一种应用于AGV的行人检测算法

    公开(公告)号:CN114332935A

    公开(公告)日:2022-04-12

    申请号:CN202111637231.X

    申请日:2021-12-29

    Abstract: 本发明公开了一种应用于AGV的行人检测算法,涉及行人检测算技术领域。本发明包括以下步骤:(1)利用双目相机获取检测区域的图像;(2)对获取的图像依次进行图像灰度化、中值滤波以及直方图均衡化处理,得到处理后的视差图;(3)获取视差图中有效视差点的三维坐标;(4)根据获取的视差图和有效视差点的三维坐标判定来地面干扰区域;(5)设定行人检测范围值,并计算出感兴趣区域和背景干扰区域。本发明算法的检测效率和检测准确度明显提升,有效克服了由远距离复杂背景干扰造成的误检问题,也在一定程度上改善了由行人姿态多变引起的检测效果弱的问题。

    一种应用于AGV的行人检测方法

    公开(公告)号:CN114332935B

    公开(公告)日:2024-11-26

    申请号:CN202111637231.X

    申请日:2021-12-29

    Abstract: 本发明公开了一种应用于AGV的行人检测方法,涉及行人检测算技术领域。本发明包括以下步骤:(1)利用双目相机获取检测区域的图像;(2)对获取的图像依次进行图像灰度化、中值滤波以及直方图均衡化处理,得到处理后的视差图;(3)获取视差图中有效视差点的三维坐标;(4)根据获取的视差图和有效视差点的三维坐标判定来地面干扰区域;(5)设定行人检测范围值,并计算出感兴趣区域和背景干扰区域。本发明方法的检测效率和检测准确度明显提升,有效克服了由远距离复杂背景干扰造成的误检问题,也在一定程度上改善了由行人姿态多变引起的检测效果弱的问题。

    一种基于深度学习的雨雪天气下交通信号灯检测方法

    公开(公告)号:CN116189136A

    公开(公告)日:2023-05-30

    申请号:CN202211495391.X

    申请日:2022-11-27

    Abstract: 本发明属于传感与信号处理技术领域,尤其为一种基于深度学习的雨雪天气下交通信号灯检测方法,S1、构建交通信号灯检测的基准数据集;S2、构件适用于交通信号灯检测的网络模型;S3、数据集预处理,完成模型训练;S4、网络模型测试;S5、采集真实交通信号灯图像数据;S6、数据去噪处理;S7、交通信号灯状态检测。本发明通过改进现有的YOLOv4模型结构,减少主干网络层数,去除对于小目标冗余的深层网络,并利用多尺度特征融合技术增强小目标特征表述能力,采用线性回归算法替代K‑means算法进行锚框选择,对所得线性方程采用等分法选出锚框,在原有的CIoULOSS中加入锚框与真实框对角线相关的惩罚项,使预测框的定位更加准确。

Patent Agency Ranking