一种基于StyleGAN-V算法的无人驾驶场景生成方法技术

本发明专利技术公开了一种基于StyleGAN‑V算法的无人驾驶场景生成方法，其实现步骤是：首先采集真实恶劣天气驾驶场景视频，对其进行预处理构建数据集；然后初步构建视频生成模型；再构建结合时序激励与时序位移的时序特征提取模块，对视频的时序特征进行提取；之后在生成过程中引入联合损失函数约束；最后计算改进后的损失函数，更新视频生成模型参数，持续进行训练直到完成生成模型。本发明专利技术能够逼真地模拟恶劣天气下的驾驶场景，经实验验证，该方法能够有效提升生成视频的连贯性和动态特征的捕捉能力，不仅提升了恶劣天气下驾驶模拟场景的真实性，提高了对视频中细微动作变化的感知能力，还在视频的动态特征和画面连续性方面取得了更好的表现。

【技术实现步骤摘要】

本专利技术涉及图像的生成领域，具体涉及一种基于stylegan-v算法的无人驾驶场景生成方法。

技术介绍

1、随着全球汽车总量快速增长，交通事故频发，无人驾驶技术成为应对交通安全挑战的重要解决方案。无人驾驶以智能化的方式控制车辆行驶，从而最大程度地避免交通事故，保障交通安全和提高交通效率。无人驾驶技术测试通常采用虚拟驾驶场景测试来验证和训练。这种虚拟场景测试提供了安全且经济高效的测试环境，提高其性能的泛化能力。然而，恶劣天气条件下的驾驶仍然是一个巨大挑战，因此在虚拟场景中模拟恶劣天气，如雨、雪和雾等，对测试无人驾驶技术在各种复杂环境中的表现至关重要。

2、现有方式多使用仿真平台创建虚拟场景。例如，申请号为“202410788219.6”的文件公开了“一种自动驾驶虚拟仿真场景素材生成方法、装置及计算机程序产品”，通过输入相关的关键词和参数到预训练的图像生成模型来创建仿真场景。其缺点在于，生成的场景在细节和多样性上不足，影响测试结果的真实性和适用性。另一份申请号为“202210172378.4”的文件公开了“一种无人驾驶仿真场景生成方法及设备”，该本文档来自技高网...

【技术保护点】

1.一种基于StyleGAN-V算法的无人驾驶场景生成方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于StyleGAN-V算法的无人驾驶场景生成方法，其特征在于：所述步骤2.1中，结合深度自编码结构的运动特征提取模块的输入由两部分组成：当前运动T和前t帧运动；结合深度自编码的运动特征提取模块由深度自编码结构变形而成，在深度自编码结构中增加过去运动序列p作为输入；当前运动T为单帧的运动数据，作为网络模型的x输入，前t帧运动为当前运动T的前t帧运动数据，作为网络模型中过去的运动序列p的输入。

3.根据权利要求2所述的一种基于StyleGAN-V算法的...

【技术特征摘要】

1.一种基于stylegan-v算法的无人驾驶场景生成方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于stylegan-v算法的无人驾驶场景生成方法，其特征在于：所述步骤2.1中，结合深度自编码结构的运动特征提取模块的输入由两部分组成：当前运动t和前t帧运动；结合深度自编码的运动特征提取模块由深度自编码结构变形而成，在深度自编码结构中增加过去运动序列p作为输入；当前运动t为单帧的运动数据，作为网络模型的x输入，前t帧运动为当前运动t的前t帧运动数据，作为...

【专利技术属性】
技术研发人员：王鹏，孙博轩，李晓艳，邸若海，李亮亮，孙梦宇，洪伟，王浩，王冠群，郜辉，
申请(专利权)人：西安工业大学，
类型：发明
国别省市：