-
公开(公告)号:CN117058640A
公开(公告)日:2023-11-14
申请号:CN202311039603.8
申请日:2023-08-17
Applicant: 西安交通大学
IPC: G06V20/56 , G06V20/70 , G06V10/26 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开一种融合图像特征与交通目标语义的3D车道线检测方法及系统,所述方法基于Gen‑LaneNet,针对获取的图像使用分割网络得到图像中的道路语义信息;将获取的图像和道路语义信息分别输入下采样网络中处理,获得道路语义信息特征和图像视觉特征,使用融合子网络对图像特征和道路语义信息进行融合,得到融合后的特征;将融合后的特征投影到虚拟顶视图中,由车道线检测头网络预测顶视图空间的车道线;对顶视图空间的车道线进行几何变换得到3D空间的车道线,使用特征融合模块将语义特征与视觉特征集成,利用融合的特征图预测顶视图车道线,通过几何投影直接得到真实的三维车道点,图像远端的车道线预测更加准确,相比未使用的预测精度提高了接近一倍。
-
公开(公告)号:CN111898439A
公开(公告)日:2020-11-06
申请号:CN202010604812.2
申请日:2020-06-29
Applicant: 西安交通大学
Abstract: 本发明提出了一种基于深度学习的交通场景联合目标检测和语义分割方法。该方法实现目标包括:构建基于深度学习的联合目标检测和语义分割网络,其通过将SE模块纳入Skip-Connection机制中形成语义信息丰富的编码器-解码器特征图,并设置了一种新的候选框初始化机制生成密集且多尺度的目标候选框,采用空洞卷积扩大感受野获取了全局信息,对分割分支采用Self-Attention模块优化了语义分割的特征分布,并在语义分割和目标检测之间采用了Cross-Attention模块优化了二者的性能,同时,目标检测和语义分割任务之间可以互惠互利,有效提高了交通场景中联合目标检测和语义分割结果的精度。仿真结果表明,相比现有方法,本发明对交通场景中的联合目标检测和语义分割精度均有较大提高。
-
公开(公告)号:CN115272909A
公开(公告)日:2022-11-01
申请号:CN202210720901.2
申请日:2022-06-23
Applicant: 西安交通大学
IPC: G06V20/40 , G06V20/52 , G06V10/94 , G06V10/26 , G06V10/48 , G06V10/62 , G06T7/277 , G06F16/78 , G06F16/787 , H04N7/18
Abstract: 本发明涉及一种无人驾驶测试监测系统,包括服务器和集成了摄像头、定位功能且能够连接通信网络的监测终端;所述监测终端,被配置用于无人驾驶车辆的监测视频采集,对监测视频中的图像进行车辆压线违章检测,并将违章信息发送给服务器存储;同时对监测视频进行解析,加定位时间戳和地点戳,进行编码压缩后推送给服务器;所述服务器包括流媒体服务器、信息管理服务器;所述流媒体服务器,被配置用于视频接收、存储、转播和定点播放;所述信息管理服务器用于违章信息和视频信息的存储与检索,验证监测的开启与关闭。所述系统具有易部署性、实时观测性、高并发量,且能自动检测车辆压线违章行为,降低裁判工作强度。
-
公开(公告)号:CN113191242A
公开(公告)日:2021-07-30
申请号:CN202110447563.5
申请日:2021-04-25
Applicant: 西安交通大学
Abstract: 本发明涉及计算机视觉技术领域,尤其涉及一种基于OpenPose改进的嵌入式轻量化驾驶员腿部姿态估计方法,具体包括以下步骤:使用轻量化网络MobileNetV1进行特征提取得到图像特征,将图像特征输入到双分支并行神经网络结构中获取姿态的关节点热图以及部分亲和场,利用贪婪解析算法进行关节点热图和部分亲和场的拼接,并可视化输出。本发明当输入目标图像只包括驾驶员腿部信息时,可以完成较为精确的腿部姿态估计,同时使用了轻量化网络结构,并采用仅包含2个阶段的分支并行神经网络结构,在保证检测精度的前提下极大的减少了网络参数以及计算量,训练好的腿部姿态检测模型还能够迁移到嵌入式设备并利用NCS2进行推理加速,实现了在便携式设备上的部署应用。
-
公开(公告)号:CN107292282B
公开(公告)日:2019-10-11
申请号:CN201710539094.3
申请日:2017-07-04
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于语义推理和时空记忆更新的车辆检测方法,首先建立3D交通场景模型,将输入图像与3D空间关联,确定3D候选车辆搜索区域;二值化车辆搜索区域,采用快速扫描线算法产生候选车辆;在2D图像和3D空间之间进行语义推理、交互验证,充分利用先验知识、车辆之间的约束关系、事物之间的依赖关系、车辆外观信息,对候选车辆进行滤波处理;利用时空一致性提高车辆检准率和鲁棒性。本发明的候选车辆生成过程在3D空间中进行,这个操作能放大距离较远的车辆,有效提高对远距离小尺寸车辆的检测率,时空记忆更新机制能减少置信度较高车辆偶尔出现的漏检,这也对提高检测率很有帮助,语义推理机制使本发明的误检率降低。
