-
公开(公告)号：CN115359067A
公开(公告)日：2022-11-18
申请号：CN202210933350.8
申请日：2022-08-04
Applicant: 上海工程技术大学
Abstract: 本发明涉及一种基于连续卷积网络的逐点融合点云语义分割方法，包括以下步骤：分别获取目标的RGB图像和点云数据；通过透视投影模型，将RGB图像的各像素点和点云数据一一对应；将RGB图像和与RGB图像对应的点云数据均输入双流特征提取网络中，提取图像语义特征和点云空间特征；将点云空间特征和图像语义特征输入融合模块中，获取融合特征，将融合特征添加到点云空间特征上作为输出特征；将输出特征输入点云语义分割标签预测网络中，获取点云数据中每个点的语义分割预测标签。与现有技术相比，本发明能够减少外观信息的丢失，增强激光雷达点云的表征能力，进而更好地理解语义场景，保障自动驾驶任务中的安全性与实用性。
-
公开(公告)号：CN112927310B
公开(公告)日：2022-11-18
申请号：CN202110128855.2
申请日：2021-01-29
Applicant: 上海工程技术大学
IPC: G06T7/90 , G06T7/11 , G06N3/04 , G06V10/82 , G06V10/774
Abstract: 本发明涉及一种基于轻量级神经网络的车道图像分割方法。该方法包括：选取CULane数据集作为车道分割训练的数据集；利用轻量级神经网络对所述数据集的图像进行特征提取，得到预处理的特征图；利用所述特征图构建金字塔解析模块，对所述车道线图像进行粗略分割；根据所述粗略分割结果，融合车道结构损失函数对所述车道线图像进行细分，确定车道区域。本发明在不丢失分割网络框架准确性的前提下，提升了网络运行速度，增强了模型视觉线索的推理能力，满足了自动驾驶中实用性与高效性。
-
公开(公告)号：CN112927310A
公开(公告)日：2021-06-08
申请号：CN202110128855.2
申请日：2021-01-29
Applicant: 上海工程技术大学
Abstract: 本发明涉及一种基于轻量级神经网络的车道图像分割方法。该方法包括：选取CULane数据集作为车道分割训练的数据集；利用轻量级神经网络对所述数据集的图像进行特征提取，得到预处理的特征图；利用所述特征图构建金字塔解析模块，对所述车道线图像进行粗略分割；根据所述粗略分割结果，融合车道结构损失函数对所述车道线图像进行细分，确定车道区域。本发明在不丢失分割网络框架准确性的前提下，提升了网络运行速度，增强了模型视觉线索的推理能力，满足了自动驾驶中实用性与高效性。
-
公开(公告)号：CN116416589A
公开(公告)日：2023-07-11
申请号：CN202310338210.0
申请日：2023-03-31
Applicant: 上海工程技术大学
IPC: G06V20/56 , G06V10/40 , G06V10/762 , G06V10/77
Abstract: 本发明涉及一种基于铁轨数据与几何性质的轨道点云提取方法，通过车载激光雷达获取原始点云数据，利用轨道点云高度数据分布特征及几何高程跳变数据特征，快速过滤出路基区域，后利用铁轨在路基上连续的高程差异特征提取铁轨点云，并利用主成分分析的线性数据特征过滤去离散的假阳性非线性点簇，利用点簇距离及角度阈值实现同一轨道对的点簇的连接，最终提取出属于不同轨道对的点云。与现有技术相比，本发明进一步简化提取流程，有效提高检测准确性，实现在不同轨距、多轨道的铁路环境中快速提取轨道点云用于后续拟合，具有良好实时性，对于铁路轨道实现自动化巡查具有重要意义。
