-
公开(公告)号：CN118736522A
公开(公告)日：2024-10-01
申请号：CN202410863880.9
申请日：2024-06-29
申请人： 山东大学
摘要： 本发明提出了一种基于智能优化的无人驾驶图像识别方法及系统，属于图像处理技术领域。本发明采用折射反向学习机制改进波搜索算法的初始化，利用LEVY飞行改进波搜索算法的全局搜索，结合黄金正弦算法改进波搜索算法局部寻优中的发射电磁波过程，得到改进的波搜索算法；使用改进的波搜索算法对卷积神经网络结构的Triplet Attention注意力机制中添加的三个权重进行训练，得到改进的卷积神经网络结构用于进行无人驾驶图像的识别，本发明提高了无人驾驶图像识别的精度。
-
公开(公告)号：CN118736528A
公开(公告)日：2024-10-01
申请号：CN202410859960.7
申请日：2024-06-28
申请人： 山东大学
摘要： 本发明属于无人驾驶技术领域，提供了基于变结构卷积神经网络的无人驾驶目标识别方法及系统，本发明针对无人驾驶过程中需要识别行人、车辆和交通信号灯等目标，对卷积神经网络结构的主干网络进行改进，定义搜索空间的参数类型和取值范围，用蚁群算法改进冠豪猪算法的第三防御机制搜索方向及触发第四防御机制的条件，结合冠豪猪算法和蚁群算法各自优势，形成融合智能算法。利用得到快速收敛且具有良好全局搜索能力的融合智能算法作为搜索策略，根据已搜索空间生成新的结构参数向量，将这些向量转化为卷积神经网络结构模型并使用适应度函数评估，然后进行多次寻优，得到更准确的目标检测卷积神经网络模型，实现了更准确和快速的目标优化。
-
公开(公告)号：CN118154632A
公开(公告)日：2024-06-07
申请号：CN202410335575.2
申请日：2024-03-22
申请人： 山东大学
IPC分类号： G06T7/13 , G06V10/762 , G06V10/74 , G06V10/77
摘要： 本发明提供了一种基于智能驾驶的目标特征智能分割方法及系统。该方法包括基于待分割目标的三维点云数据，得到点云类簇；根据邻近点和聚类中心点的法线向量夹角余弦和欧氏距离得到聚类的相似度度量值，对三维点云数据进行聚类；通过分析聚类完成的点云簇团内的点，构建隶属度函数；再进行一次聚类，在聚类过程中，根据待定点和聚类中心点的法线向量夹角余弦和欧氏距离得到聚类的相似度度量值，若最小的两个相似度度量值之间的差值小于设定的阈值，则依据隶属度函数，计算该待定点与这两个最小相似度度量值对应点云簇团的隶属度，将该待定点划分到较大隶属度的点云簇团中，生成最终点云簇团，以确定出目标特征轮廓。
-
公开(公告)号：CN118710651A
公开(公告)日：2024-09-27
申请号：CN202410864320.5
申请日：2024-06-30
申请人： 山东大学
IPC分类号： G06T7/10 , G06V10/762
摘要： 本发明提供了一种基于多传感器融合的无人驾驶点云实例分割方法及系统，本发明提出基于多传感器融合的点云分割方法，对获取的的点云对原始点云进行降采样以及地面分割，将获取到的图片进行分割得到的结果转换作为点云的附加信息，将附加信息作为先验数据形成所有目标实例的点云簇团，使用统计滤波得到粗分割结果，然后进行逐簇团的点云迭代聚类。对于每一个簇团，使用结合DBSCAN和孤立森林算法，提出的迭代孤立森林空间聚类算法，重复迭代直到点云簇团不再发生变化，最终得到点云的实例簇团。可以实现点云更准确的聚类分割，且将多传感器的数据进行有效融合，使实例分割的效率和准确度提高。
-
-
-
搜索结果
4 条记录 (耗时 0.018 秒)
