CN114022563B 一种用于自动驾驶的动态障碍物检测方法 （同济大学）_第1页
CN114022563B 一种用于自动驾驶的动态障碍物检测方法 （同济大学）_第2页
CN114022563B 一种用于自动驾驶的动态障碍物检测方法 （同济大学）_第3页
CN114022563B 一种用于自动驾驶的动态障碍物检测方法 （同济大学）_第4页
CN114022563B 一种用于自动驾驶的动态障碍物检测方法 （同济大学）_第5页
已阅读5页，还剩14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

CameraSensorunderAdv本发明提供一种用于自动驾驶的动态障碍输入训练好的神经网络，获取动静二值分割图2S1：通过车载传感器设备获取车辆运行过程中S3：将所有连续的帧图像所构建的动静二值标签作S4：实时采集车辆运行过程中的环境图像流，大小对3D特征点集中的每一个3D特征点进行动静态点3兴趣区域内的点，wx和wy分别为ROI区域的横向尺寸和纵点的集合，apcl为投影至感兴趣区域内所有激光点的集合。n"(Rf*p+tf)+1=0式中，和分别为第k帧和第k+1帧图像的第j对配点，a3D为3D特征匹配点集，4[0005]本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种用于自动驾驶5值的大小对3D特征点集中的每一个3D特征点进行动静态点的甄[0026]d*pj=k(Rf*p+tf)tf]为激光到相机的外参矩阵，Rf为相机的外参旋转矩阵，tf为相机的所有点的集合，apcl为投影至感兴趣区域内所有激光点的集合。[0033]n"(Rf*p+tf)+1=06[0038]式中，和分别为第k帧和第k+1帧图像的第j对配点，a3D为3D特征匹配点j点匹配点集a2D；7[0063]dxpj=k(Rf*p+tf)tf]为激光到相机的外参矩阵，Rf为相机的外参旋转矩阵，tf为[0066]对于第k帧和第k+1帧的某一对匹配点分别恢复它们的3D位[0067]以特征点p2的恢复过程为例，以p2为中心，在帧图像上划定一个感兴趣区域Qner={PIpiEpcl,,k(Rfxp+tf)e.Qroi}[0074]设置第一阈值thren，若所述感兴趣区域内的激光点数量小于thren，即|apcl|<[0077]若所述感兴趣区域内的激光雷达3D点数量大于等于thren，则使用感兴趣区域中8[0078]n'(Rf*p+tf)+1=0[0081]i'(Rfp+tf)+1=r,pcout[0085]根据平面方程以及恢复点的3D位置，如图2[0088]这样2D特征点匹配点集a2D就转换为了3D特征点匹配点集a3D值的大小对3D特征点集中的每一个3D特征点进行动静态点的甄时精确的定位数据，因此得到每一帧的位置变换矩阵T",T".…T"。同时静态物体上的匹9[0115]Vote[Votethre]＝0[0123]上述的对实施例的描述是为便于该技术领域的普通技术人员能理

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