[发明专利]一种基于深度学习采用单线激光雷达的车辆检测方法有效
| 申请号： | 201910206463.6 | 申请日： | 2019-03-19 |
| 公开（公告）号： | CN110097047B | 公开（公告）日： | 2021-10-08 |
| 发明（设计）人： | 瞿三清;卢凡;董金虎;陈广;许仲聪;陈凯 | 申请（专利权）人： | 同济大学 |
| 主分类号： | G06K9/32 | 分类号： | G06K9/32;G06K9/00;G06K9/20;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 上海科盛知识产权代理有限公司 31225 | 代理人： | 杨宏泰 |
| 地址： | 200092 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于深度学习采用单线激光雷达的车辆检测方法，包括以下步骤：1)通过单线激光雷达采集车辆的特征点云数据，并进行预处理得到二进制图像；2)对二进制图像中进行标注，获取其中车辆所在的位置，生成训练数据集，并采用聚类方法生成感兴趣区域；3)构建适用于目标车辆检测的深度卷积神经网络及其损失函数；4)对感兴趣区域进行增广后输入深度卷积神经网络中，并根据输出值与训练真值的差异对卷积神经网络中的参数进行训练更新，得到最优的网络参数，并根据训练好的深度卷积神经网络进行车辆位置检测，获取车辆位置。与现有技术相比，本发明具有稳健性高、检测成本低等优点。 | ||
| 搜索关键词： | 一种 基于 深度 学习 采用 单线 激光雷达 车辆 检测 方法 | ||
【主权项】：
1.一种基于深度学习采用单线激光雷达的车辆检测方法，其特征在于，包括以下步骤：1)通过单线激光雷达采集车辆的特征点云数据，并进行预处理得到二进制图像；2)对二进制图像中进行标注，获取其中车辆所在的位置，生成训练数据集，并采用聚类方法生成感兴趣区域；3)构建适用于目标车辆检测的深度卷积神经网络及其损失函数；4)对感兴趣区域进行增广后输入深度卷积神经网络中，并根据输出值与训练真值的差异对卷积神经网络中的参数进行训练更新，得到最优的网络参数，并根据训练好的深度卷积神经网络进行车辆位置检测，获取车辆位置。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于同济大学，未经同济大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910206463.6/，转载请声明来源钻瓜专利网。
