原文传递
基于深度学习和激光雷达的道路分割方法
| 专利名称： | 基于深度学习和激光雷达的道路分割方法 |
| 摘要： | 本发明公开了一种基于深度学习和激光雷达的道路分割方法，包括：对端到端的神经网络进行模型训练；利用训练完成的模型对输入端的图像数据进行处理得到道路分割结果；将激光雷达三维空间标定和图像采集模块采集的图像数据进行像素级匹配，将分割结果目标之间的边界部分采用激光雷达的点云图进行矫正。利用深度学习的像素级定义精度识别的深度学习网络，通过消失点回归定位，道路边界检测，目标分割来实现车道线的准确分割，并且分割出的路面目标包含车道线，行车指示标志内容，可实现精确道路分割的效果。 |
| 专利类型： | 发明专利 |
| 国家地区组织代码： | 江苏;32 |
| 申请人： | 清华大学苏州汽车研究院（吴江） |
| 发明人： | 张翠翠;孙辉;张伟 |
| 专利状态： | 有效 |
| 发布日期： | 2019-01-01T00:00:00+0800 |
| 申请号： | CN201810836073.2 |
| 公开号： | CN109003286A |
| 代理机构： | 苏州创元专利商标事务所有限公司 32103 |
| 代理人： | 范晴;丁浩秋 |
| 分类号： | G06T7/13(2017.01)I;G06T7/11(2017.01)I;G06N3/08(2006.01)I;G06N3/04(2006.01)I;G06K9/00(2006.01)I;G;G06;G06T;G06N;G06K;G06T7;G06N3;G06K9;G06T7/13;G06T7/11;G06N3/08;G06N3/04;G06K9/00 |
| 申请人地址： | 215200 江苏省苏州市吴江区联杨路139号 |
| 主权项： | 1.一种基于深度学习和激光雷达的道路分割方法，其特征在于，包括以下步骤：S01：对端到端的神经网络进行模型训练；S02：利用训练完成的模型对输入端的图像数据进行处理得到道路分割结果；S03：将激光雷达三维空间标定和图像采集模块采集的图像数据进行像素级匹配，将分割结果目标之间的边界部分采用激光雷达的点云图进行矫正。 |
| 所属类别： | 发明专利 |
检索历史
应用推荐
