排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
2.
针对视觉辅助驾驶系统(vision-based driving assistance system, VDAS)对夜间等低能见度场景下的车辆前视深度感知需求, 提出一种基于深度学习的单目红外图像深度估计方法。该方法采用端对端的多任务自监督学习框架, 利用单目红外视频帧之间的立体几何约束构建损失函数, 无须场景的真实深度信息。取前后两帧重投影误差的最小值, 解决了单目视频帧之间的遮挡问题, 同时削弱了红外图像噪点多的影响。网络解码器将多尺度深度图统一上采样到较高分辨率并计算重投影误差, 改善了深度图中的空洞现象。在FLIR车载红外数据集上的定性实验表明, 所提方法能利用单目红外图像得到对应的像素级稠密深度; 真实道路上的分析试验表明, 所提方法能够在夜间情况下利用红外图像有效感知目标物的深度信息, 15 m以内的相对误差为13.2%, 可以满足多数突发情况下情况下的避撞要求。 相似文献
3.
提出了一种多视角分析建立本体的新途径。文中阐述了多视角分析的概念和步骤,然后从功能、软件体系结构、领域和需求变化的角度做了一个案例分析。领域本体的建立是通过4个阶段的集成和平衡、对内涵和外延的表示、原数据模型的表达以及用RDF表示逐步完成。 相似文献
1