【技术实现步骤摘要】
本专利技术涉及智能交通，尤其涉及一种基于深度学习的车载成像道路信息重建方法及其应用。
技术介绍
1、随着自动驾驶技术的发展，道路信息的准确重建对于车辆的安全行驶至关重要。传统的视觉感知方法，如摄像头和激光雷达，受限于光照条件、天气环境等因素，可能无法在复杂环境下提供可靠的信息。毫米波雷达由于其对恶劣天气和光照变化的不敏感性，成为了一种重要的感知手段，包含了丰富的道路信息。然而，如何高效地处理毫米波高分辨率车载成像数据，以准确提取道路信息，仍是一个亟待解决的问题。
2、相关的方法主要集中在利用传统的图像处理和机器学习算法，无法充分利用毫米波数据中包含的丰富信息，而且数据处理的实时性差，无法满足车载环境。
3、因此，亟需一种基于深度学习的车载成像道路信息重建方法及其应用以改善上述问题。
技术实现思路
1、本专利技术的目的在于提供一种基于深度学习的车载成像道路信息重建方法及其应用，能够实现对道路信息实时的高精度重建。
2、第一方面，本专利技术提供一种基于深度学...
【技术保护点】
1.一种基于深度学习的车载成像道路信息重建方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述初始深度学习模型为DeepLabV3+和GRU模型；和/或所述道路信息重建结果包括车道线、道路边缘和交通标志的识别。
3.根据权利要求1所述的方法，其特征在于，对历史毫米波车载成像数据进行预处理之前还包括：
4.根据权利要求3所述的方法，其特征在于，对历史毫米波车载成像数据进行预处理，得到多通道数据包括：
5.根据权利要求4所述的方法，其特征在于，构建初始深度学习模型之后还包括：
6.根据权利要求...
【技术特征摘要】
1.一种基于深度学习的车载成像道路信息重建方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述初始深度学习模型为deeplabv3+和gru模型；和/或所述道路信息重建结果包括车道线、道路边缘和交通标志的识别。
3.根据权利要求1所述的方法，其特征在于，对历史毫米波车载成像数据进行预处理之前还包括：
4.根据权利要求3所述的方法，其特征在于，对历史毫米波车载成像数据进行预处理，得到多通道数据包括：
5.根据权利要求4所述的方法，其特征在于，构建初始深度学习模型之后还包括：
6.根据权利要求1所述的方法，其特征在于，基于所述特征序列进行多尺度融合和gru时间融合包括：
7.根据权利要求1所述的方法，其特征在于，构建初始深度学习模型包括：
8.根据权...
【专利技术属性】
技术研发人员：励一辰，
申请(专利权)人：上海辅量成像技术有限公司，
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。