-
公开(公告)号：CN111860049A
公开(公告)日：2020-10-30
申请号：CN201910346793.5
申请日：2019-04-27
申请人： 初速度(苏州)科技有限公司
摘要： 本发明实施例公开了一种视频中道路信息的标注方法和装置，其中，该方法包括：提取视频流中的当前视频帧数据；基于预设道路信息检测模型，对所述当前视频帧数据中的道路信息进行标注，得到初始标注结果，其中，所述预设道路信息检测模型使得每一帧视频数据中的道路信息与该视频数据中道路信息的位置相关联；如果获取到对所述初始标注结果修正后的参考标注结果，则基于所述预设道路信息检测模型，利用所述当前视频帧数据的参考标注结果对提取到的下一帧视频数据进行道路信息的标注。通过采用上述技术方案，极大地缩短了道路信息视频标注的人工用时，有效降低了视频流中道路信息标注的成本。
-
公开(公告)号：CN111259706A
公开(公告)日：2020-06-09
申请号：CN201811468084.6
申请日：2018-12-03
申请人： 初速度(苏州)科技有限公司
IPC分类号： G06K9/00
摘要： 本发明涉及一种智能驾驶技术领域，具体涉及一种车辆的车道线压线判断方法和系统；现有技术中的判断方法，鲁棒性差、计算量大，还可能存在判断错误的情况；本发明提供了一种车辆压线判断方法，通过将在对象检测领域取得非常好的结果的卷积神经网络方法引入车道线端点检测中，可以实现对虚线车道线的高效检测，同时基于检测到的虚线端点建立局部地图，可以在不规则的车道线附近(如S型车道线，弯道等)仅靠前视摄像头采集的信息来判断车辆压线的情况，与之前的方法相比具有显著优势。
-
公开(公告)号：CN111259707A
公开(公告)日：2020-06-09
申请号：CN201811468137.4
申请日：2018-12-03
申请人： 初速度(苏州)科技有限公司
摘要： 本发明涉及一种智能驾驶技术领域，具体涉及一种特殊线型车道线检测模型的训练方法；此外，本发明还涉及一种用该检测模型进行车道线检测的系统。该训练方法包括步骤S101：获取道路样本图像，所述道路样本图像标注有正常车道线与Y型车道线的位置信息；步骤102：将所述道路样本图像输入到预先建立的初始神经网络模型；步骤103：利用所述道路样本图像训练所述初始神经网络模型，得到特殊线型车道线检测模型。对于获取的Y型车道线，采用一个向量来表示车道线位置，所述向量中的数值表示车道线上均匀分布的点的坐标，并且在初始神经网络模型基础上，采用微调的方法，利用道路样本图像，对神经网络进行训练。相比于现有技术，本发明能很好地解决特殊线型如Y型线检测问题。
-
公开(公告)号：CN111259705A
公开(公告)日：2020-06-09
申请号：CN201811468083.1
申请日：2018-12-03
申请人： 初速度(苏州)科技有限公司
IPC分类号： G06K9/00
摘要： 本发明涉及一种智能驾驶技术领域，具体涉及一种特殊线型车道线检测方法及系统；现有技术中不能很好地解决特殊线型如Y型线检测问题；本发明基于深度卷积神经网络，将车道线检测形式化为正常车道线和Y型线两种类型的检测，直接用两条线联合表示Y型线，进行通过分支分离，一个分支负责预测正常的线型,一个分支专注预测Y型线，可以很好的解决Y型线的检测问题。
-
公开(公告)号：CN111259704A
公开(公告)日：2020-06-09
申请号：CN201811468062.X
申请日：2018-12-03
申请人： 初速度(苏州)科技有限公司
摘要： 本发明涉及一种智能驾驶技术领域，具体涉及一种虚线车道线端点检测模型的训练方法。本发明还提供了一种车辆压线判断方法，其中用到了虚线车道线检测模型的训练方法，该训练方法通过对虚线车道线的端点进行标注来表示车道线位置，并且在初始神经网络模型基础上，采用微调的方法，利用道路样本图像，对神经网络进行训练。现有技术中对于车道线的判断方法，鲁棒性差、计算量大，还可能存在判断错误的情况；采用本发明的训练方法得到的检测模型，可以在不规则的车道线附近(如S型车道线，弯道等)仅靠前视摄像头采集的信息来判断车辆压线的情况，与现有技术相比具有显著优势。
-
-
-
-
搜索结果
5 条记录 (耗时 0.031 秒)
