如今毫米波雷达被广泛应用于无人驾驶系统中。随着车载毫米波雷达分辨率的提高,雷达从同一目标处获得的数据量也随之增多。同一目标的数据量增多能够让系统更准确地分析目标,但目标数据集数据量的增多会导致无人驾驶系统对目标数的判断受到影响。因此需要利用合适的聚类算法处理车载毫米波雷达的目标数据集来简化目标数量。DBSCAN聚类算法在处理数据密度均匀的数据集时性能良好。但车载毫米波雷达的目标数据集密度不均匀,导致DBSCAN聚类算法应用于车载毫米波雷达聚类时聚类结果与探测场景存在偏差。为了解决上述问题,本文提出了一种车
各种各样的小团队在男孩中间蓬勃而生,找寻着各自的乐趣。有个叫“糖溪帮”的男生六人组,就在各种不平凡的探险活动中,收获了友谊,经历了成长…… 书里讲的啥? 在遥远的美国,有一条名叫“糖溪”的河,河边住着一群年龄相近的男孩,他们喜欢黏在一起,一起去上学,一起去冒险,共同分享生命中的快乐,也共同分担生活中的难题…… 在故事的一开始,他们认识了一位神秘的老人;在下一本书里,他们杀死了一头大黑熊;后来
针对道路上的行人和车辆的目标检测问题,提出了一种改进型YOLOv4的轻量级检测网络YOLOSpring,通过在YOLOv4骨干网络中加入深度可分离卷积结构来简化网络模型,并减少网络模型中的残差块的数量,通过使用K-means聚类方法对车辆和行人锚点框进行重新聚类,改进后的网络模型具有网络参数少,检测精度高的优点。算法在实时交通场景下进行模型训练,检测目标包括行人、小汽车、大巴、摩托车和自行车。实验