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()
【技术实现步骤摘要】
本专利技术涉及人工智能,更为具体的,涉及一种基于图像语义的贝赛尔曲线规划方法、设备、介质及系统。
技术介绍
1、现在车辆智能化的研究趋势主要在自动驾驶技术方向,自动驾驶技术的主要包括车辆定位、感知、导航、自主建图、路径规划以及控制技术等,环境感知相当于是车辆的感官感受,通过前端感知才有车辆自动驾驶的开始,然后再引申出车辆自主定位、建图、导航等,通过建图进行路径规划,通过定位和规划进行导航,这些组成在自动驾驶技术都不可或缺。
2、一般在自动驾驶技术中感知和路径规划都是分开进行,一个进行前端匹配,一个进行后端优化;前后端分开计算是因为传统优化算法的局限性,并且在前后端分离计算中会有传输延时,一般低速自动驾驶环境条件基本可以满足,但是高速自动驾驶则对计算机性能就要求比较高,现有技术无法满足需求。
技术实现思路
1、本专利技术的目的在于克服现有技术的不足,提供一种基于图像语义的贝赛尔曲线规划方法、设备、介质及系统,减少了模型权重训练的难度,识别也更为简单,可以加快识别速度,在单位时间内给其他计算更多的计算时间,同时本专利技术可以减少计算机负载,可应用于高速自动驾驶场景。
2、本专利技术的目的是通过以下方案实现的:
3、一种基于图像语义的贝赛尔曲线规划方法,包括:
4、s1,进行图像识别后,保存当前的图像语义;
5、s2,通过图像语义判断道路语义图上是否存在障碍物,如有障碍物,则计算各个障碍物质心;如果没有障碍物则进行s9;
...【技术保护点】
1.一种基于图像语义的贝赛尔曲线规划方法,其特征在于,包括:
2.根据权利要求1所述的基于图像语义的贝赛尔曲线规划方法,其特征在于,在步骤S1中,所述进行图像识别具体为使用DeepLap进行图像识别。
3.根据权利要求1所述的基于图像语义的贝赛尔曲线规划方法,其特征在于,在步骤S2中,所述计算各个障碍物质心具体通过k-means计算各个障碍物质心。
4.根据权利要求1所述的基于图像语义的贝赛尔曲线规划方法,其特征在于,在步骤S3中,所述将各障碍物质心生成控制点具体为将各障碍物质心通过道路中心镜像的方式生成控制点。
5.根据权利要求2所述的基于图像语义的贝赛尔曲线规划方法,其特征在于,在步骤S3中,所述对生成的语义图像进行直线检测具体为使用LSD算法对DeepLap算法生成的语义图像进行直线检测。
6.根据权利要求1所述的基于图像语义的贝赛尔曲线规划方法,其特征在于,在步骤S3中,所述设定值为10°。
7.根据权利要求1所述的基于图像语义的贝赛尔曲线规划方法,其特征在于,在步骤S9中,所述在道路中心选定位置生成
8.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有计算机程序,当所述计算机程序被所述处理器加载时并执行如权利要求1~7任一项所述的方法。
9.一种计算机可读存储介质,其特征在于,在可读存储介质中存储有计算机程序,所述计算机程序被处理器加载时执行如权利要求1~7任一项所述的方法。
10.一种基于图像语义的贝赛尔曲线规划系统,其特征在于,包括如权利要求8所述的计算机设备。
...【技术特征摘要】
1.一种基于图像语义的贝赛尔曲线规划方法,其特征在于,包括:
2.根据权利要求1所述的基于图像语义的贝赛尔曲线规划方法,其特征在于,在步骤s1中,所述进行图像识别具体为使用deeplap进行图像识别。
3.根据权利要求1所述的基于图像语义的贝赛尔曲线规划方法,其特征在于,在步骤s2中,所述计算各个障碍物质心具体通过k-means计算各个障碍物质心。
4.根据权利要求1所述的基于图像语义的贝赛尔曲线规划方法,其特征在于,在步骤s3中,所述将各障碍物质心生成控制点具体为将各障碍物质心通过道路中心镜像的方式生成控制点。
5.根据权利要求2所述的基于图像语义的贝赛尔曲线规划方法,其特征在于,在步骤s3中,所述对生成的语义图像进行直线检测具体为使用lsd算法对deeplap算法生成的语义图像进行直线检测。
【专利技术属性】
技术研发人员:武春风,古亚辉,白明顺,谢峰,张攀攀,吴斌,冯志朝,王贝壳,刘前,魏红,
申请(专利权)人:航天科工微电子系统研究院有限公司,
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。