基于深度学习的障碍物检测与深度估计

来源 :上海理工大学学报 | 被引量 : 1次 | 上传用户:ribb5619
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
提出了一种针对交通场景的基于深度学习的障碍物检测与深度估计方法。该方法对现有的YOLOv3模型进行改进,使用DenseNet网络代替原网络尺度较小的传输层,得到一种新的障碍物检测模型Dense-YOLO。然后采用立体匹配模型PSMNet得到双目图像的视差图,根据双目测距原理对被测目标深度进行估计。在KITTI数据集和实际交通场景中的实验结果表明,与YOLOv3模型相比,Dense-YOLO模型有效地提高了交通场景中障碍物检测的可靠性和正确率,对轿车、行人、骑行者和卡车这4类障碍物检测的平均精确率(a
其他文献
目的:观察非透析慢性肾脏病矿物质和骨异常(CKD-MBD)肾虚湿热证患者血清骨保护素(OPG)、核因子-κB受体活化因子配体(RANKL)水平的变化及蓉黄颗粒对其干预作用。方法:将70例非透析CKD
以新鲜牦牛骨为原料,制备了牦牛骨胶原抗冻肽,并对其抗冻性能进行了研究。结果表明,以EDTA·2Na为脱钙剂对牛骨进行脱钙的最佳脱钙浓度为0.25 mol/L,脱钙时长为48 h,得到