CN107609522A - 一种基于激光雷达和机器视觉的信息融合车辆检测系统 - Google Patents
一种基于激光雷达和机器视觉的信息融合车辆检测系统 Download PDFInfo
- Publication number
- CN107609522A CN107609522A CN201710848880.1A CN201710848880A CN107609522A CN 107609522 A CN107609522 A CN 107609522A CN 201710848880 A CN201710848880 A CN 201710848880A CN 107609522 A CN107609522 A CN 107609522A
- Authority
- CN
- China
- Prior art keywords
- radar
- millimetre
- machine vision
- wave radar
- interest
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Traffic Control Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种基于激光雷达和机器视觉的信息融合车辆检测系统,包括毫米波雷达数据处理模块、雷达和视觉的数据融合模块以及基于感兴趣区域的图像检测验证模块;毫米波雷达数据处理模块可以获得相对可靠、较为精确的有效目标及其运动状态信息,作为多传感器数据融合模块的输入;雷达和视觉的数据融合模块可以获得毫米波雷达探测的前方车辆在机器视觉图像像素平面上的投影点,围绕投影点建立感兴趣区域,完成多传感器数据空间融合;图像检测验证模块准确定位前方车辆的成像区域的大小和位置,并验证是否为车辆图像。本发明能够有效地检测车辆前方障碍物,通过对传感器采集的数据进行数据分析和处理,准确、稳定、可靠地甄选出有效跟踪目标。
Description
技术领域
本发明涉及一种基于激光雷达和机器视觉的信息融合车辆检测系统,属于智能汽车车辆检测领域。
背景技术
安全是围绕汽车的永恒主题。面对严峻的交通安全形势,为了保证乘客的安全和减少经济财产损失,汽车消费者对汽车安全性的期望越来越高,传统的汽车被动安全技术及其安全措施已无法达到现代交通安全的标准,先进的汽车主动安全技术是以预防为核心,已经成为当今交通安全的发展方向,而随着科学技术日新月异的进步,以汽车智能辅助驾驶系统与智能交通委出发点解决交通安全问题,获得了越来越多的关注。
智能辅助驾驶系统实现的关键是对道路前方障碍物识别,典型车辆周围的障碍物主要包括行人、车辆及道路周围设施等。统计资料表明,在整个交通事故中,汽车碰撞引起的事故占有很大的比重,因此前方车辆检测已成为车辆智能辅助驾驶系统领域中备受关注的研究方向。前方车辆检测系统利用安装于自车上的各种传感器对自车前方行驶环境进行探测感知,包括机器视觉传感器、毫米波雷达、激光雷达、红外传感器等,然后通过必要的数据处理给出准确、可靠的危险目标及其运动状态数据,供中央控制系统进行避撞预警决策。
应用于车辆安全方面的传感器进行信息获取,除满足实时性的要求外,更要满足可靠性的要求。然而迄今为止,没有任何一种传感器能保证在任何情况下提供完全可靠的信息。采用多传感器信息融合技术,能够在复杂工作环境下有效克服单一传感器信息获取的局限性,从而克服可靠性低的缺点。
在大量资料搜集和阅读的过程中,发现在车辆检测领域中国目前主要有两种融合技术:视觉与激光传感器的融合以及视觉与毫米波传感器的融合。激光雷达和摄像头的结合,弥补了摄像机难以获取准确的距离信息和激光雷达获取障碍物信息量少的缺点,然而激光雷达与视觉使用的可见光波段频率较高,雨雪大雾等环境因素大大削弱了传感器的感知能力。而毫米波雷达在环境适应能力上较激光雷达更为强大,与视觉信息融合后更具有极大提升车载环境感知能力的潜力,而且毫米波雷达在市场上的成熟度更高,例如博世、德尔福等公司均有代表性的雷达产品。
发明内容
本发明的目的是:分别通过雷达传感器与视觉传感器感知前方障碍物信息,提出数据融合的车辆识别算法,提高系统的抗干扰能力与识别精度、提高传感器的工作范围。
为了达到上述目的,本发明的技术方案是提供了一种基于激光雷达和机器视觉的信息融合车辆检测系统,包括安装在车辆上的毫米波雷达和摄像机,其特征在于,还包括毫米波雷达数据处理模块、雷达和视觉的数据融合模块以及基于感兴趣区域的图像检测验证模块,其中:
毫米波雷达数据处理模块,用于通过毫米波雷达获得相对可靠、较为精确的有效目标及其运动状态信息;
雷达和视觉的数据融合模块,依据毫米波雷达数据处理模块获得的有效目标及其运动状态信息,获取有效目标在通过摄像机获得的机器视觉图像像素平面上的投影点,围绕投影点建立感兴趣区域,完成多传感器数据空间融合;
基于感兴趣区域的图像检测验证模块,用于准确定位感兴趣区域的大小和位置,并验证是否为车辆图像。
优选地,在所述毫米波雷达数据处理模块中设定目标可存活时间,所述毫米波雷达数据处理模块将原始数据中存活时间小于目标可存活时间的目标排除,从而提取出有效目标。
优选地,在所述毫米波雷达数据处理模块中建立有效目标的常常加速度运动模型,基于四阶卡尔曼滤波实现对有效目标的运动状态信息的准确估计。
优选地,有效目标在机器视觉图像像素平面上的投影点的获取方法包括以下步骤:
步骤1、获得毫米波雷达二维平面坐标系与摄像机坐标系之间的转换关系;
步骤2、根据摄像机成像原理,获得摄像机坐标系和像素坐标系之间的转换关系;
步骤3、结合步骤1得到的转换关系以及步骤2得到的转换关系,实现毫米波雷达坐标系和机器视觉图像像素坐标之间的转换,在此基础上获得毫米波雷达探测的有效目标在机器视觉图像像素平面上的投影点。
优选地,所述雷达和视觉的数据融合模块包括用于使得所述毫米波雷达和所述摄像机在时间上同步的多传感器数据时间融合模型。
优选地,围绕投影点建立感兴趣区域的方法为:
以投影点为中心,根据倒金字塔模型,建立随着有效目标距离增加而减小的感兴趣区域。
优选地,所述基于感兴趣区域的图像检测验证模块采用Fast-RCNN,使用基于快速区域卷积神经网络的车辆检测算法,在感兴趣区域内进行遍历性搜索,准确定位有效目标的成像区域的大小和位置,并验证是否为车辆图像。
本发明提出的雷达和机器视觉融合目标检测算法具有准确率高、实时性强和适应度好的优点,在智能交通系统的背景下,以行车环境感知为研究对象,通过检测前方车辆的相对距离等,可计算判断追尾的可能性,并在必要时可以报警以提醒驾驶员。另外,本文的检测对象以车辆为主,但不局限于车辆,可以扩展至其他障碍物的检测,从而应用于未来智能汽车的主动防碰撞系统。
本发明针对目前算法中对毫米波雷达处理不够健全的问题,对原始雷达数据的空信号、噪声、虚假信号以及干扰信号等进行了相应的处理,研究了雷达探测多目标中有效目标的决策算法;建立了基于常加加速度的前车运动状态预估模型,在此基础上,基于四阶卡尔曼滤波进行有效目标运动状态的准确获取,提高了雷达目标获得的有效性和可靠性。
本发明针对目前视觉目标识别算法中的实时性和鲁棒性不高问题,研究了基于快速区域卷积神经网络的目标识别算法。
本发明建立了毫米波和机器视觉的融合模型,通过对雷达和摄像机的标定和各种坐标系之间的转换关系完成毫米波雷达数据和机器视觉检测信息的空间融合,以及多线程技术完成雷达和视觉传感器的时间融合。
由于采用了上述的技术方案,本发明与现有技术相比,具有以下的优点和积极效果:本发明通过雷达信息降低了计算数据的维度,减少了达到收敛的迭代次数和时间成本,并且自适应的调整目标区域的scale,提高了算法的精确度和实时性。另外,大数据库的训练使得网络具备多元分类的特点,可以根据实际使用需要对网络进行微调,并相应对雷达数据处理部分进行修改,使网络可变地识别和检测多种障碍物目标。
附图说明
图1是本发明的示意图;
