System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种面向远程辅助驾驶的实时视频拼接方法技术_技高网

一种面向远程辅助驾驶的实时视频拼接方法技术

技术编号:40203337 阅读:9 留言:0更新日期:2024-02-02 22:16
本发明专利技术涉及无人驾驶和智慧交通领域,具体为一种面向远程辅助驾驶的实时视频拼接方法。本发明专利技术以SuperPoint为基础网络,将SuperPoint原来编码层卷积使用可分离卷积进行替换,可分离卷积分为深度可分离卷积和逐点卷积,首先使用深度可分离卷积,可以减少模型的参数量和计算量,提高网络的效率和速度,其次,在深度可分离卷积后添加了批归一层,提高了模型的泛化能力,在批归一化之后使用了ReLu6激活函数,提高特征表达能力,最后使用逐点卷积可以对特征图进行整合和融合,提取更丰富的特征信息。然后,使用SuperGlue对图像特征进行匹配,并且剔除错误匹配的特征点,进一步提升特征匹配的准确率。

【技术实现步骤摘要】

本专利技术涉及无人驾驶和智慧交通领域,具体为一种面向远程辅助驾驶的实时视频拼接方法


技术介绍

1、实时视频拼接是一种将多个视频流或图像进行无缝连接的技术。在当今社会,实时视频拼接技术已经在多摄像头监控系统、无人驾驶、智能交通、远程辅助驾驶和机器人技术等领域得到了广泛的应用;在远程辅助驾驶中主要用于环境感知、盲区检测、视频回放与分析、驾驶员或远程操作员辅助,可以将车辆周围的实时视频流传输到远程操作中心,使远程操作员能够更好地监控和辅助驾驶任务。远程驾驶员可以提供实时指导和干预,确保行车安全。

2、深度学习在图像拼接领域的发展为实现更准确、自动化的图像拼接提供了新的方法和技术,由于深度学习在视频图像处理时,复杂度通常由模型的层数、参数数量和每层的计算操作等决定,复杂的模型需要更多的计算资源来完成图像的拼接,使得视频拼接还不够实时,经典的基于深度学习的图像拼接方法模型复杂度较高,需要很大的计算量,实时效率较低,并且需要在确保实时拼接的同时还需要保证视频图像拼接的质量、清晰度等。


技术实现思路

1、本专利技术针对现有的图像拼接方法模型复杂度较高、计算量大和实时效率较低的问题,提供了一种面向远程辅助驾驶的实时视频拼接方法。本专利技术以superpoint为基础网络,将superpoint网络模型中原来编码层卷积使用可分离卷积进行替换,还对视频帧进行了挑帧进行运算处理,整体框架图如图1所示,在gpu环境下加速运行,以达到实时拼接的效果。

2、本专利技术利用改进的superpoint网络模型,整体算法流程如图2所示,该方法包括以下步骤:

3、步骤一:取合成数据集与coco数据集,合成数据集是由图形组成的数据集,通过预处理将coco数据集中图片进行缩放;

4、步骤二:构建改进的superpoint网络模型,将superpoint网络模型中编码层卷积用可分离卷积进行替换;

5、步骤三:首先采用合成数据集训练改进的superpoint网络模型去提取角点,其次通过使用自监督学习的方法,在coco数据集上来训练改进的superpoint网络模型;

6、步骤四:接收视频数据并进行预处理,然后将待拼接的视频帧输入到改进的superpoint网络模型中进行特征点提取;

7、步骤五:将预处理后待拼接的视频帧进行特征编码,一次深度可分离卷积分为深度卷积和逐点卷积,在每次深度卷积之后添加了批归一层bn1,每次逐点卷积之后添加了批归一层bn2,在批归一化之后使用了relu6激活函数;

8、步骤六:在进行两次深度可分离卷积之后,采用池化操作,多次深度可分离卷积与池化操作后,将最后的视频帧进行解码操作;

9、步骤七:解码操作包括特征点解码与描述符解码,且二者是同步进行的,在进行特征点解码时,将经过卷积池化后的特征视频帧经过一次卷积来提取视频帧的特征,并采用relu激活函数帮助网络更好地捕捉特征,然后通过一次卷积,得到视频帧的特征点,最后进行非极大值抑制操作;在描述符解码时,将卷积池化后的特征视频帧经过卷积层处理并通过激活函数relu进行非线性变换,然后将得到的特征信息继续通过卷积进行处理,获得最终的描述符,然后将得到的描述符进行l2归一化操作;

10、步骤八:将经过改进的superpoint网络模型后提取到特征点和描述符的待拼接视频帧送入superglue中,进行特征点匹配,找到源点和目标点,并剔除错误匹配的点;

11、步骤九:将经过superglue后得到的源点和目标点使用ransac算法,计算出透视变换的单应性矩阵h,利用单应性矩阵h对待拼接视频帧进行透视变换,得到透视变换后的图像,最后将两个图像进行拼接,得到最终的结果。

12、上述的一种面向远程辅助驾驶的实时视频拼接方法,步骤四中预处理时,对视频帧进行剪裁以减少算法运算量,并且对视频帧挑帧进行计算以达到视频拼接的实时性。

13、本专利技术以superpoint为基础网络,将superpoint原来编码层卷积使用可分离卷积进行替换,可分离卷积分为深度可分离卷积和逐点卷积,首先使用深度可分离卷积,可以减少模型的参数量和计算量,提高网络的效率和速度,其次,在深度可分离卷积后添加了批归一层,提高了模型的泛化能力,在批归一化之后使用了relu6激活函数,比常规的relu激活函数具有更强的非线性表达能力,提高特征表达能力,最后使用逐点卷积可以对特征图进行整合和融合,提取更丰富的特征信息。然后,使用superglue对图像特征进行匹配,并且剔除错误匹配的特征点,进一步提升特征匹配的准确率。本专利技术还对视频帧进行了挑帧进行运算处理,在gpu环境下加速运行,以达到实时拼接的效果。本专利技术模型复杂度低、计算量小且实时拼接,还保证了视频图像拼接的质量、清晰度。

本文档来自技高网...

【技术保护点】

1.一种面向远程辅助驾驶的实时视频拼接方法,其特征在于:包括以下步骤:

2.根据权利要求1所述的一种面向远程辅助驾驶的实时视频拼接方法,其特征在于:步骤四中预处理时,对视频帧进行剪裁以减少算法运算量,并且对视频帧挑帧进行计算以达到视频拼接的实时性。

【技术特征摘要】

1.一种面向远程辅助驾驶的实时视频拼接方法,其特征在于:包括以下步骤:

2.根据权利要求1所述的一种面向远程辅助驾驶的...

【专利技术属性】
技术研发人员:杨潞霞任佳乐李红梅林兴亮张创辉侯一林崔耀文陆剑韩睿
申请(专利权)人:太原师范学院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1