-
公开(公告)号：CN118941446A
公开(公告)日：2024-11-12
申请号：CN202411138224.9
申请日：2024-08-19
Applicant: 长安大学
IPC: G06T3/4038 , G06T7/60 , G06T7/80 , G06T7/70
Abstract: 本发明属于图像拼接技术领域，公开了一种跨相机不重叠道路场景的鸟瞰视角图像拼接方法，利用高速公路的车道线，实现了两个无重合区域相机拍摄图像的拼接；首先对不同场景的图像进行选取，构建坐标系和相机成像模型；其次构造统一的世界坐标系。利用高速公路上的车道线，间接构造四对特征点，以其中一张图像对应的世界坐标系为基准，分别得到另一个场景的四个三维点在本场景坐标系和基准坐标系下的表示，采用这两种表示将该场景的世界坐标系统一到基准坐标系；最后经场景区域选择和坐标系的统一，生成跨场景BEV图像，它能够直观地反映道路的全貌和周边环境，有助于用户更好地理解和分析道路情况。
-
公开(公告)号：CN118334129A
公开(公告)日：2024-07-12
申请号：CN202410463452.7
申请日：2024-04-17
Applicant: 长安大学
Abstract: 本发明属于智能交通技术领域，公开了一种基于多约束pso粒子群优化的交通相机标定方法，该方法包括1、路侧摄像机模型的建立，2、标定结果的计算，3、标定结果的优化，从道路交通场景中自动识别出道路边缘线、道路虚线等几何标识，根据这些数据利用多标识融合场景自适应标定方法求解出摄像机方位和焦距等参数，完成标定若存在冗余平行线、冗余长度等灵活冗余标识，可以采用多约束pso粒子群优化的方式对标定结果进行优化；可以适用于包括直路和弯路在内的不同的道路场景，利用路面信息实现相机标定和优化。方法较为简单，优化后精度比较高，通用性较好，可以应用于各种道路场景下的相机标定工作。
-
公开(公告)号：CN119478848A
公开(公告)日：2025-02-18
申请号：CN202410839337.5
申请日：2024-06-26
Applicant: 长安大学
Abstract: 本发明属于智能交通技术领域，公开了一种改进CenterNet的路侧视角下的车辆三维形态检测方法及装置，该方法包括使用路侧相机对路侧相机进行拍摄，获取路侧相机的相机参数和相机坐标下的地平面方程，将拍摄的图片输入到车辆三维检测网络模型，得到热力图、中心点偏移、关键点偏移和消失点，再转换到相机坐标系下的三维坐标，获得车辆三维形态，使得车辆的三维形态检测可以在实时场景中应用，有助于提高检测速度，为智能交通系统提供快速响应能力，解决现有的车辆检测方法通常依赖模版匹配、多传感器融合以及复杂的深度学习网络，在成本效益、精度和实时性存在一定的局限性以及大多数检测技术通过车载摄像头获取信息，与路侧相机相比感知范围较小的技术问题。
-
公开(公告)号：CN118015243A
公开(公告)日：2024-05-10
申请号：CN202410154824.8
申请日：2024-02-04
Applicant: 长安大学
Abstract: 本发明公开了一种基于YOLOv5轻量级道路病害检测方法，具体包括以下步骤：步骤1，获取道路病害数据集；步骤2，对道路病害数据集进行预处理，将预处理后的道路病害数据集按比例划分为训练集、验证集和测试集；步骤3，构建基于YOLOv5网络的检测模型；所述的基于YOLOv5网络的检测模型包括依次相连的Backbone、Neck和Head；基于YOLOv5轻量级道路病害检测模型以YOLOv5网络为基础，对模型中backbone与neck两部分做适合于道路病害检测的改进；YOLOv5网络通过控制深度和宽度两个因子以改变模型复杂度；采用depth_multiple系数以控制模型的深度，在Bottleneck层中使depth_multiple系数可以控制卷积层的卷积核个数，从而调整模型的深度，通过调整这两个因子的大小，可以改变模型的复杂度和检测精度。
-
-
-
Search Results
4
records
(took 0.018 seconds)