图2是基于fater-cnn的融合雷达信息的深度视觉车辆检测过程。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种基于机器视觉和Andoird平台的行车安全预警系统,如图1所示,包括毫米波雷达数据处理模块、雷达和视觉的数据融合模块以及基于感兴趣区域的图像检测验证模块。
本发明的毫米波雷达目标检测算法模块由以下三部分工作组成:(1)雷达数据预处理:排除空信号,初选出同车道、纵向距离最近的目标车辆;(2)目标一致性检验,排除噪声、虚假目标、干扰目标等数据,提取有效目标;(3)有效目标的运动状态获取,建立前方有效目标的常常加速度运动模型,基于四阶卡尔曼滤波实现对其运动状态信息的准确估计。
本发明的有效目标的运动状态获取具体如下:一般情况下,毫米波雷达的测量噪声可近似成高斯白噪声,测量数据可以看成是受高斯白噪声干扰的非平稳随机信号。目标运动信息的准确获取即是从含有测量噪声的实际测量数据中进行目标运动状态的最优估计,减小噪声的影响,提高精度。这里采用经典的卡尔曼滤波,根据物理量中位移、速度、加速度、加加速度之间的导数微分关系。
本发明的图像检测验证模块采用的是Fast-RCNN,它的网络结构整体包括:13个卷积层,4个池化层,1个感兴趣区域(以下简称为RoI,Region of Interest)池化层,2个全连接层和2个并行层(即Softmax Loss layer和SmoothL1 Loss layer)。其网络模型复用了VGG训练ImageNet得到的网络模型,即VGG16模型以初始化Fast-RCNN中RoI池化层之前的所有层,而原来VGG16中第5个池化层被新的RoI池化层替换掉。
图像检测验证模块的网络模型整体训练过程为:输入一幅图像和选择性搜索方法生成的一系列proposals,通过一系列卷积层和池化层生成特征图,然后用RoI池化层处理最后一个卷积层输出的特征图,为每一个proposal生成一个定长的特征向量。RoI层的输出接着输入到全连接层,产生最终用于多任务学习的特征并用于计算多任务误差函数。全连接的输出包括两个同等水平的子层,分别用于分类和回归。一个是Softmax Loss,对应于分类,计算K+1类的分类误差函数,其中K+1表示K个目标类别和背景;另一个是smoothL1Loss,对应于回归,即K+1的分类结果相应的proposal的边界框四个角的点坐标值。用于softmax分类任务和边界框回归的全连接层参数用标准差介于0.01~0.001之间的高斯分布初始化。两种Loss的权重比例为1∶1,最终将所有结果通过非极大抑制处理产生最终的目标检测和识别结果。在检测端使用截断的奇异值分解(truncated SVD)优化较大的全连接层,这样RoI数目较大时检测端速度会得到加速。
本发明的数据融合模块分为c两部分:(1)第一次融合:基于雷达信息提取RoI:车辆检测过程在RoI内进行,定义RoI是基于场景定义的多边形掩模。图像掩码在RoI多边形返回1,在图中所示的其他位置返回0。通过定义RoI,可以限制视频的处理区域,从而减少网络训练需要的计算时间和存储器消耗。此外,RoI区域消除了来自周围环境的干扰,并且将道路上的处理区域聚焦在一起。使用图像倍增技术,掩模外部的区域将返回0,这样可以消除车道以外的区域。基于雷达信息的感兴趣区域将由卷积神经网络训练的分类器进行识别判断该区域内是否存在车辆,因此感兴趣区域的定义将直接影响到融合结果。(2)第二次融合:候选区域:车辆检测系统中,分类的过程是判断某一个检测窗口是否有车辆,即对检测窗口有车区域和无车区域进行二分类,而定位则要指出图像中车辆的具体位置,并赋予其在该位置车辆存在的概率值。传统的分类定位方法为滑动窗口法,其主要思想是用一个固定像素尺寸的窗口,在图像的多尺度空间内,以特定的步长滑动窗口遍历图像。统计其概率值,从而标记出车辆于图中的位置,然而其存在计算量较大,不易于实现实时检测。Fast-RCNN中采用就是图像区域化,提取多个候选区域进行训练,再整合区域分类得到的结果。而融合了雷达信息的RoI降低了原始像素,可以根据雷达测得的目标距离自动调整划分候选区域的大小。如果距离远,显然RoI大,放大区域大小,如果目标近,则缩小区域大小。
Claims (7)
1.一种基于激光雷达和机器视觉的信息融合车辆检测系统,包括安装在车辆上的毫米波雷达和摄像机,其特征在于,还包括毫米波雷达数据处理模块、雷达和视觉的数据融合模块以及基于感兴趣区域的图像检测验证模块,其中:
毫米波雷达数据处理模块,用于通过毫米波雷达获得相对可靠、较为精确的有效目标及其运动状态信息;
雷达和视觉的数据融合模块,依据毫米波雷达数据处理模块获得的有效目标及其运动状态信息,获取有效目标在通过摄像机获得的机器视觉图像像素平面上的投影点,围绕投影点建立感兴趣区域,完成多传感器数据空间融合;
基于感兴趣区域的图像检测验证模块,用于准确定位感兴趣区域的大小和位置,并验证是否为车辆图像。
2.如权利要求1所述的一种基于激光雷达和机器视觉的信息融合车辆检测系统,其特征在于,在所述毫米波雷达数据处理模块中设定目标可存活时间,所述毫米波雷达数据处理模块将原始数据中存活时间小于目标可存活时间的目标排除,从而提取出有效目标。
3.如权利要求1所述的一种基于激光雷达和机器视觉的信息融合车辆检测系统,其特征在于,在所述毫米波雷达数据处理模块中建立有效目标的常常加速度运动模型,基于四阶卡尔曼滤波实现对有效目标的运动状态信息的准确估计。
4.如权利要求1所述的一种基于激光雷达和机器视觉的信息融合车辆检测系统,其特征在于,有效目标在机器视觉图像像素平面上的投影点的获取方法包括以下步骤:
步骤1、获得毫米波雷达二维平面坐标系与摄像机坐标系之间的转换关系;
步骤2、根据摄像机成像原理,获得摄像机坐标系和像素坐标系之间的转换关系;
步骤3、结合步骤1得到的转换关系以及步骤2得到的转换关系,实现毫米波雷达坐标系和机器视觉图像像素坐标之间的转换,在此基础上获得毫米波雷达探测的有效目标在机器视觉图像像素平面上的投影点。
5.如权利要求1所述的一种基于激光雷达和机器视觉的信息融合车辆检测系统,其特征在于,所述雷达和视觉的数据融合模块包括用于使得所述毫米波雷达和所述摄像机在时间上同步的多传感器数据时间融合模型。
6.如权利要求1所述的一种基于激光雷达和机器视觉的信息融合车辆检测系统,其特征在于,围绕投影点建立感兴趣区域的方法为:
以投影点为中心,根据倒金字塔模型,建立随着有效目标距离增加而减小的感兴趣区域。
7.如权利要求1所述的一种基于激光雷达和机器视觉的信息融合车辆检测系统,其特征在于,所述基于感兴趣区域的图像检测验证模块采用Fast-RCNN,使用基于快速区域卷积神经网络的车辆检测算法,在感兴趣区域内进行遍历性搜索,准确定位有效目标的成像区域的大小和位置,并验证是否为车辆图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710848880.1A CN107609522B (zh) | 2017-09-19 | 2017-09-19 | 一种基于激光雷达和机器视觉的信息融合车辆检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710848880.1A CN107609522B (zh) | 2017-09-19 | 2017-09-19 | 一种基于激光雷达和机器视觉的信息融合车辆检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107609522A true CN107609522A (zh) | 2018-01-19 |
CN107609522B CN107609522B (zh) | 2021-04-13 |
Family
ID=61061059
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710848880.1A Active CN107609522B (zh) | 2017-09-19 | 2017-09-19 | 一种基于激光雷达和机器视觉的信息融合车辆检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107609522B (zh) |
