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】
本专利技术涉及能见度评估,具体为基于毫米波雷达的特征融合能见度评估方法及系统。
技术介绍
1、大雾天气是严重影响道路交通安全的主要因素,特别是高速公路团雾,经常引起多车连环相撞的重大交通事故。由雾引起的交通事故,一方面是驾驶员没有及时感知到能见度的变化,另一方面是前方车辆在大雾天气没有开启雾灯,导致后车在能见度下降的情况下没有及时观察到并采取减速或制动措施。汽车通常都安装有雾灯,但大部分司机通常不会开启雾灯,而是用开启双闪灯的方法替代雾灯,由于波长原因,双闪灯在大雾天的穿透能力不如雾灯,造车后车无法及时识别,由此造成安全隐患。
技术实现思路
1、鉴于上述存在的问题,提出了本专利技术。
2、因此,本专利技术解决的技术问题是:现有的能见度评估方法基本依靠纯视觉、算法难度较大、训练过程复杂、鲁棒性不佳等。
3、为解决上述技术问题,本专利技术提供如下技术方案:基于毫米波雷达的特征融合能见度评估方法,包括:
4、采集视觉数据与3d雷达数据;
5、对采集到的数据进行视觉特征提取与3d特征提取;
6、将提取到的特征进行融合后,使用前馈神经网络进行能见度的评估。
7、作为本专利技术所述的基于毫米波雷达的特征融合能见度评估方法的一种优选方案,其中:所述视觉特征提取包括,使用resnet作为视觉特征提取器,输出256维特征张量;
8、所述3d特征提取包括,使用voxelnet作为3d特征提取器,输出256维特征张量。<
...【技术保护点】
1.基于毫米波雷达的特征融合能见度评估方法,其特征在于,包括:
2.如权利要求1所述的基于毫米波雷达的特征融合能见度评估方法,其特征在于:所述视觉特征提取包括,使用ResNet作为视觉特征提取器,输出256维特征张量;
3.如权利要求2所述的基于毫米波雷达的特征融合能见度评估方法,其特征在于:所述将提取到的特征进行融合包括,通过相机成像的几何将点3D云图的数据通过双线性插值法映射到图片中,计算点云匹配的图像坐标;
4.如权利要求3所述的基于毫米波雷达的特征融合能见度评估方法,其特征在于:所述能见度的评估包括,对图中的内容进行能见度的区域划分;
5.如权利要求4所述的基于毫米波雷达的特征融合能见度评估方法,其特征在于:所述融合特征向量包括,对于图像中的每个像素点,计算LBP值;
6.如权利要求5所述的基于毫米波雷达的特征融合能见度评估方法,其特征在于:所述能见度的评估还包括,若聚类结果为1个数据集合,则判定影响能见度的因素是均匀分布,直接对图像进行能见度计算;若聚类结果大于1个数据集合,则判定影响能见度的因素是不均匀分布,
7.如权利要求6所述的基于毫米波雷达的特征融合能见度评估方法,其特征在于:所述前馈神经网络包括,将融合后的特征图传入前馈神经网络中,对每个区域进行识别,输出系数的系数估计;
8.一种采用如权利要求1-7任一所述方法的基于毫米波雷达的特征融合能见度评估系统,其特征在于:
9.一种计算机设备,包括:存储器和处理器;所述存储器存储有计算机程序,其特征在于:所述处理器执行所述计算机程序时实现基于毫米波雷达的特征融合能见度评估方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现基于毫米波雷达的特征融合能见度评估方法的步骤。
...【技术特征摘要】
1.基于毫米波雷达的特征融合能见度评估方法,其特征在于,包括:
2.如权利要求1所述的基于毫米波雷达的特征融合能见度评估方法,其特征在于:所述视觉特征提取包括,使用resnet作为视觉特征提取器,输出256维特征张量;
3.如权利要求2所述的基于毫米波雷达的特征融合能见度评估方法,其特征在于:所述将提取到的特征进行融合包括,通过相机成像的几何将点3d云图的数据通过双线性插值法映射到图片中,计算点云匹配的图像坐标;
4.如权利要求3所述的基于毫米波雷达的特征融合能见度评估方法,其特征在于:所述能见度的评估包括,对图中的内容进行能见度的区域划分;
5.如权利要求4所述的基于毫米波雷达的特征融合能见度评估方法,其特征在于:所述融合特征向量包括,对于图像中的每个像素点,计算lbp值;
6.如权利要求5所述的基于毫米波雷达的特征融合能见度评估方法,其特征在于:所述能见度的...
【专利技术属性】
技术研发人员:朱辰宇,杨盛,杨聪,詹同,乔时琛,王健,
申请(专利权)人:苏州大学,
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。