一种端到端无监督场景可通行区域认知能力的测试方法

    公开(公告)号:CN108875640B

    公开(公告)日:2022-04-05

    申请号:CN201810638850.2

    申请日:2018-06-20

    Applicant: 长安大学

    Abstract: 本发明公开了一种端到端无监督场景可通行区域认知能力的测试方法,通过将路面信息显示于测试区域地面,不仅能够将真实的路面信息进行复现,还能够采用该种方式显示丰富的路面环境;利用路面信息显示于测试区域地面,能够使被测试系统在测试时,获得实际路测相同的检测环境;采用全息技术的方法,能够真实、立体的复现路面上的物体,使测试环境更接近于真实环境;采用不同环境进行测试的方式得到不同路面场景信息检测不同场景下的可通行区域,能够全方面的评估可通行区域检测系统的认知能力;从而能够综合体现可通行区域检测系统的认知能力;本发明的测试方法能够为无人驾驶智能车在实际路测之前提供一种有效的、低风险的测试与评估手段。

    一种端对端无监督场景可通行区域认知与理解方法

    公开(公告)号:CN108876805B

    公开(公告)日:2021-07-27

    申请号:CN201810636311.5

    申请日:2018-06-20

    Applicant: 长安大学

    Abstract: 本发明公开了一种端到端无监督场景路面区域确定方法,通过构建道路位置先验概率分布图并将其作为检测网络的特征映射直接附加到卷积层中,构建一种融合位置先验特征的卷积网络框架,然后结合全卷积网络和U‑NET构建深度网络架构—UC‑FCN网络,将构建的可通行区域位置先验概率分布图作为深度网络架构‑UC‑FCN网络的一种特征图映射,生成UC‑FCN‑L网络;基于消失点检测方法对可通行区域进行检测并将得到的检测结果作为训练数据集的真值对UC‑FCN‑L网络进行训练,得到用于可行驶区域提取的深度网络模型,解决了可通行区域标签困难的问题,适用性强,可在多种道路环境下稳定工作,且实时性较好,本方法检测准确率高,适应性、实时性与鲁棒性好,方法简单有效。

    一种基于GeoHash编码的候选路段选取方法及系统

    公开(公告)号:CN111723108A

    公开(公告)日:2020-09-29

    申请号:CN202010467869.2

    申请日:2020-05-28

    Applicant: 长安大学

    Abstract: 本发明属于地图匹配领域,公开了一种基于GeoHash编码的候选路段选取方法及系统。本发明对于路网数据和轨迹数据进行首次GeoHash编码后,即便更换其他的路网数据和轨迹数据,仍可以重复使用。因此GeoHash编码移植性强。根据对GeoHash编码码长的设置可以调整GeoHash网格大小适应不同粒度的候选路段选取要求,因此本发明对于具体环境的适应性强,提高了搜索速度。本发明利用跨越GeoHash网格的轨迹上相邻两点之间N点插补法填补不连续GeoHash网格。最终得出轨迹数据对应的GeoHash网格为连续相邻网格,符合实际轨迹数据,保证候选路段不间断。

    一种基于路段密度的地图网格划分方法

    公开(公告)号:CN110083670B

    公开(公告)日:2020-09-18

    申请号:CN201910231199.1

    申请日:2019-03-26

    Applicant: 长安大学

    Abstract: 本发明涉及地图匹配领域,具体涉及一种基于路段密度来划分地图网格的方法,该方法在道路密度不同的地区划分不同大小的网格,保证每个网格内的路段数量有一定的上限,使得每个网格内的路段数量相接近,每个网格内路段数据与全部网格中路段数据的均值相差较小,全部网格中路段数据的方差较小,在大规模路段数据进行搜索时,有很好的负载均衡。本发明基于路段密度划分网格,路段密集的地方网格划分的多且小,路段稀疏的地方网格划分的少且大,网格内路段数量有上限,遍历一个网格内的路段数据更加快捷。适用于采用网格法构建数字地图的软件设计,在地图匹配领域有重要的应用价值。

    一种交通标志图像识别模型构建及识别方法

    公开(公告)号:CN109002764A

    公开(公告)日:2018-12-14

    申请号:CN201810628664.0

    申请日:2018-06-19

    Applicant: 长安大学

    Abstract: 本发明公开了一种交通标志图像识别模型构建方法及识别方法,本发明提供的方法通过构建两个卷积神经网络模型,一个是交通标志区域提取模型,用于从原始图像中将仅含有交通标志区域的图像提取出来,另外一个是交通标志识别模型,用于对提取出的仅含有交通标志的图像进行识别,获得该幅图像中的交通标志的识别结果;本发明提供的交通标志识别模型基于改进的ZF卷积神经网络,结合空间变换网络,训练得到应用于交通标志识别的网络模型,能够避免交通标志扭曲,形变造成的错识别问题,提高交通标志识别率;交通标志区域提取模型是在ZF卷积神经网络上改进的,设置四个不同尺度的提取区域进行交通标志区域提取,增加了交通标志识别精准率。