Cited By (81)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108182428A (zh) * | 2018-01-31 | 2018-06-19 | 福州大学 | 前车状态识别和车辆跟随的方法 |
CN108263389A (zh) * | 2018-01-26 | 2018-07-10 | 深圳市九洲源科技有限公司 | 一种车辆前方虚假目标剔除装置及方法 |
CN108447303A (zh) * | 2018-03-20 | 2018-08-24 | 武汉理工大学 | 基于人眼视觉与机器视觉耦合的外周视野危险识别方法 |
CN108573492A (zh) * | 2018-04-02 | 2018-09-25 | 电子科技大学 | 一种实时雷达探测区域检测方法 |
CN108596081A (zh) * | 2018-04-23 | 2018-09-28 | 吉林大学 | 一种基于雷达和摄像机融合的车辆行人探测方法 |
CN108646739A (zh) * | 2018-05-14 | 2018-10-12 | 北京智行者科技有限公司 | 一种传感信息融合方法 |
CN108764108A (zh) * | 2018-05-22 | 2018-11-06 | 湖北省专用汽车研究院 | 一种基于贝叶斯统计决策的前车检测方法 |
CN108803629A (zh) * | 2018-08-27 | 2018-11-13 | 浙江华嘉驰智能科技有限公司 | 基于毫米波雷达的跟随搬运车及其控制方法 |
CN108875844A (zh) * | 2018-07-20 | 2018-11-23 | 清华大学苏州汽车研究院(吴江) | 激光雷达图像与摄像机图像的匹配方法及系统 |
CN108960083A (zh) * | 2018-06-15 | 2018-12-07 | 北京邮电大学 | 基于多传感器信息融合的自动驾驶目标分类方法及系统 |
CN109099920A (zh) * | 2018-07-20 | 2018-12-28 | 重庆长安汽车股份有限公司 | 基于多传感器关联的传感器目标精确定位方法 |
CN109143241A (zh) * | 2018-07-26 | 2019-01-04 | 清华大学苏州汽车研究院(吴江) | 雷达数据和图像数据的融合方法及系统 |
CN109263649A (zh) * | 2018-08-21 | 2019-01-25 | 北京汽车股份有限公司 | 车辆及其自动驾驶模式下的物体识别方法和物体识别系统 |
CN109359409A (zh) * | 2018-10-31 | 2019-02-19 | 张维玲 | 一种基于视觉与激光雷达传感器的车辆可通过性检测系统 |
CN109471128A (zh) * | 2018-08-30 | 2019-03-15 | 福瑞泰克智能系统有限公司 | 一种正样本制作方法及装置 |
CN109492566A (zh) * | 2018-10-31 | 2019-03-19 | 奇瑞汽车股份有限公司 | 车道位置信息获取方法、装置及存储介质 |
CN109657593A (zh) * | 2018-12-12 | 2019-04-19 | 深圳职业技术学院 | 一种路侧信息融合方法及系统 |
CN109720275A (zh) * | 2018-12-29 | 2019-05-07 | 重庆集诚汽车电子有限责任公司 | 基于神经网络的多传感器融合车辆环境感知系统 |
CN109858440A (zh) * | 2019-01-30 | 2019-06-07 | 苏州昆承智能车检测科技有限公司 | 基于测距雷达和机器视觉数据融合的前方车辆检测系统 |
CN109946661A (zh) * | 2019-04-26 | 2019-06-28 | 陕西师范大学 | 一种车载雷达数据处理算法验证系统 |
CN110068818A (zh) * | 2019-05-05 | 2019-07-30 | 中国汽车工程研究院股份有限公司 | 通过雷达和图像采集设备进行交通路口车辆及行人检测的工作方法 |
CN110077402A (zh) * | 2019-05-13 | 2019-08-02 | 奇瑞汽车股份有限公司 | 目标物体的追踪方法、装置及存储介质 |
CN110091875A (zh) * | 2019-05-14 | 2019-08-06 | 长沙理工大学 | 基于物联网的深度学习型智能驾驶环境感知系统 |
CN110135485A (zh) * | 2019-05-05 | 2019-08-16 | 浙江大学 | 单目相机与毫米波雷达融合的物体识别与定位方法和系统 |
CN110309741A (zh) * | 2019-06-19 | 2019-10-08 | 百度在线网络技术(北京)有限公司 | 障碍物检测方法及装置 |
CN110412564A (zh) * | 2019-07-29 | 2019-11-05 | 哈尔滨工业大学 | 一种基于多传感器融合的列车车皮识别与测距方法 |
CN110532896A (zh) * | 2019-08-06 | 2019-12-03 | 北京航空航天大学 | 一种基于路侧毫米波雷达和机器视觉融合的道路车辆检测方法 |
CN110543850A (zh) * | 2019-08-30 | 2019-12-06 | 上海商汤临港智能科技有限公司 | 目标检测方法及装置、神经网络训练方法及装置 |
CN110738121A (zh) * | 2019-09-17 | 2020-01-31 | 北京科技大学 | 一种前方车辆检测方法及检测系统 |
CN110794397A (zh) * | 2019-10-18 | 2020-02-14 | 北京全路通信信号研究设计院集团有限公司 | 一种基于相机和雷达的目标检测方法及系统 |
CN110929796A (zh) * | 2019-11-28 | 2020-03-27 | 重庆长安汽车股份有限公司 | 基于多源传感器决策层数据融合方法、系统及存储介质 |
CN110942449A (zh) * | 2019-10-30 | 2020-03-31 | 华南理工大学 | 一种基于激光与视觉融合的车辆检测方法 |
CN111027401A (zh) * | 2019-11-15 | 2020-04-17 | 电子科技大学 | 一种摄像头和激光雷达融合的端到端目标检测方法 |
CN111103594A (zh) * | 2018-10-10 | 2020-05-05 | 现代自动车株式会社 | 车辆中区分虚假目标的装置和方法及包括其的车辆 |
CN111178215A (zh) * | 2019-12-23 | 2020-05-19 | 深圳成谷科技有限公司 | 一种传感器数据融合处理的方法和装置 |
CN111257866A (zh) * | 2018-11-30 | 2020-06-09 | 杭州海康威视数字技术股份有限公司 | 车载摄像头和车载雷达联动的目标检测方法、装置及系统 |
CN111323771A (zh) * | 2020-03-02 | 2020-06-23 | 南京理工大学 | 基于固定距离的毫米波雷达与视频数据融合方法 |
CN111323027A (zh) * | 2018-12-17 | 2020-06-23 | 兰州大学 | 一种基于激光雷达与环视相机融合制作高精度地图方法及装置 |
CN111341148A (zh) * | 2018-11-30 | 2020-06-26 | 采埃孚主动安全股份有限公司 | 用于处理多重反射信号的机动车的控制系统以及控制方法 |
CN111352112A (zh) * | 2020-05-08 | 2020-06-30 | 泉州装备制造研究所 | 基于视觉、激光雷达和毫米波雷达的目标检测方法 |
