【技术实现步骤摘要】
本专利技术涉及3d目标检测领域，尤其涉及基于可靠深度估计的多模态深度融合3d目标检测方法。
技术介绍
1、多模态3d目标检测技术是自动驾驶和机器人领域的一个关键技术，它在目标检测与跟踪、车辆定位、路径规划等关键环节扮演着至关重要的角色。这项技术通过整合来自相机、雷达等多种传感器的数据，提高了对周围环境的理解和自动驾驶系统在复杂道路条件下的精度与可靠性。
2、在3d目标检测中，相机与雷达数据的整合尤为关键。一些先进的方法，如rcbevdet和camera radar net(crn)，通过创新技术进行雷达特征提取和鸟瞰图(bev)点散射，实现了卓越的性能。尽管如此，这些方法主要关注bev层面的融合，而较少考虑图像深度估计对整体效果的影响。雷达虽然能在任何光照条件下提供准确的距离测量，但其数据缺乏图像中丰富的语义信息，这对于在复杂环境中区分和识别对象至关重要。
3、深度估计从二维图像到三维场景的转换是多模态3d目标检测中的一项核心任务。单目深度估计因其成本效益和操作简便性而被广泛采用，但它存在无法恢复场景绝对尺度和在...
【技术保护点】
1.基于可靠深度估计的多模态深度融合3D目标检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于可靠深度估计的多模态深度融合3D目标检测方法，其特征在于，所述提取图像特征和毫米波雷达点云特征具体过程如下：
3.根据权利要求2所述的基于可靠深度估计的多模态深度融合3D目标检测方法，其特征在于，所述步骤S2具体过程如下：
4.根据权利要求3所述的基于可靠深度估计的多模态深度融合3D目标检测方法，其特征在于，所述深度补全算法以激光雷达为原点中心进行。
5.根据权利要求4所述的基于可靠深度估计的多模态深度融合3D目...
【技术特征摘要】
1.基于可靠深度估计的多模态深度融合3d目标检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于可靠深度估计的多模态深度融合3d目标检测方法，其特征在于，所述提取图像特征和毫米波雷达点云特征具体过程如下：
3.根据权利要求2所述的基于可靠深度估计的多模态深度融合3d目标检测方法，其特征在于，所述步骤s2具体过程如下：
4.根据权利要求3所述的基于可靠深度估计的多模态深度融合3d目标...
【专利技术属性】
技术研发人员：吴迎笑，王温翔，韩建平，蒋忠敏，周致远，
申请(专利权)人：杭州电子科技大学，
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。