龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
摘要：本发明提出了一种基于行维度上深度学习的道路线辨别方法，包括以下步骤：1、对整体的图像进行切分，得到h个行维度，再对每一行进行行模块的切分，得到w个行模块；2、在每一行上进行c条车道线位置对应模块的选择；3、引入结构化损失函数，优化车道位置的空间连续性。本发明能减少计算成本并有效处理复杂场景和极速需求，尤其适用于自动驾驶系统。通过引入结构化损失优化车道的空间连续性，实现高速和高准确性的道路线检测，即使在光照极端或遮挡严重的情况下也能保持良好性能。
主权项：1.一种基于行维度上深度学习的道路线辨别方法，包括以下步骤：步骤1、对整体的图像进行切分，得到h个行维度，再对每一行进行行模块的切分，得到w个行模块；步骤2、在每一行上进行c条车道线位置对应模块的选择，具体包括以下步骤：在得到的每一行的w个模块中，利用训练好的基于多层卷积神经网络分类模型预测车道线的存在与否及其精确位置，该预测方法主要是基于多层卷积神经网络的分类模型，得到的w个行模块是属于某一条车道线的概率值，根据由多个概率值组成的行向量确定每一行中某一条车道线对应的位置；步骤3、引入结构化损失函数，优化车道位置的空间连续性；结构化损失函数由两部分组成：相似性损失和形状损失；相似性损失确保相邻行锚点上的车道位置预测在空间上接近，而形状损失则强制车道保持直线或符合道路实际弯曲的形状；相似性损失通过计算相邻行锚点预测结果的一阶差分的L1范数实现，形状损失则通过计算预测位置的二阶差分来约束车道的曲率；对于相似性损失，是利用车道线连续的特性，相邻行的分类向量理应相似，用一阶范数来表示： 形状损失则通过计算预测位置的二阶差分来约束车道的曲率；利用softmax来进行处理：Probi，j，:＝softmaaPi,j,1:w, 得到位置的连续值，再利用二阶微分的形式写出形状损失的表达式： 该式表示，如果是直线的话，那么得到的损失就为0。
全文数据：
权利要求：
百度查询： 东南大学 一种基于行维度上深度学习的道路线辨别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号