一种地面标识的类别确认方法、装置及车辆

    公开(公告)号:CN114140773A

    公开(公告)日:2022-03-04

    申请号:CN202111463157.4

    申请日:2021-12-02

    发明人: 商德宇 胥洪利

    摘要: 本申请提供了一种地面标识的类别确认方法、装置及车辆,涉及计算机技术领域。其中,该方法包括:获取包括待确定的地面标识的图像;对所述图像进行逆透视变换以获取所述图像对应的俯视图;利用所述俯视图和地面标识识别模型,确认所述待确定的地面标识的类别,所述地面标识识别模型利用俯视图集合进行训练,所述俯视图集合中的各俯视图,由包括类别已知的地面标识的图像通过逆透视变换得到。利用本申请提供的方法,提升了对地面标识的检测能力,尤其提升了对远端地面标识的检测能力,进而为后续自动驾驶过程中的路径规划、实时决策和行车控制提供更好的技术支持,具有较高的实用性。

    交通信号灯的检测方法、装置、电子设备及存储介质

    公开(公告)号:CN114078241A

    公开(公告)日:2022-02-22

    申请号:CN202111385009.5

    申请日:2021-11-22

    发明人: 胥洪利

    摘要: 本发明公开了一种交通信号灯的检测方法、装置、电子设备及存储介质,在采集的交通信号灯图像上对交通信号灯位置和交通信号灯类别进行标注,得到交通信号灯标注图像与交通信号灯标注文件,对交通信号灯标注图像进行过采样处理得到交通信号灯预处理图像,从交通信号灯标注文件中确定交通信号灯位置区域,并复制到交通信号灯预处理图像中的贴图区域得到交通信号灯中间图像,通过对交通信号灯中间图像进行检测得到目标交通信号灯检测结果。本发明通过对交通信号灯位置区域进行复制来增加小目标数量,从而使得匹配的交通信号灯的数量也随之增加,不仅提高了交通信号灯的检出率,而且有效减少了因交通信号灯目标较小导致漏检以及误检的情况。

    一种红绿灯倒计时时间识别方法及装置

    公开(公告)号:CN115662132A

    公开(公告)日:2023-01-31

    申请号:CN202211325417.6

    申请日:2022-10-27

    IPC分类号: G08G1/01 G06V20/58 G06V10/82

    摘要: 本发明提供红绿灯倒计时时间识别方法及装置,应用于汽车技术领域,该方法在获取当前待识别红绿灯图片、当前待识别红绿灯图片对应的时间戳以及多个历史识别结果之后,将当前待识别红绿灯图片输入预训练的时间识别模型,得到当前待识别红绿灯图片对应的预测倒计时时间,然后分别将各历史倒计时时间作为目标历史倒计时时间,根据目标历史倒计时时间、目标历史倒计时时间对应的时间戳以及当前待识别红绿灯图片的时间戳,计算相应的参考倒计时时间,最终基于各参考倒计时间和预测倒计时时间,确定当前倒计时时间。本方法在不依赖于高精地图、网络连接以及交管信息平台的前提下,准确识别红绿灯的倒计时时间,有助于提高行车安全性。

    一种交通信号灯的识别方法及装置

    公开(公告)号:CN114120286A

    公开(公告)日:2022-03-01

    申请号:CN202111454157.8

    申请日:2021-12-01

    发明人: 商德宇 胥洪利

    摘要: 本发明提供了一种交通信号灯的识别方法及装置,在获取包括交通信号灯目标区域的待识别图像之后,利用交通信号灯识别模型中的特征提取网络提取待识别图像的特征图,并通过将特征图分别输入交通信号灯识别模型中的颜色识别分支网络与形状识别分支网络,实现对发光交通信号灯颜色和形状的准确识别,本发明可作为任意一个交通信号灯检测方法的后续精确识别方案,可移植性强,并且本发明不需要改造交通信号灯,以识别发光交通信号灯的颜色和形状为目标自学习发光交通信号灯的特征,不需要利用先验知识手工设计交通信号灯特征,针对复杂真实场景鲁棒性强。

    一种车辆重识别方法及装置
    6.
    发明公开

    公开(公告)号:CN113989622A

    公开(公告)日:2022-01-28

    申请号:CN202111468702.9

    申请日:2021-12-03

    发明人: 胥洪利

    摘要: 本发明提供了一种车辆重识别方法及装置,通过根据待识别的第一图像和第二图像已标注的车载图像采集设备标识以及第一图像和第二图像的车辆朝向信息,确定第一图像和第二图像是否为相同视角图像,在第一图像和第二图像为相同视角图像的情况下,将第一图像对应的特征图和第二图像对应的特征图输入相同视角分支网络进行车辆重识别,在第一图像和第二图像的车辆为不同视角图像的情况下,将第一图像对应的特征图和第二图像对应的特征图输入不同视角分支网络进行车辆重识别,由于在车辆重识别过程中考虑图像对的视角,克服了由于采集的车辆图像存在较大的类内差异,较小的类间差异导致车辆重识别任务难度大的问题,提高车辆重识别准确性。