-
公开(公告)号:CN107292282A
公开(公告)日:2017-10-24
申请号:CN201710539094.3
申请日:2017-07-04
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于语义推理和时空记忆更新的车辆检测方法,首先建立3D交通场景模型,将输入图像与3D空间关联,确定3D候选车辆搜索区域;二值化车辆搜索区域,采用快速扫描线算法产生候选车辆;在2D图像和3D空间之间进行语义推理、交互验证,充分利用先验知识、车辆之间的约束关系、事物之间的依赖关系、车辆外观信息,对候选车辆进行滤波处理;利用时空一致性提高车辆检准率和鲁棒性。本发明的候选车辆生成过程在3D空间中进行,这个操作能放大距离较远的车辆,有效提高对远距离小尺寸车辆的检测率,时空记忆更新机制能减少置信度较高车辆偶尔出现的漏检,这也对提高检测率很有帮助,语义推理机制使本发明的误检率降低。
-
公开(公告)号:CN103679707A
公开(公告)日:2014-03-26
申请号:CN201310619180.7
申请日:2013-11-26
Applicant: 西安交通大学
IPC: G06T7/00
Abstract: 本发明提供了一种基于双目相机视差图的道路障碍物检测系统及方法。主要包括以下几个模块:双目立体校正模块,根据两台相机之间的位置关系(R,T)对其中一幅图像进行变换,使左右相机图像的对应极线平行。双目立体匹配模块,采用图分割算法进行双目立体匹配,计算左右相机对应图像点之间的视差,得到场景的视差图。高斯滤波模块,对原始的视差图进行高斯滤波,得到模糊后的视差图。图像裁剪模块,引入先验信息,对视差图进行一定程度的裁剪。视差图扫描模块,通过对视差图进行逐列扫描,确定障碍物在视差图上的位置,然后对提取到的区域进行三维重建,确定障碍物的位置,从而为车载视觉系统提供决策依据。
-
公开(公告)号:CN103679194A
公开(公告)日:2014-03-26
申请号:CN201310618761.9
申请日:2013-11-26
Applicant: 西安交通大学
Abstract: 本发明提出了一种基于滤光片的红绿灯识别方法,能够快速准确的识别现实环境中的红绿灯交通标志。在两台相机上分别安排红色滤光片和绿色滤光片,并且使两台相机的光轴平行;识别红绿灯时,根据采集到的红绿灯图像,提取图像中的连通区域,以每一个连通区域作为红绿灯识别的候选区域;然后通过分析红绿灯在图像中所占像素面积的范围,红绿灯在图像中的位置,候选区域的占空比以及极线约束判断红绿灯。由于彩色滤光片能够使特定颜色的光线通过,而反射其他的颜色,所以在相机前端安装红色滤光片和绿色滤光片,便能够有效地滤除其他颜色的影响,极大地简化图像处理的复杂度,提高红绿灯识别的效率和鲁棒性。
-
公开(公告)号:CN113239304B
公开(公告)日:2023-03-28
申请号:CN202110483398.9
申请日:2021-04-30
Applicant: 西安交通大学
IPC: G06F16/957 , G06F16/958 , G06F40/14 , G06F9/445
Abstract: 本申请属于计算机技术领域,特别是涉及一种广告处理方法。目前广告的精准投放会大概率命中用户痛点,因此用户在需要干净上网环境的同时,有时候当用户想要看到能解决自己痛点的广告时,广告已经直接被删除过滤。对广告进行删除过滤处理的方法不仅会改变页面布局,使页面布局混乱影响美观。本申请提供了一种广告处理方法,所述方法包括获取iframe广告节点,对所有iframe区域进行模糊处理并监听用户关注事件,对所述用户关注事件进行节流处理;判定用户是否关注所述iframe区域并进行处理,修正关注事件判定条件。根据用户需求有效处理嵌入页面源码的iframe广告。
-
公开(公告)号:CN114998393A
公开(公告)日:2022-09-02
申请号:CN202210391781.6
申请日:2022-04-14
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于连续可微最小截尾二乘估计的点集配准方法,本发明基于最小二乘准则和最小截尾二乘准则提出连续可微的最小截尾二乘准则,该准则的代价函数连续并且可微,故可更容易应用到基于梯度的学习策略中,解决了最小截尾二乘准则不可求导的缺陷。本发明将连续可微最小截尾二乘准则应用到点集配准问题中,可以更好地应对存在异常值情况下的点集配准情形,使得配准过程尽可能地不受异常值影响,从而得到较为准确地配准结果。本发明通过利用连续可微最小截尾二乘准则,可以有效避免算法鲁棒性由于截尾参数选择不当而敏感的问题。本发明避免了传统LTS准则进行配准方法中需要额外排序的步骤,从而简化了算法的流程,应用更加简便。
-
-
-
-
-
-
-
-
-