您的位置: 首页 >泉州新闻 > 智能 >

一种用于智能交通系统的自我改进的金字塔立体网络

2020-05-23 10:19:31 来源:

在自主驾驶中,基于立体视觉的深度估计技术可以准确地估计出障碍物的距离,这对车辆的正确路径规划至关重要。

将立体深度估计问题转化为卷积神经网络的深度学习模型。然而,这些模型需要大量的后处理,对不适定区域或新场景没有很强的适应能力。此外,由于真实情况下难以标注真实的地面深度,系统的训练数据有限。

中国科学院深圳先进技术研究院(SIAT)张切石博士领导的一个研究小组提出了一种新的技术解决方案,以解决目前自动驾驶的深度估计问题。

研究人员提出了一种不需要复杂的后处理就能得到直接回归视差的自适应金字塔立体网络,该网络在不适定区域具有较强的鲁棒性。

此外,通过在线学习,该模型不仅解决了数据限制问题,而且在实际应用中节省了培训时间和硬件资源。同时具有对新场景的自我提升能力,能够根据测试数据快速及时调整,提高预测的准确性。

实验和基准测试表明,该网络能够实现深度估计,错误率为8.3%。

精彩推荐

图文推荐

点击排行

Copyright 泉州广播网 All Rights Reserved 版权所有 复制必究 联系QQ:127 3992 928  

所刊载内容之知识产权为界限网络及/或相关权利人专属所有或持有。未经许可,禁止进行转载、摘编、复制及建立镜像等任何使用。