还原前景部分的尺寸,输出第四图像。采用跨层特征融合方式将低层次特征图输入到原有的卷积层中,这种方式不仅扩大了特征图的感受野,还提高了网络对不同尺度物体的分割能力,以此来提高对障碍物的检测效率。
-
公开(公告)号:CN115713557A
公开(公告)日:2023-02-24
申请号:CN202211286420.1
申请日:2022-10-20
Applicant: 湖州师范学院
IPC: G06T7/73 , G06T7/00 , G06V10/26 , G06V10/764 , G06V10/80 , G06V10/82 , G06V20/00 , G06V20/58 , G06N3/048
Abstract: 本发明涉及图像检测技术领域,公开了一种交通场景的障碍物检测方法、装置、设备及存储介质,该方法包括:对获取到的交通场景图像进行预处理,获得超像素点云;基于超像素点云中各超像素的平面法向量获取第一障碍物概率;基于第一障碍物概率和超像素点云获取第二障碍物概率;根据第一障碍物概率和第二障碍物概率确定交通场景图像中的障碍物。相比于现有技术将深度信息映射到2D或3D占用网格中来寻找障碍物区域和可通行区域的分界线,本发明上述方法通过平面法向量特征和高度特征两个角度综合确定障碍物区域,从而能够将各种交通场景划分为障碍物类和自由空间类,进而提高了在各种交通场景中对障碍物进行检测并提供障碍物具体位置信息的准确性。
-
-
-
-