CN111369541A (zh) * | 2020-03-06 | 2020-07-03 | 吉林大学 | 一种智能汽车恶劣天气条件下车辆检测方法 |
CN111368706A (zh) * | 2020-03-02 | 2020-07-03 | 南京航空航天大学 | 基于毫米波雷达和机器视觉的数据融合动态车辆检测方法 |
CN111390439A (zh) * | 2020-03-31 | 2020-07-10 | 北京博清科技有限公司 | 一种焊缝检测方法、装置、焊接机器人及储存介质 |
CN111505624A (zh) * | 2020-04-30 | 2020-08-07 | 中国汽车工程研究院股份有限公司 | 一种基于机器视觉和毫米波雷达数据融合的环境感知方法 |
CN111680611A (zh) * | 2020-06-03 | 2020-09-18 | 江苏无线电厂有限公司 | 一种道路通过性检测方法、系统及设备 |
CN111784738A (zh) * | 2020-06-19 | 2020-10-16 | 中国科学院国家空间科学中心 | 一种基于涨落分析的极暗弱运动目标关联检测方法 |
CN111797741A (zh) * | 2020-06-24 | 2020-10-20 | 中国第一汽车股份有限公司 | 车辆检测方法、装置、车辆和存储介质 |
CN111856445A (zh) * | 2019-04-11 | 2020-10-30 | 杭州海康威视数字技术股份有限公司 | 一种目标检测方法、装置、设备及系统 |
CN111965636A (zh) * | 2020-07-20 | 2020-11-20 | 重庆大学 | 一种基于毫米波雷达和视觉融合的夜间目标检测方法 |
CN112233097A (zh) * | 2020-10-19 | 2021-01-15 | 中国科学技术大学 | 基于空时域多维融合的道路场景他车检测系统和方法 |
CN112241008A (zh) * | 2019-07-18 | 2021-01-19 | Aptiv技术有限公司 | 用于对象检测的方法和系统 |
CN112257522A (zh) * | 2020-09-30 | 2021-01-22 | 南京航空航天大学 | 基于环境特征的多传感器融合环境感知方法 |
CN112298285A (zh) * | 2019-07-26 | 2021-02-02 | 比亚迪股份有限公司 | 列车控制系统、控制方法和列车 |
CN112567264A (zh) * | 2018-08-17 | 2021-03-26 | Sk电信有限公司 | 用于获取坐标变换信息的装置和方法 |
CN112560972A (zh) * | 2020-12-21 | 2021-03-26 | 北京航空航天大学 | 基于毫米波雷达先验定位和视觉特征融合的目标检测方法 |
CN112733778A (zh) * | 2021-01-18 | 2021-04-30 | 国汽智控(北京)科技有限公司 | 一种车辆前导车确定方法、装置及计算机设备 |
CN112767475A (zh) * | 2020-12-30 | 2021-05-07 | 重庆邮电大学 | 一种基于c-v2x、雷达与视觉的智能路侧感知系统 |
CN112924960A (zh) * | 2021-01-29 | 2021-06-08 | 重庆长安汽车股份有限公司 | 目标尺寸实时检测方法、系统、车辆及存储介质 |
CN112946628A (zh) * | 2021-02-08 | 2021-06-11 | 江苏中路工程技术研究院有限公司 | 一种基于雷达与视频融合的道路运行状态检测方法及系统 |
CN113189583A (zh) * | 2021-04-26 | 2021-07-30 | 天津大学 | 一种时-空同步的毫米波雷达和视觉信息融合方法 |
CN113253255A (zh) * | 2021-05-11 | 2021-08-13 | 浙江大学 | 一种多点位多传感器目标监测系统和方法 |
CN113255779A (zh) * | 2021-05-28 | 2021-08-13 | 中国航天科工集团第二研究院 | 多源感知数据融合识别方法、系统及计算机可读存储介质 |
CN113267779A (zh) * | 2021-05-17 | 2021-08-17 | 南京师范大学 | 一种基于雷达与图像数据融合的目标检测方法及系统 |
CN113313041A (zh) * | 2021-06-08 | 2021-08-27 | 安徽工程大学 | 基于信息融合的前方车辆识别方法及系统 |
CN113486775A (zh) * | 2021-07-02 | 2021-10-08 | 北京一维大成科技有限公司 | 一种目标追踪方法、系统、电子设备及存储介质 |
WO2021213432A1 (zh) * | 2020-04-21 | 2021-10-28 | 北京三快在线科技有限公司 | 数据融合 |
WO2021226776A1 (zh) * | 2020-05-11 | 2021-11-18 | 华为技术有限公司 | 一种车辆可行驶区域检测方法、系统以及采用该系统的自动驾驶车辆 |
CN113702967A (zh) * | 2021-09-24 | 2021-11-26 | 中国北方车辆研究所 | 地面无人平台的引导车辆目标识别与跟踪方法及车载系统 |
CN113850102A (zh) * | 2020-06-28 | 2021-12-28 | 哈尔滨工业大学(威海) | 基于毫米波雷达辅助的车载视觉检测方法及系统 |
WO2022012535A1 (en) * | 2020-07-14 | 2022-01-20 | International Business Machines Corporation | Guided multi-spectral inspection |
CN114187328A (zh) * | 2022-02-15 | 2022-03-15 | 智道网联科技(北京)有限公司 | 一种物体检测方法、装置和电子设备 |
WO2022141914A1 (zh) * | 2021-01-01 | 2022-07-07 | 杜豫川 | 一种基于雷视融合的多目标车辆检测及重识别方法 |
WO2022156176A1 (zh) * | 2021-01-22 | 2022-07-28 | 上海西井信息科技有限公司 | 多种雷达和相机联合标定方法、系统、设备及存储介质 |
CN114898319A (zh) * | 2022-05-25 | 2022-08-12 | 山东大学 | 基于多传感器决策级信息融合的车型识别方法及系统 |
CN115440056A (zh) * | 2022-08-02 | 2022-12-06 | 天津光电聚能专用通信设备有限公司 | 基于毫米波雷达与视觉融合的智能安全防护系统 |
US11609558B2 (en) | 2019-10-29 | 2023-03-21 | Allstate Insurance Company | Processing system for dynamic event verification and sensor selection |
CN116091883A (zh) * | 2023-04-10 | 2023-05-09 | 深圳市普雷德科技有限公司 | 基于多源信息融合的目标检测识别方法、系统及存储介质 |
CN116679319A (zh) * | 2023-07-28 | 2023-09-01 | 深圳市镭神智能系统有限公司 | 多传感器联合的隧道预警方法,系统,装置和存储介质 |
WO2023179086A1 (zh) * | 2022-08-26 | 2023-09-28 | 东莞理工学院 | 一种基于视觉区域导向性的激光雷达驾驶环境认知系统 |
