一种检测车辆偏转角度的方法技术

本发明专利技术公开了一种检测车辆偏转角度的方法，建立了可以检测车辆偏转角度的MCR‑CNN模型。该方法首先根据具体的检测环境确定MCR‑CNN模型中的CNN回归网络个数，然后制作车辆俯视图像数据集，再然后将图像数据集输入到多个CNN回归网络中进行训练，建立成MCR‑CNN模型，其次将待检测图像输入到MCR‑CNN模型中，得到多个检测结果，最后对比分析得到该图像对应的车辆偏转角度。本发明专利技术提供的方法能实现利用俯视图精确地检测出车辆的偏转角度，为无人驾驶的路径规划提供基础条件，提高智慧停车管理系统对已停放车辆偏转角度检测的精度。

A method of measuring vehicle deflection angle

【技术实现步骤摘要】
一种检测车辆偏转角度的方法
本专利技术属于车辆环境感知领域，涉及一种检测车辆偏转角度的方法。
技术介绍
随着地面上车辆的日益增多，交通枢纽的压力越来越大，停车难的问题越来越显著。因此，随之而来的就是智能交通网络和智慧停车管理系统的发展。其中智能交通网络中的重要一环——无人驾驶技术也在逐步发展着。在无人驾驶领域，面对越来越复杂的交通网络，提前预知目标物体的动作显得很有必要。而在智慧停车管理系统中，检测车辆的位置和姿态也是必不可少的一步。目前为了确保无人驾驶车辆对环境的理解和把握，无人驾驶系统的环境感知部分通常需要获取车辆周围环境的大量信息，具体来说包括：其他车辆的偏转角度，障碍物的位置、速度以及可能的行为，可行驶的区域，交通规则等。其中无人驾驶车辆检测路面其他车辆的偏转角度和智慧停车管理系统检测已停放车辆的偏转角度时，通常是通过融合激光雷达、相机、毫米波雷达等多种传感器的数据整合后得出车辆偏转角度的。而目前无论是无人驾驶车辆检测周围车辆的偏转角度，还是智慧停车管理系统检测已停放车辆的偏转角度，均是利用路面拍摄图像来分析目标车辆偏转本文档来自技高网...

【技术保护点】
1.一种检测车辆偏转角度的方法，其特征在于，采用基于多CNN回归网络协作的MCR-CNN模型进行检测，所述的MCR-CNN模型包含m个CNN回归网络，m个CNN回归网络分别为CNN1、CNN2、CNN3、…、CNNm，m为不小于3的正奇整数，/n检测时，所述的MCR-CNN模型中的m个CNN回归网络的检测结果分别为

【技术特征摘要】
1.一种检测车辆偏转角度的方法，其特征在于，采用基于多CNN回归网络协作的MCR-CNN模型进行检测，所述的MCR-CNN模型包含m个CNN回归网络，m个CNN回归网络分别为CNN1、CNN2、CNN3、…、CNNm，m为不小于3的正奇整数，
检测时，所述的MCR-CNN模型中的m个CNN回归网络的检测结果分别为，然后对m个检测结果进行数据处理，得出车辆的偏转角
度。


2.根据权利要求1所述的检测车辆偏转角度的方法，其特征在于，所述的MCR-CNN模型中的m个CNN回归网络采用相同的网络架构。


3.根据权利要求1或2所述的检测车辆偏转角度的方法，其特征在于，m个CNN回归网络
采用m个不同的数据集进行训练，m个不同的数据集对应着m个不同的角度标签值组，其中第
i个CNN回归网络在训练时采用第i个数据集，第i个数据集对应的角度标签值组为，其中。


4.根据权利要求3所述的检测车辆偏转角度的方法，其特征在于，m个不同的角度标签
值组中的前f个角度标签值组在标定时需进行修正，前f个角度标...

【专利技术属性】
技术研发人员：陈国强，童文虎，刘梦超，周红鹏，白秉欣，
申请(专利权)人：河南理工大学，
类型：发明
国别省市：河南;41