-
公开(公告)号:CN110210350A
公开(公告)日:2019-09-06
申请号:CN201910429977.8
申请日:2019-05-22
申请人: 北京理工大学 , 北理慧动(北京)科技有限公司 , 北理慧动(常熟)车辆科技有限公司
摘要: 本发明涉及一种基于深度学习的快速停车位检测方法,属于驾驶技术领域,用于解决停车位检测环境适应性差、模型计算量大问题,方法包括离线步骤:离线采集包含有停车位的图像数据,建立训练、验证数据集;进行神经网络模型的训练、评价和优化;所述神经网络模型用于对图像数据中停车位边线进行语义分割;在线步骤:在线采集包含有停车位的图像数据,使用训练好的神经网络模型进行停车位边线语义分割得到停车位边线掩膜,对得到的边线掩膜进行拟合、聚类与组合,得到由边线组成的几何形状;根据设定的形状判别条件,对所述几何形状进行筛选确定停车位。本发明具环境适应性强;采用模型体积很小,计算量低,对计算资源的需求较小;系统造价低,具有大规模应用的潜力。
-
公开(公告)号:CN110210350B
公开(公告)日:2021-12-21
申请号:CN201910429977.8
申请日:2019-05-22
申请人: 北京理工大学 , 北理慧动(北京)科技有限公司 , 北理慧动(常熟)车辆科技有限公司
摘要: 本发明涉及一种基于深度学习的快速停车位检测方法,属于驾驶技术领域,用于解决停车位检测环境适应性差、模型计算量大问题,方法包括离线步骤:离线采集包含有停车位的图像数据,建立训练、验证数据集;进行神经网络模型的训练、评价和优化;所述神经网络模型用于对图像数据中停车位边线进行语义分割;在线步骤:在线采集包含有停车位的图像数据,使用训练好的神经网络模型进行停车位边线语义分割得到停车位边线掩膜,对得到的边线掩膜进行拟合、聚类与组合,得到由边线组成的几何形状;根据设定的形状判别条件,对所述几何形状进行筛选确定停车位。本发明具环境适应性强;采用模型体积很小,计算量低,对计算资源的需求较小;系统造价低,具有大规模应用的潜力。
-
公开(公告)号:CN109345836A
公开(公告)日:2019-02-15
申请号:CN201811259725.7
申请日:2018-10-26
申请人: 北理慧动(常熟)车辆科技有限公司
IPC分类号: G08G1/04 , G08G1/048 , G08G1/0968 , H04W4/024 , H04W4/48
摘要: 本发明涉及一种多模式无人车远程操控系统及方法,属于无人车技术领域,系统包括安装于被操控无人车辆上的视频图像采集模块和状态采集控制模块,以及综合显控模块;其中,综合显控模块与视频图像采集模块和状态采集控制模块分别无线连接,接收处理所述图像信息和车辆状态信息;并可采用“面板遥控模式”、“界面遥控模式”或“自主驾驶模式”中的一种模式,输出操控指令到状态采集控制模块对无人车辆进行操控。本发明实现了对无人车的状态的准确监测与远程遥控,节约成本,便于安装,减少接线,方便车内的空间布置以及设备安装。
-
-