GB2619196A (en) * | 2021-03-01 | 2023-11-29 | Du Yuchuan | Multi-target vehicle detection and re-identification method based on radar and video fusion |
US11954180B2 (en) | 2021-06-11 | 2024-04-09 | Ford Global Technologies, Llc | Sensor fusion area of interest identification for deep learning |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080166024A1 (en) * | 2007-01-10 | 2008-07-10 | Omron Corporation | Image processing apparatus, method and program thereof |
CN104637059A (zh) * | 2015-02-09 | 2015-05-20 | 吉林大学 | 基于毫米波雷达和机器视觉的夜间前方车辆检测方法 |
CN105574542A (zh) * | 2015-12-15 | 2016-05-11 | 中国北方车辆研究所 | 基于多传感器融合的多视觉特征车辆检测方法 |
CN106250812A (zh) * | 2016-07-15 | 2016-12-21 | 汤平 | 一种基于快速r‑cnn深度神经网络的车型识别方法 |
CN106908783A (zh) * | 2017-02-23 | 2017-06-30 | 苏州大学 | 基于多传感器信息融合的障碍物检测方法 |
CN106951879A (zh) * | 2017-03-29 | 2017-07-14 | 重庆大学 | 基于摄像头与毫米波雷达的多特征融合车辆检测方法 |
-
2017
- 2017-09-19 CN CN201710848880.1A patent/CN107609522B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080166024A1 (en) * | 2007-01-10 | 2008-07-10 | Omron Corporation | Image processing apparatus, method and program thereof |
CN104637059A (zh) * | 2015-02-09 | 2015-05-20 | 吉林大学 | 基于毫米波雷达和机器视觉的夜间前方车辆检测方法 |
CN105574542A (zh) * | 2015-12-15 | 2016-05-11 | 中国北方车辆研究所 | 基于多传感器融合的多视觉特征车辆检测方法 |
CN106250812A (zh) * | 2016-07-15 | 2016-12-21 | 汤平 | 一种基于快速r‑cnn深度神经网络的车型识别方法 |
CN106908783A (zh) * | 2017-02-23 | 2017-06-30 | 苏州大学 | 基于多传感器信息融合的障碍物检测方法 |
CN106951879A (zh) * | 2017-03-29 | 2017-07-14 | 重庆大学 | 基于摄像头与毫米波雷达的多特征融合车辆检测方法 |
Non-Patent Citations (1)
Title |
---|
陈振学 等: "基于特征显著性的多特征融合车牌定位算法", 《控制与决策》 * |
Cited By (118)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108263389A (zh) * | 2018-01-26 | 2018-07-10 | 深圳市九洲源科技有限公司 | 一种车辆前方虚假目标剔除装置及方法 |
CN108182428A (zh) * | 2018-01-31 | 2018-06-19 | 福州大学 | 前车状态识别和车辆跟随的方法 |
CN108447303A (zh) * | 2018-03-20 | 2018-08-24 | 武汉理工大学 | 基于人眼视觉与机器视觉耦合的外周视野危险识别方法 |
CN108447303B (zh) * | 2018-03-20 | 2021-01-15 | 武汉理工大学 | 基于人眼视觉与机器视觉耦合的外周视野危险识别方法 |
CN108573492A (zh) * | 2018-04-02 | 2018-09-25 | 电子科技大学 | 一种实时雷达探测区域检测方法 |
CN108596081B (zh) * | 2018-04-23 | 2021-04-20 | 吉林大学 | 一种基于雷达和摄像机融合的车辆行人探测方法 |
CN108596081A (zh) * | 2018-04-23 | 2018-09-28 | 吉林大学 | 一种基于雷达和摄像机融合的车辆行人探测方法 |
CN108646739A (zh) * | 2018-05-14 | 2018-10-12 | 北京智行者科技有限公司 | 一种传感信息融合方法 |
CN108764108A (zh) * | 2018-05-22 | 2018-11-06 | 湖北省专用汽车研究院 | 一种基于贝叶斯统计决策的前车检测方法 |
CN108960083A (zh) * | 2018-06-15 | 2018-12-07 | 北京邮电大学 | 基于多传感器信息融合的自动驾驶目标分类方法及系统 |
CN108960083B (zh) * | 2018-06-15 | 2021-04-06 | 北京邮电大学 | 基于多传感器信息融合的自动驾驶目标分类方法及系统 |
CN108875844A (zh) * | 2018-07-20 | 2018-11-23 | 清华大学苏州汽车研究院(吴江) | 激光雷达图像与摄像机图像的匹配方法及系统 |
CN109099920A (zh) * | 2018-07-20 | 2018-12-28 | 重庆长安汽车股份有限公司 | 基于多传感器关联的传感器目标精确定位方法 |
CN109099920B (zh) * | 2018-07-20 | 2021-10-12 | 重庆长安汽车股份有限公司 | 基于多传感器关联的传感器目标精确定位方法 |
CN109143241A (zh) * | 2018-07-26 | 2019-01-04 | 清华大学苏州汽车研究院(吴江) | 雷达数据和图像数据的融合方法及系统 |
CN112567264A (zh) * | 2018-08-17 | 2021-03-26 | Sk电信有限公司 | 用于获取坐标变换信息的装置和方法 |
CN109263649A (zh) * | 2018-08-21 | 2019-01-25 | 北京汽车股份有限公司 | 车辆及其自动驾驶模式下的物体识别方法和物体识别系统 |
CN108803629A (zh) * | 2018-08-27 | 2018-11-13 | 浙江华嘉驰智能科技有限公司 | 基于毫米波雷达的跟随搬运车及其控制方法 |
CN108803629B (zh) * | 2018-08-27 | 2021-07-02 | 浙江华嘉驰智能科技有限公司 | 基于毫米波雷达的跟随搬运车及其控制方法 |
CN109471128B (zh) * | 2018-08-30 | 2022-11-22 | 福瑞泰克智能系统有限公司 | 一种正样本制作方法及装置 |
CN109471128A (zh) * | 2018-08-30 | 2019-03-15 | 福瑞泰克智能系统有限公司 | 一种正样本制作方法及装置 |
CN111103594A (zh) * | 2018-10-10 | 2020-05-05 | 现代自动车株式会社 | 车辆中区分虚假目标的装置和方法及包括其的车辆 |
