The invention discloses a method for obtaining dynamic traffic information for unmanned driving, which includes: making training samples; building Darknet neural network model based on Yolo 3, identifying the recognition results of adjacent detection rectangles, and determining whether it is part of a whole object by correlation probability, so as to reposition the target on the image. Region, and output the recognition category ID and corresponding score of the sample; take the identified target as a template, compare the template with the image of several subsequent frames in the range of the number of video frames, to determine the position of the target in the subsequent image, determine the credibility by comparing the value and the position of the target, and predict its occurrence. Possible displacement trends. The identification of road dynamic objects and the prediction of their motion trend identified by the invention provide decision information for path planning and motion control for driverless vehicles, and provide a strong reference for the value estimation of path planning.
【技术实现步骤摘要】
一种获取无人驾驶所需动态交通信息的方法
本专利技术属于无人驾驶
,具体涉及一种获取无人驾驶所需动态交通信息的方法。
技术介绍
无人驾驶汽车是智能汽车的一种,也称为轮式移动机器人,主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶的目的。利用车载传感器来感知车辆周围环境,并根据感知所获得的道路、车辆位置和障碍物信息,控制车辆的转向和速度,从而使车辆能够安全、可靠地在道路上行驶。现有技术中,对于动态交通信息的识别方法较为繁琐复杂,而且准确性较低,因此无人驾驶的车辆不能准确获取道路动态事物及其运动趋势,无人驾驶的车辆不能进行合理的路径规划和运动控制的决策。
技术实现思路
为了解决上述问题,本专利技术提供了一种获取无人驾驶所需动态交通信息的方法,识别的道路动态事物的识别及其运动趋势的预测。本专利技术的技术方案为:一种获取无人驾驶所需动态交通信息的方法,包括以下步骤:(1)训练样本制作;(2)获取一帧图像,格栅化当前帧图像,以格栅区域作为检测中心生成相应的检测矩形,并将检测矩形区域的图像通过神经网络识别分类;(3)将相邻检测矩形的识别结果,通过关联概率来确定是否为某一整体对象的局部,从而重新定位目标在图像上的区域,并输出样本的识别类别ID和相应得分;(4)将识别的目标整体作为模板,在视频帧数范围内通过模板与后续若干帧的图像做模板比对,以确定该目标在后续的图像中出现的位置,通过比对值和出现的位置来判定可信度,预测其可能的位移趋势,当比对值超出阈值或该对象出现的位置具有跳跃性时,则视为目标物丢失;(5)经过模板对比后,通过神经网络识别出的对象位置区域和模板比对的 ...
【技术保护点】
1.一种获取无人驾驶所需动态交通信息的方法,其特征在于,包括以下步骤:(1)训练样本制作;(2)获取一帧图像,格栅化当前帧图像,以格栅区域作为检测中心生成相应的检测矩形,并将检测矩形区域的图像通过神经网络识别分类;(3)将相邻检测矩形的识别结果,通过关联概率来确定是否为某一整体对象的局部,从而重新定位目标在图像上的区域,并输出样本的识别类别ID和相应得分;(4)将识别的目标整体作为模板,在视频帧数范围内通过模板与后续若干帧的图像做模板比对,以确定该目标在后续的图像中出现的位置,通过比对值和出现的位置来判定可信度,预测其可能的位移趋势,当比对值超出阈值或该对象出现的位置具有跳跃性时,则视为目标物丢失;(5)经过模板对比后,通过神经网络识别出的对象位置区域和模板比对的对象区域位置的重合度来确认需要追踪的对象区域,并更新模板,以优化结果,准确预测其运动趋势。
【技术特征摘要】
1.一种获取无人驾驶所需动态交通信息的方法,其特征在于,包括以下步骤:(1)训练样本制作;(2)获取一帧图像,格栅化当前帧图像,以格栅区域作为检测中心生成相应的检测矩形,并将检测矩形区域的图像通过神经网络识别分类;(3)将相邻检测矩形的识别结果,通过关联概率来确定是否为某一整体对象的局部,从而重新定位目标在图像上的区域,并输出样本的识别类别ID和相应得分;(4)将识别的目标整体作为模板,在视频帧数范围内通过模板与后续若干帧的图像做模板比对,以确定该目标在后续的图像中出现的位置,通过比对值和出现的位置来判定可信度,预测其可能的位移趋势,当比对值超出阈值或该对象出现的位置具有跳跃性时,则视为目标物丢失;(5)经过模板对比后,通过神经网络识别出的对象位置区域和模板比对的对象区域位置的重合度来确认需要追踪的对象区域,并更新模板,以优化结果,准确预测其运动趋势。2.如权利要求1所...
【专利技术属性】
技术研发人员:陈剑,徐涛,
申请(专利权)人:天合光能股份有限公司,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。