一种轻量化卷积神经网络的激光雷达与视觉融合感知方法技术

本发明专利技术公开了一种基于轻量化卷积神经网络的激光雷达与视觉融合感知方法，该方法使用以卷积层为主的激光雷达和视觉融合网络，采用轻量化方法优化卷积层，使用训练数据对感知算法进行训练，获取训练结果，用压缩感知方法处理已有融合网络，用未训练数据测试最终激光雷达与视觉融合感知方法，获取测试结果。在保证平均正确率的同时，获取不同轻量化方法及不同压缩感知方法处理下网络的运行时间，选取运行时间最短的感知方法作为最优感知方法。这种轻量化卷积神经网络的激光雷达与视觉融合感知方法能在保证感知目标效果的同时，尽可能减少运行时间，从而降低了识别任务对执行平台的硬件要求。

A perception method of lidar and vision fusion based on lightweight convolutional neural network

【技术实现步骤摘要】
一种轻量化卷积神经网络的激光雷达与视觉融合感知方法
本专利技术属于目标探测领域，具体地涉及一种轻量化卷积神经网络的激光雷达与视觉融合感知方法。
技术介绍
激光雷达的作用就是精确测量目标的位置(距离与角度)、形状(大小)及状态(速度、姿态)，从而达到探测、识别、跟踪目标的目的。现在一个很广泛的应用是将激光雷达与视觉传感器相结合，因为相比于激光雷达，视觉传感器低成本的特性，也让其成为了在目标检测应用中不可或缺的存在。自从AlexNet赢得ImageNet挑战赛(ILSVRC2012)推广深度卷积神经网络以后，卷积神经网络在计算机视觉领域变得十分普及。目前的总体趋势为了实现更好的准确度建立更深、更复杂的网络。然而这些提高准确率的进步并不能使网络在大小和速度方面必要高效。在许多现实世界的应用中，比如机器人、自动驾驶汽车和AR技术(augmentedreality)，识别任务需要及时地在计算有限的平台上执行。随着技术的发展，卷积神经网络在图像分类、图像分割、目标检测等领域获得广泛应用。为了追求更高的性能，常在深度学习领域使用强大、复杂的模本文档来自技高网...

【技术保护点】
1.一种轻量化卷积神经网络的激光雷达与视觉融合感知方法，其特征在于，具体包括如下步骤：/n步骤一：用激光雷达传感器和视觉传感器同时采集数据，将采集的数据分为训练数据和测试数据。/n步骤二：选定以卷积层为主的激光雷达和视觉融合网络同时处理上述训练数据和测试数据，并得到原始融合网络的测试结果。所述测试结果包括平均正确率和运行时间。/n步骤三：采用轻量化方法优化所述原始融合网络，获得优化后融合网络。/n步骤四：使用训练数据对步骤三所得的优化后融合网络进行训练，获取融合网络中的网络连接、参数值等。/n步骤五：用压缩感知方法处理步骤四中的融合网络，获得最终的激光雷达与视觉融合感知网络。/n步骤六：用测试...

【技术特征摘要】
1.一种轻量化卷积神经网络的激光雷达与视觉融合感知方法，其特征在于，具体包括如下步骤：
步骤一：用激光雷达传感器和视觉传感器同时采集数据，将采集的数据分为训练数据和测试数据。
步骤二：选定以卷积层为主的激光雷达和视觉融合网络同时处理上述训练数据和测试数据，并得到原始融合网络的测试结果。所述测试结果包括平均正确率和运行时间。
步骤三：采用轻量化方法优化所述原始融合网络，获得优化后融合网络。
步骤四：使用训练数据对步骤三所得的优化后融合网络进行训练，获取融合网络中的网络连接、参数值等。
步骤五：用压缩感知方法处理步骤四中的融合网络，获得最终的激光雷达与视觉融合感知网络。
步骤六：用测试数据测试步骤五所得的最终激光雷达与视觉融合...

【专利技术属性】
技术研发人员：宋春毅，章叶，宋钰莹，李俊杰，徐志伟，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33