【技术实现步骤摘要】
本专利技术涉及辅助驾驶，尤其是涉及一种基于深度卷积神经网络的目标物识别方法、装置及车辆。
技术介绍
1、随着汽车智能化的不断发展，以及市场需求的逐渐提升，辅助（自动）驾驶逐渐成为了国内外汽车领域研究的热点。车辆前方目标物检测是辅助（自动）驾驶系统中的一个重要环节，在真实的交通场景下，目标检测受到很多因素，例如:光照、遮挡等的影响。而为了对复杂交通场景下的车辆前方目标进行有效识别和定位，如今已不再是简单采用激光雷达、毫米波雷达及多传感器融合等几种方案可以达到，而是通过结合摄像以及利用卷积神经网络对视觉传感器信息进行图像提取、分类等工作，较好地提高了车辆前方目标的识别率。
2、相关技术中，基于卷积神经网络的目标识别方法中，通过收集大量图像（如车辆图像、行人图像及其他类别的交通相关图像），并对各图像进行标签分类以及训练，得到原始的卷积神经网络训练集，当车辆再次采集到前方目标物图像时，通过对采集的图像进行灰度化、以及多次特征图提取并对特征图进行降维再提取，最后再将处理后得到的信息进行分类并与预设的卷积神经网络训练集进行比对拟合以识别...
【技术保护点】
1.一种基于深度卷积神经网络的目标物识别方法，其特征在于，包括：
2.根据权利要求1所述的一种基于深度卷积神经网络的目标物识别方法，其特征在于，所述获取目标物数据集，根据所述目标物数据集搭建目标物数据模型步骤中，包括：
3.根据权利要求1所述的一种基于深度卷积神经网络的目标物识别方法，其特征在于，所述持续性采集目标车辆前方图像信息，对所述图像信息进行预处理得到待识别图像信息，其中，所述预处理包括对图像分辨率及RGB颜色进行定义步骤中，包括：
4.根据权利要求1所述的一种基于深度卷积神经网络的目标物识别方法，其特征在于，所述根据所述待...
【技术特征摘要】
1.一种基于深度卷积神经网络的目标物识别方法，其特征在于，包括：
2.根据权利要求1所述的一种基于深度卷积神经网络的目标物识别方法，其特征在于，所述获取目标物数据集，根据所述目标物数据集搭建目标物数据模型步骤中，包括：
3.根据权利要求1所述的一种基于深度卷积神经网络的目标物识别方法，其特征在于，所述持续性采集目标车辆前方图像信息，对所述图像信息进行预处理得到待识别图像信息，其中，所述预处理包括对图像分辨率及rgb颜色进行定义步骤中，包括：
4.根据权利要求1所述的一种基于深度卷积神经网络的目标物识别方法，其特征在于，所述根据所述待识别图像信息，调取预设的换算系数对所述待识别图像信息进行单元格划分得到输出单元格，所述输出单元格包括多个待识别数据模型步骤中，包括：
5.根据权利要求4所述的一种基于深度卷积神经网络的目标物识别方法，其特征在于，所述根据所述待识别图像信息，对调取预设的深度卷积神经网络对所述待识别图像信息进行卷积处理，其中，卷积处理包括：调取预设的换算系数，...
【专利技术属性】
技术研发人员：汪永恩，汤杰，曾小艺，童磊，李建武，谢小华，张洪姣，
申请(专利权)人：江铃汽车股份有限公司，
类型：发明
国别省市：
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。