CN115240069B 一种全雾天场景下的实时性障碍物检测方法 （大连理工大学）_第1页
CN115240069B 一种全雾天场景下的实时性障碍物检测方法 （大连理工大学）_第2页
CN115240069B 一种全雾天场景下的实时性障碍物检测方法 （大连理工大学）_第3页
CN115240069B 一种全雾天场景下的实时性障碍物检测方法 （大连理工大学）_第4页
CN115240069B 一种全雾天场景下的实时性障碍物检测方法 （大连理工大学）_第5页
已阅读5页，还剩9页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种全雾天场景下的实时性障碍物检测方法本发明公开了一种全雾天场景下的实时性障碍物检测方法，基于Transformer骨干网络进场景，利用视觉传感器采集图像信息，使用用多尺度融合CycleGAN网络实现模拟雾天数据2B1、对于轻雾雾天场景，利用视觉传感器采集图像信息，使用YOLOv5络即DF_CycleGAN生成雾天图像数据集，并利用清晰图像与雾天图像混合数据集去训练B2所述多尺度融合的CycleGAN网络生成雾天图像数据集的方法n_1)n表示来自解码器第n层的增强特征信息；jr表示经过特征融合后的特征信息；34景产生的原理进行物理模型模拟，确定环境信息对除雾图像进行反向推理获得清晰图像。有效地对雾天图像进行深度除雾，从而达到更好地除雾效果。雾天场景除雾算法一般以Unet网络架构为主，对雾天图像进行Encode提取图像中有效特征和Decode构建除雾图像，5觉雾天场景障碍物检测方法更多地依据除雾方法，由于除雾方法在实际场景的应用性较[0010]在利用除雾方法对图像进行除雾处理后，再利用检测算法进行障碍物目标检[0018]A2、完成对轻雾、中雾和浓雾分类数据集采集后，使用不同等级雾天图像对[0022]B2、对于中雾雾天场景，利用视觉传感器采集图像信息，使用多尺度融合的CycleGAN网络即DF_CycleGAN生成雾天图像数据集，并利用清晰图像与雾天图像混合数据6[0030]B22、对Unet中Decode结构使用增强模块，利用多个残差结构对Encode信息与[0032]式中，表示为Decode第n层的增强特征信息；表示Encode第i层增强特征信书所揭示的内容轻松地了解本发明的优势。下面将结合附图对本发明的技术方案进行清7[0045]图1是本发明针对雾天场景下设计的整体障碍物检测框架，使用检测性能效果更好的Transformer分类网络，能够有效地考虑雾天图像的全局信息进而准确地预测雾天等采集到目标信息，使用实时性与检测效果较好的YOLOv5检测网络即可完成障碍物目标检图像的生成是利用DF_CycleGAN网络(图2和图3分别是多尺度融合模块和DF_CycleGAN网络

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论