CN109492566A (zh) * | 2018-10-31 | 2019-03-19 | 奇瑞汽车股份有限公司 | 车道位置信息获取方法、装置及存储介质 |
CN109359409A (zh) * | 2018-10-31 | 2019-02-19 | 张维玲 | 一种基于视觉与激光雷达传感器的车辆可通过性检测系统 |
CN111341148A (zh) * | 2018-11-30 | 2020-06-26 | 采埃孚主动安全股份有限公司 | 用于处理多重反射信号的机动车的控制系统以及控制方法 |
CN111257866A (zh) * | 2018-11-30 | 2020-06-09 | 杭州海康威视数字技术股份有限公司 | 车载摄像头和车载雷达联动的目标检测方法、装置及系统 |
CN111257866B (zh) * | 2018-11-30 | 2022-02-11 | 杭州海康威视数字技术股份有限公司 | 车载摄像头和车载雷达联动的目标检测方法、装置及系统 |
CN109657593A (zh) * | 2018-12-12 | 2019-04-19 | 深圳职业技术学院 | 一种路侧信息融合方法及系统 |
CN109657593B (zh) * | 2018-12-12 | 2023-04-28 | 深圳职业技术学院 | 一种路侧信息融合方法及系统 |
CN111323027A (zh) * | 2018-12-17 | 2020-06-23 | 兰州大学 | 一种基于激光雷达与环视相机融合制作高精度地图方法及装置 |
CN109720275A (zh) * | 2018-12-29 | 2019-05-07 | 重庆集诚汽车电子有限责任公司 | 基于神经网络的多传感器融合车辆环境感知系统 |
CN109858440A (zh) * | 2019-01-30 | 2019-06-07 | 苏州昆承智能车检测科技有限公司 | 基于测距雷达和机器视觉数据融合的前方车辆检测系统 |
CN111856445A (zh) * | 2019-04-11 | 2020-10-30 | 杭州海康威视数字技术股份有限公司 | 一种目标检测方法、装置、设备及系统 |
CN109946661A (zh) * | 2019-04-26 | 2019-06-28 | 陕西师范大学 | 一种车载雷达数据处理算法验证系统 |
CN110135485A (zh) * | 2019-05-05 | 2019-08-16 | 浙江大学 | 单目相机与毫米波雷达融合的物体识别与定位方法和系统 |
CN110068818A (zh) * | 2019-05-05 | 2019-07-30 | 中国汽车工程研究院股份有限公司 | 通过雷达和图像采集设备进行交通路口车辆及行人检测的工作方法 |
CN110077402B (zh) * | 2019-05-13 | 2021-09-28 | 奇瑞汽车股份有限公司 | 目标物体的追踪方法、装置及存储介质 |
CN110077402A (zh) * | 2019-05-13 | 2019-08-02 | 奇瑞汽车股份有限公司 | 目标物体的追踪方法、装置及存储介质 |
CN110091875A (zh) * | 2019-05-14 | 2019-08-06 | 长沙理工大学 | 基于物联网的深度学习型智能驾驶环境感知系统 |
CN110309741A (zh) * | 2019-06-19 | 2019-10-08 | 百度在线网络技术(北京)有限公司 | 障碍物检测方法及装置 |
CN112241008B (zh) * | 2019-07-18 | 2024-04-16 | Aptiv技术股份公司 | 用于对象检测的方法和系统 |
CN112241008A (zh) * | 2019-07-18 | 2021-01-19 | Aptiv技术有限公司 | 用于对象检测的方法和系统 |
CN112298285A (zh) * | 2019-07-26 | 2021-02-02 | 比亚迪股份有限公司 | 列车控制系统、控制方法和列车 |
CN110412564A (zh) * | 2019-07-29 | 2019-11-05 | 哈尔滨工业大学 | 一种基于多传感器融合的列车车皮识别与测距方法 |
CN110532896B (zh) * | 2019-08-06 | 2022-04-08 | 北京航空航天大学 | 一种基于路侧毫米波雷达和机器视觉融合的道路车辆检测方法 |
CN110532896A (zh) * | 2019-08-06 | 2019-12-03 | 北京航空航天大学 | 一种基于路侧毫米波雷达和机器视觉融合的道路车辆检测方法 |
CN110543850A (zh) * | 2019-08-30 | 2019-12-06 | 上海商汤临港智能科技有限公司 | 目标检测方法及装置、神经网络训练方法及装置 |
CN110543850B (zh) * | 2019-08-30 | 2022-07-22 | 上海商汤临港智能科技有限公司 | 目标检测方法及装置、神经网络训练方法及装置 |
CN110738121A (zh) * | 2019-09-17 | 2020-01-31 | 北京科技大学 | 一种前方车辆检测方法及检测系统 |
CN110794397A (zh) * | 2019-10-18 | 2020-02-14 | 北京全路通信信号研究设计院集团有限公司 | 一种基于相机和雷达的目标检测方法及系统 |
US11609558B2 (en) | 2019-10-29 | 2023-03-21 | Allstate Insurance Company | Processing system for dynamic event verification and sensor selection |
CN110942449A (zh) * | 2019-10-30 | 2020-03-31 | 华南理工大学 | 一种基于激光与视觉融合的车辆检测方法 |
CN110942449B (zh) * | 2019-10-30 | 2023-05-23 | 华南理工大学 | 一种基于激光与视觉融合的车辆检测方法 |
CN111027401B (zh) * | 2019-11-15 | 2022-05-03 | 电子科技大学 | 一种摄像头和激光雷达融合的端到端目标检测方法 |
CN111027401A (zh) * | 2019-11-15 | 2020-04-17 | 电子科技大学 | 一种摄像头和激光雷达融合的端到端目标检测方法 |
CN110929796B (zh) * | 2019-11-28 | 2023-04-07 | 重庆长安汽车股份有限公司 | 基于多源传感器决策层数据融合方法、系统及存储介质 |
CN110929796A (zh) * | 2019-11-28 | 2020-03-27 | 重庆长安汽车股份有限公司 | 基于多源传感器决策层数据融合方法、系统及存储介质 |
CN111178215B (zh) * | 2019-12-23 | 2024-03-08 | 深圳成谷科技有限公司 | 一种传感器数据融合处理的方法和装置 |
CN111178215A (zh) * | 2019-12-23 | 2020-05-19 | 深圳成谷科技有限公司 | 一种传感器数据融合处理的方法和装置 |
CN111368706B (zh) * | 2020-03-02 | 2023-04-18 | 南京航空航天大学 | 基于毫米波雷达和机器视觉的数据融合动态车辆检测方法 |
CN111368706A (zh) * | 2020-03-02 | 2020-07-03 | 南京航空航天大学 | 基于毫米波雷达和机器视觉的数据融合动态车辆检测方法 |
CN111323771A (zh) * | 2020-03-02 | 2020-06-23 | 南京理工大学 | 基于固定距离的毫米波雷达与视频数据融合方法 |