    一种弱对比度交通场景下的车辆检测分割算法

    公开(公告)号:CN109241865B

    公开(公告)日:2022-05-31

    申请号:CN201810925021.2

    申请日:2018-08-14

    Applicant: 长安大学

    Abstract: 本发明公开了一种弱对比度交通场景下的车辆分割算法方法,通过确定交通场景下的车辆分割任务建立分割目标的数据库,并训练全卷积神经网络语义分割模型通过训练好的全卷积神经网络的对弱对比度交通场景下的前方车辆进行初步分割,从而得到车辆的概率图与分割结果接着对分割结果图进行平滑滤波及去噪操作,去除因为语义分割中反卷积操作而造成的噪点和微小空洞接着将去噪后的分割结果图映射回原图,对原图进行均值漂移语义分割从而得到细化的分割结果,最后将卷积神经网络模型的分割结果、均值漂移分割得到分割结果与卷积神经网络得到的前车概率图按照合并规则进行区域合并,从而实现弱对比度交通环境下的车辆细化分割。

    一种交通标志图像识别模型构建及识别方法

    公开(公告)号:CN109002764B

    公开(公告)日:2021-05-11

    申请号:CN201810628664.0

    申请日:2018-06-19

    Applicant: 长安大学

    Abstract: 本发明公开了一种交通标志图像识别模型构建方法及识别方法,本发明提供的方法通过构建两个卷积神经网络模型,一个是交通标志区域提取模型,用于从原始图像中将仅含有交通标志区域的图像提取出来,另外一个是交通标志识别模型,用于对提取出的仅含有交通标志的图像进行识别,获得该幅图像中的交通标志的识别结果;本发明提供的交通标志识别模型基于改进的ZF卷积神经网络,结合空间变换网络,训练得到应用于交通标志识别的网络模型,能够避免交通标志扭曲,形变造成的错识别问题,提高交通标志识别率;交通标志区域提取模型是在ZF卷积神经网络上改进的,设置四个不同尺度的提取区域进行交通标志区域提取,增加了交通标志识别精准率。

    一种基于路段密度的地图网格划分方法

    公开(公告)号:CN110083670A

    公开(公告)日:2019-08-02

    申请号:CN201910231199.1

    申请日:2019-03-26

    Applicant: 长安大学

    Abstract: 本发明涉及地图匹配领域,具体涉及一种基于路段密度来划分地图网格的方法,该方法在道路密度不同的地区划分不同大小的网格,保证每个网格内的路段数量有一定的上限,使得每个网格内的路段数量相接近,每个网格内路段数据与全部网格中路段数据的均值相差较小,全部网格中路段数据的方差较小,在大规模路段数据进行搜索时,有很好的负载均衡。本发明基于路段密度划分网格,路段密集的地方网格划分的多且小,路段稀疏的地方网格划分的少且大,网格内路段数量有上限,遍历一个网格内的路段数据更加快捷。适用于采用网格法构建数字地图的软件设计,在地图匹配领域有重要的应用价值。

    一种端对端无监督场景可通行区域认知与理解方法

    公开(公告)号:CN108876805A

    公开(公告)日:2018-11-23

    申请号:CN201810636311.5

    申请日:2018-06-20

    Applicant: 长安大学

    Abstract: 本发明公开了一种端到端无监督场景路面区域确定方法,通过构建道路位置先验概率分布图并将其作为检测网络的特征映射直接附加到卷积层中,构建一种融合位置先验特征的卷积网络框架,然后结合全卷积网络和U‑NET构建深度网络架构—UC‑FCN网络,将构建的可通行区域位置先验概率分布图作为深度网络架构‑UC‑FCN网络的一种特征图映射,生成UC‑FCN‑L网络;基于消失点检测方法对可通行区域进行检测并将得到的检测结果作为训练数据集的真值对UC‑FCN‑L网络进行训练,得到用于可行驶区域提取的深度网络模型,解决了可通行区域标签困难的问题,适用性强,可在多种道路环境下稳定工作,且实时性较好,本方法检测准确率高,适应性、实时性与鲁棒性好,方法简单有效。

    一种端到端无监督场景可通行区域认知能力的测试方法

    公开(公告)号:CN108875640A

    公开(公告)日:2018-11-23

    申请号:CN201810638850.2

    申请日:2018-06-20

    Applicant: 长安大学

    Abstract: 本发明公开了一种端到端无监督场景可通行区域认知能力的测试方法,通过将路面信息显示于测试区域地面,不仅能够将真实的路面信息进行复现,还能够采用该种方式显示丰富的路面环境;利用路面信息显示于测试区域地面,能够使被测试系统在测试时,获得实际路测相同的检测环境;采用全息技术的方法,能够真实、立体的复现路面上的物体,使测试环境更接近于真实环境;采用不同环境进行测试的方式得到不同路面场景信息检测不同场景下的可通行区域,能够全方面的评估可通行区域检测系统的认知能力;从而能够综合体现可通行区域检测系统的认知能力;本发明的测试方法能够为无人驾驶智能车在实际路测之前提供一种有效的、低风险的测试与评估手段。

Patent Agency Ranking