- 博客(5)
- 收藏
- 关注
RSS订阅原创 【自动驾驶】SYGNET：基于SVD-YOLO的幽灵网络，用于实时驾驶场景解析学习笔记
本文研究了自动驾驶场景解析技术，分析了神经网络训练时间的一些固有问题，并提出了SYGNet。在特征提取组件中，提出了一种基于VoxelNet的点云特征和图像特征提取算法。在SVD-YOLO GhostNet组件中，SVD分解图像数据，利用YOLOv3获取未来地图，然后转换为GhostNet，对提高精度有积极作用。最后，实验结果表明，SYGNet能够有效、显著地提高自动驾驶在交通拥堵或复杂路况下的场景解析和识别能力，从而使自动驾驶技术更加安全可靠。
2023-09-19 20:33:04
217
原创 【YOLO v1】You Only Look Once: Unified, Real-Time Object Detection阅读笔记
文章主要介绍了YOLO（You Only Look Once），这是一种用于目标检测的新方法。YOLO将目标检测问题看作是对空间分离的边界框和相关类别概率的回归问题。这篇文章介绍了YOLO的工作流程以及其在实时系统中的性能表现。YOLO非常快速，每秒可以处理45帧的视频流，并且实时处理的延迟小于25毫秒。此外，YOLO的平均准确率超过了其他实时系统的两倍。文章还指出，与目前最先进的检测系统相比，YOLO在定位小物体方面会出现更多错误。YOLO的训练和测试代码是开源的，并且提供了多种预训练模型供下载。
2023-09-17 18:52:05
184
1
原创 【自动驾驶】自动驾驶车辆中基于图像和点云融合的目标检测调查学习笔记
因此，一级模型被广泛使用。EPNet++ [157]基于EPNet [158]，引入了一种新颖的级联双向融合（CB-Fusion）模块，以生成更具判别性和全面的特征表示，如图9a所示。此外，由于它不包括图像和点云之间的复杂交互（例如，时间同步，空间对齐，特征相关），因此与前两种融合结构相比，它更容易实现。（1）定向梯度直方图（HOG）：HOG [32]是用于计算机和图像处理中对象检测的局部特征描述符.由于它描述了边缘结构特征和物体结构信息，因此使用HOG检测器进行了许多研究来检测物体[33]，[34]。
2023-09-15 00:32:39
1239
原创 【自动驾驶】基于强化学习的自动驾驶汽车路径规划方法研究综述学习笔记
自动驾驶技术在计算机、物联网、人工智能和自动化技术的推动下不断发展，并逐渐引起了大众的关注。路径规划作为自动驾驶的重要技术之一，在自动驾驶车辆的高效、安全行驶中起着关键作用。路径规划技术在机器人领域有着较早且成熟的研究，现有的自动驾驶车辆路径规划方法通常借鉴了机器人的路径规划方法，如A*算法、Dijkstra算法、蚁群算法、遗传算法、人工势场法和动态窗口法等。然而，由于自动驾驶车辆的速度较快且场景复杂，传统的机器人路径规划方法难以满足汽车行驶中的需求。因此，本文探讨了基于强化学习的路径规划方法。文章首先介绍
2023-09-12 10:44:10
357
1
原创 【自动驾驶】多传感器信息融合研究综述学习笔记
多传感器信息融合是实现无人驾驶的核心技术，多个传感器之间协同收集车辆周围环境的数据信息，经过多传感器融合结构的转换和处理，使用融合算法进行联合分析，能够使车辆全面地感知驾驶环境，帮助车辆完成自主导航、变道、控制速度等智能决策。
2023-09-11 22:14:42
232
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人