CN111369541B (zh) * | 2020-03-06 | 2022-07-08 | 吉林大学 | 一种智能汽车恶劣天气条件下车辆检测方法 |
CN111369541A (zh) * | 2020-03-06 | 2020-07-03 | 吉林大学 | 一种智能汽车恶劣天气条件下车辆检测方法 |
CN111390439A (zh) * | 2020-03-31 | 2020-07-10 | 北京博清科技有限公司 | 一种焊缝检测方法、装置、焊接机器人及储存介质 |
CN111390439B (zh) * | 2020-03-31 | 2021-11-05 | 北京博清科技有限公司 | 一种焊缝检测方法、装置、焊接机器人及储存介质 |
WO2021213432A1 (zh) * | 2020-04-21 | 2021-10-28 | 北京三快在线科技有限公司 | 数据融合 |
CN111505624B (zh) * | 2020-04-30 | 2022-07-01 | 中国汽车工程研究院股份有限公司 | 一种基于机器视觉和毫米波雷达数据融合的环境感知方法 |
CN111505624A (zh) * | 2020-04-30 | 2020-08-07 | 中国汽车工程研究院股份有限公司 | 一种基于机器视觉和毫米波雷达数据融合的环境感知方法 |
CN111352112A (zh) * | 2020-05-08 | 2020-06-30 | 泉州装备制造研究所 | 基于视觉、激光雷达和毫米波雷达的目标检测方法 |
WO2021226776A1 (zh) * | 2020-05-11 | 2021-11-18 | 华为技术有限公司 | 一种车辆可行驶区域检测方法、系统以及采用该系统的自动驾驶车辆 |
CN111680611B (zh) * | 2020-06-03 | 2023-06-16 | 江苏无线电厂有限公司 | 一种道路通过性检测方法、系统及设备 |
CN111680611A (zh) * | 2020-06-03 | 2020-09-18 | 江苏无线电厂有限公司 | 一种道路通过性检测方法、系统及设备 |
CN111784738B (zh) * | 2020-06-19 | 2023-10-31 | 中国科学院国家空间科学中心 | 一种基于涨落分析的极暗弱运动目标关联检测方法 |
CN111784738A (zh) * | 2020-06-19 | 2020-10-16 | 中国科学院国家空间科学中心 | 一种基于涨落分析的极暗弱运动目标关联检测方法 |
CN111797741A (zh) * | 2020-06-24 | 2020-10-20 | 中国第一汽车股份有限公司 | 车辆检测方法、装置、车辆和存储介质 |
WO2021259344A1 (zh) * | 2020-06-24 | 2021-12-30 | 中国第一汽车股份有限公司 | 车辆检测方法、装置、车辆和存储介质 |
CN113850102A (zh) * | 2020-06-28 | 2021-12-28 | 哈尔滨工业大学(威海) | 基于毫米波雷达辅助的车载视觉检测方法及系统 |
CN113850102B (zh) * | 2020-06-28 | 2024-03-22 | 哈尔滨工业大学(威海) | 基于毫米波雷达辅助的车载视觉检测方法及系统 |
WO2022012535A1 (en) * | 2020-07-14 | 2022-01-20 | International Business Machines Corporation | Guided multi-spectral inspection |
GB2614145A (en) * | 2020-07-14 | 2023-06-28 | Ibm | Guided multi-spectral inspection |
CN111965636A (zh) * | 2020-07-20 | 2020-11-20 | 重庆大学 | 一种基于毫米波雷达和视觉融合的夜间目标检测方法 |
CN112257522A (zh) * | 2020-09-30 | 2021-01-22 | 南京航空航天大学 | 基于环境特征的多传感器融合环境感知方法 |
CN112257522B (zh) * | 2020-09-30 | 2024-02-20 | 南京航空航天大学 | 基于环境特征的多传感器融合环境感知方法 |
CN112233097B (zh) * | 2020-10-19 | 2022-10-28 | 中国科学技术大学 | 基于空时域多维融合的道路场景他车检测系统和方法 |
CN112233097A (zh) * | 2020-10-19 | 2021-01-15 | 中国科学技术大学 | 基于空时域多维融合的道路场景他车检测系统和方法 |
CN112560972B (zh) * | 2020-12-21 | 2021-10-08 | 北京航空航天大学 | 基于毫米波雷达先验定位和视觉特征融合的目标检测方法 |
US11398097B2 (en) | 2020-12-21 | 2022-07-26 | Beihang University | Target detection method based on fusion of prior positioning of millimeter-wave radar and visual feature |
CN112560972A (zh) * | 2020-12-21 | 2021-03-26 | 北京航空航天大学 | 基于毫米波雷达先验定位和视觉特征融合的目标检测方法 |
CN112767475A (zh) * | 2020-12-30 | 2021-05-07 | 重庆邮电大学 | 一种基于c-v2x、雷达与视觉的智能路侧感知系统 |
CN112767475B (zh) * | 2020-12-30 | 2022-10-18 | 重庆邮电大学 | 一种基于c-v2x、雷达与视觉的智能路侧感知系统 |
WO2022141914A1 (zh) * | 2021-01-01 | 2022-07-07 | 杜豫川 | 一种基于雷视融合的多目标车辆检测及重识别方法 |
CN112733778B (zh) * | 2021-01-18 | 2021-08-10 | 国汽智控(北京)科技有限公司 | 一种车辆前导车确定方法、装置及计算机设备 |
CN112733778A (zh) * | 2021-01-18 | 2021-04-30 | 国汽智控(北京)科技有限公司 | 一种车辆前导车确定方法、装置及计算机设备 |
WO2022156176A1 (zh) * | 2021-01-22 | 2022-07-28 | 上海西井信息科技有限公司 | 多种雷达和相机联合标定方法、系统、设备及存储介质 |
CN112924960B (zh) * | 2021-01-29 | 2023-07-18 | 重庆长安汽车股份有限公司 | 目标尺寸实时检测方法、系统、车辆及存储介质 |
CN112924960A (zh) * | 2021-01-29 | 2021-06-08 | 重庆长安汽车股份有限公司 | 目标尺寸实时检测方法、系统、车辆及存储介质 |
CN112946628A (zh) * | 2021-02-08 | 2021-06-11 | 江苏中路工程技术研究院有限公司 | 一种基于雷达与视频融合的道路运行状态检测方法及系统 |
GB2619196A (en) * | 2021-03-01 | 2023-11-29 | Du Yuchuan | Multi-target vehicle detection and re-identification method based on radar and video fusion |
CN113189583A (zh) * | 2021-04-26 | 2021-07-30 | 天津大学 | 一种时-空同步的毫米波雷达和视觉信息融合方法 |
