【摘 要】
：
针对传统的卷积神经网络在复杂道路场景中无法有效地提取车道特征的问题,论文提出了一种基于传感器融合和方向可调卷积神经网络的车道检测算法。该算法首先利用激光雷达对道
论文部分内容阅读
针对传统的卷积神经网络在复杂道路场景中无法有效地提取车道特征的问题,论文提出了一种基于传感器融合和方向可调卷积神经网络的车道检测算法。该算法首先利用激光雷达对道路场景下的道路表面激光点进行提取,然后将提取的道路点投影到图像坐标,之后将融合道路表面空间信息的二维图像作为网络输入。在提取车道特征过程中,方向可调卷积神经网络只对处于道路表面内的特征进行提取,避免了道路表面障碍物和道路旁的公共设施的干扰,实现车道线的精准检测。实验结果表明,该方法在复杂道路场景下的车道识别率可达到92.21%。
其他文献
针对大蒜在长时间储藏过程中由于环境因素的影响,导致大蒜出现变质和腐烂的问题。研究出一种大蒜储藏室通风控制系统,该系统利用信息融合技术对大蒜储藏室内部采集到的传感器
由于电力供需的巨大不平衡和季节性气候的变化,容易造成巨大浪费,因此基于住宅建筑能耗预测的需求响应将在电力需求侧管理机制中发挥着重要作用。为此,论文提出一种基于用电
为解决YOLO目标检测算法精确度低的问题,提出一种二次特征融合的YOLO目标检测算法。使用改进的可分离卷积模块来对传统的卷积模块进行改进,从而减小网络的模型,保证目标检测的速度;将卷积块之间的残差连接改进为密集连接,从而增大感受野;对于输出的三个不同大小的特征图进行二次特征融合,将高层特征信息与下层特征信息结合,让下层信息充分融合上层信息,从而提高对图片特征提取的能力。在PASCAL VOC 20
针对物流配送的最优路径规划问题,论文在分析蚁群算法原理的基础上,运用MAKLINK图论建立物流配送路径模型,选取Dijkstra算法作为初始规划算法来确定蚁群算法的寻优目标函数,
传统的聚类算法通常将样本间的距离作为相似度的划分标准,因此距离计算方式的选择对于聚类的结果至关重要。但是传统的距离计算方法忽略了不同数据属性特征对聚类的影响。为
针对传统ResNet网络存在丢失图像有用信息以及参数冗余等问题,论文提出一种改进ResNet的A-ResNet模型。引入有shortcut连接的残差注意力模块,增强对目标对象的关注度;引入Dropout层,防止过拟合现象,提升识别精度;调整网络架构,加快训练收敛速度及提高识别精度。实验结果表明,A-ResNet模型相比传统ResNet网络实现约2%的top-1精度的提高。
温室环境是一种复杂多变的多因素控制对象,传统BP神经网络PID控制器对温室因素控制时的权值不够精确,对温室内温湿度控制欠缺。现设计了一种采用遗传—粒子群算法来优化传统
针对多载荷链路通信状态不佳的技术问题,提出了将适应调度算法融入多载荷链路通信的技术方案,通过自适应调度算法,比如通过自适应编码、调制、功率控制、速率控制等技术手段,
对影响弹载通信干扰机干扰效果的主要因素进行了分析,建立了评价宽带扫频式弹载通信干扰机干扰类别的指标体系,通过比较和选择典型评价方法,首先根据两级比例法形成综合判断
论文以某智能小区的一户居民用户电力负荷数据为研究对象,利用K均值聚类算法提取该用户不同日类型下的负荷特征曲线,分析其用电行为,为客户用电精细化管理提供依据。首先根据