Apr, 2023

增强置信度图的鲁棒快速车辆检测

PDF
TL;DR本文提出了一种新的方法，使用置信度图对车辆进行鲁棒且更快的检测，并引入增强概念以突出包含车辆的感兴趣区域，最终生成一个增强图。此外，本文的方法结合了粗糙集和模糊模型，证明在时间效率和检测精度方面优于现有方法。
发现论文，激发创造
  • 基于多特征的车辆检测技术在地理定位空中视频语义压缩中的应用

    本文提出了一种利用深度学习和流张量时空滤波相结合的多线索检测管道，可以高效地检测移动车辆并结合上下文信息进行语义压缩，以更好地利用空地网络链路的有限带宽。

    Jul, 2019

  • 基于无人机的自主图像采集，通过置信度预测提高多视角立体测量质量保证

    本文介绍了一种自主获取近距离高分辨率图像的系统，以最大化后续 3D 重建的质量，该系统使用已获取的图像预测密集多视角立体视觉方法的输出置信度，用于现场质量保证和计划更多视角。我们使用无人机在具有挑战性的户外场景中演示了我们方法的能力。

    May, 2016

  • 基于无人机的 RGB - 红外异模态车辆检测：基于不确定性感知的学习

    该研究构建了一个大规模的无人机 RGB - 红外车辆检测数据集，在低光条件下，使用不确定性感知的跨模态车辆检测框架提取交叉模态图像的补充信息，以大幅提高检测性能。

    Mar, 2020

  • 在线地图不确定性的生成和应用于轨迹预测

    高清地图在现代自动驾驶车辆的发展中起着重要作用，本文介绍了多种先进的在线地图估计方法，并扩展了不确定性预测，以更好地与轨迹预测结合，实验结果表明不确定性的引入可以提高训练收敛速度和预测性能。

    Mar, 2024

  • 城市自动驾驶应用的概率语义地图

    本文介绍了一种将图像和预先构建的点云地图信息融合的方法来自动且准确地标记诸如道路、人行道、人行横道和车道等静态地标，并展示了该模型可以预测大部分道路特征并可以扩展用于自动将道路特征纳入高清地图。

    Jun, 2020

  • 在多层网格地图中捕捉物体检测的不确定性

    该研究提出了一种基于深度卷积对象检测器的自动驾驶应用程序，该检测器还估计了每个检测到的对象的分类、姿态和形状不确定性。

    Jan, 2019

  • 自主车辆的单目语义地图定位

    提出了一种新颖的轻量级视觉语义定位算法，通过稳定的语义特征代替低级纹理特征，结合离线构建的语义地图和在线的数据关联实现实时的自动驾驶定位。实验结果表明，该方法在各种自动驾驶定位任务中是可靠且实用的定位解决方案。

    Jun, 2024

  • 高密度、遮挡和大规模事件中的地理车辆检测多模态协作网络

    在大规模灾难事件中，构建最优救援路径的规划依赖于在灾难现场的目标检测能力，其中主要挑战之一是存在密集和遮挡的目标。该研究提出了一种多模态协作网络（MuDet）用于密集和遮挡的车辆检测，通过构建多模态数据集并采用三个主要模块来增强不同模态的特征，并通过定义和阈值化置信度值来有效分离复杂背景中密集遮挡的车辆目标。实验结果表明 MuDet 的鲁棒性和通用性。

    May, 2024

  • 基于 Faster R-CNN 深度学习方法的智能车辆交通管理

    通过基于 Faster R-CNN 的深度学习方法，研究了车辆的分割问题，在自适应背景模型的最小化、基于 Faster R-CNN 的子网络操作、Faster R-CNN 初始细化以及扩展拓扑活跃网的结果优化等四个步骤中得到了解决，并通过拓扑活跃网变形模型实现了更高的分割准确性。实验结果证明了这一计算框架的优越性。

    Nov, 2023

  • 汽车应用的精准视觉定位

    本文提出了一种面向实时性能的可扩展视觉定位方法，该方法使用自我监督方法学习紧凑的路图像表示，结合车辆本体运动得出高精度位置估计，在挑战性的城市环境中有效地减少了定位误差一个数量级。

    May, 2019