CN113253255A (zh) * | 2021-05-11 | 2021-08-13 | 浙江大学 | 一种多点位多传感器目标监测系统和方法 |
CN113267779A (zh) * | 2021-05-17 | 2021-08-17 | 南京师范大学 | 一种基于雷达与图像数据融合的目标检测方法及系统 |
CN113255779A (zh) * | 2021-05-28 | 2021-08-13 | 中国航天科工集团第二研究院 | 多源感知数据融合识别方法、系统及计算机可读存储介质 |
CN113255779B (zh) * | 2021-05-28 | 2023-08-18 | 中国航天科工集团第二研究院 | 多源感知数据融合识别方法、系统及计算机可读存储介质 |
CN113313041A (zh) * | 2021-06-08 | 2021-08-27 | 安徽工程大学 | 基于信息融合的前方车辆识别方法及系统 |
US11954180B2 (en) | 2021-06-11 | 2024-04-09 | Ford Global Technologies, Llc | Sensor fusion area of interest identification for deep learning |
CN113486775A (zh) * | 2021-07-02 | 2021-10-08 | 北京一维大成科技有限公司 | 一种目标追踪方法、系统、电子设备及存储介质 |
CN113702967A (zh) * | 2021-09-24 | 2021-11-26 | 中国北方车辆研究所 | 地面无人平台的引导车辆目标识别与跟踪方法及车载系统 |
CN113702967B (zh) * | 2021-09-24 | 2023-07-28 | 中国北方车辆研究所 | 地面无人平台的引导车辆目标识别与跟踪方法及车载系统 |
CN114187328B (zh) * | 2022-02-15 | 2022-07-05 | 智道网联科技(北京)有限公司 | 一种物体检测方法、装置和电子设备 |
CN114187328A (zh) * | 2022-02-15 | 2022-03-15 | 智道网联科技(北京)有限公司 | 一种物体检测方法、装置和电子设备 |
CN114898319B (zh) * | 2022-05-25 | 2024-04-02 | 山东大学 | 基于多传感器决策级信息融合的车型识别方法及系统 |
CN114898319A (zh) * | 2022-05-25 | 2022-08-12 | 山东大学 | 基于多传感器决策级信息融合的车型识别方法及系统 |
CN115440056A (zh) * | 2022-08-02 | 2022-12-06 | 天津光电聚能专用通信设备有限公司 | 基于毫米波雷达与视觉融合的智能安全防护系统 |
WO2023179086A1 (zh) * | 2022-08-26 | 2023-09-28 | 东莞理工学院 | 一种基于视觉区域导向性的激光雷达驾驶环境认知系统 |
CN116091883A (zh) * | 2023-04-10 | 2023-05-09 | 深圳市普雷德科技有限公司 | 基于多源信息融合的目标检测识别方法、系统及存储介质 |
CN116679319B (zh) * | 2023-07-28 | 2023-11-10 | 深圳市镭神智能系统有限公司 | 多传感器联合的隧道预警方法,系统,装置和存储介质 |
CN116679319A (zh) * | 2023-07-28 | 2023-09-01 | 深圳市镭神智能系统有限公司 | 多传感器联合的隧道预警方法,系统,装置和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107609522B (zh) | 2021-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107609522A (zh) | 一种基于激光雷达和机器视觉的信息融合车辆检测系统 | |
CN110531753B (zh) | 自主车辆的控制系统、控制方法和控制器 | |
CN107972662B (zh) | 一种基于深度学习的车辆前向碰撞预警方法 | |
CN110588653B (zh) | 自主车辆的控制系统、控制方法以及控制器 | |
CN105892471B (zh) | 汽车自动驾驶方法和装置 | |
CN110532889B (zh) | 基于旋翼无人飞行器和YOLOv3的轨道异物检测方法 | |
US20190361454A1 (en) | Control systems, control methods and controllers for an autonomous vehicle | |
CN109597087A (zh) | 一种基于点云数据的3d目标检测方法 | |
CN107818326A (zh) | 一种基于场景多维特征的船只检测方法及系统 | |
CN107193011A (zh) | 一种用于快速计算无人驾驶车感兴趣区域内车辆速度的方法 | |
Qu et al. | Moving vehicle detection with convolutional networks in UAV videos | |
CN109271857A (zh) | 一种伪车道线剔除方法及装置 | |
CN110472500A (zh) | 一种基于高速无人艇的水面视觉目标快速检测算法 | |
CN114495064A (zh) | 一种基于单目深度估计的车辆周围障碍物预警方法 | |
US20230222671A1 (en) | System for predicting near future location of object | |
CN114283394A (zh) | 一种车载传感器融合的交通目标检测系统 | |
Zhang et al. | A warning framework for avoiding vessel‐bridge and vessel‐vessel collisions based on generative adversarial and dual‐task networks | |
CN115953662A (zh) | 一种基于多模式融合识别的列车运行环境障碍物感知方法 | |
CN113792598B (zh) | 基于车载摄像头的汽车碰撞预测系统和方法 | |
Ramchandani et al. | A Comparative Study in Pedestrian Detection for Autonomous Driving Systems | |
Liu et al. | Research on security of key algorithms in intelligent driving system | |
CN117808689A (zh) | 基于毫米波雷达与摄像头融合的深度补全方法 | |
Zhao et al. | Nighttime pedestrian detection based on a fusion of visual information and Millimeter-Wave radar | |
Gidel et al. | A method based on multilayer laserscanner to detect and track pedestrians in urban environment | |
Ma et al. | Vehicle tracking method in polar coordinate system based on radar and monocular camera |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |