[发明专利]基于红外图像和雷达数据的夜间无人车场景深度估计方法

摘要

本发明提供了一种基于红外图像和雷达数据的夜间无人车场景深度估计方法，首先构建夜视图像数据集，夜视图像数据集中包括原始样本图像及对原始样本图像进行预分类后的雷达数据，将原始样本图像和雷达数据写入对应的文本文件中；然后构建深度卷积‑反卷积神经网络，利用夜视图像数据集训练深度卷积‑反卷积神经网络；再实时获取待处理的图像，将待处理的图像输入深度卷积‑反卷积神经网络，通过深度卷积神经网络得到特征图，将特征图输入反卷积网络得到特征图中每个像素点所属类别，输出概率图；最后将概率图，采取反log变换得到每个像素点的估计深度。试验证明，本发明提供的方法能够有效估计夜间场景的深度，保证估计的正确性和实时性。

主权项

一种基于红外图像和雷达数据的夜间无人车场景深度估计方法，其特征在于，包括如下步骤：步骤1：构建夜视图像数据集，夜视图像数据集中包括原始样本图像及对原始样本图像进行预分类后的雷达数据，将原始样本图像和雷达数据写入对应的文本文件中；步骤2：构建深度卷积‑反卷积神经网络，利用夜视图像数据集训练深度卷积‑反卷积神经网络；深度卷积‑反卷积神经网络包括深度卷积神经网络及反卷积网络，深度卷积神经网络的作用是通过一系列的卷积、激励和池化的过程提取原始样本图像的特征，从而得到特征图；反卷积网络的作用将特征图映射到雷达数据矩阵的大小；步骤3：实时获取待处理的图像，将待处理的图像输入步骤2训练后的深度卷积‑反卷积神经网络，通过深度卷积神经网络得到特征图，将特征图输入反卷积网络得到特征图中每个像素点所属类别，输出概率图；步骤4：将步骤3得到的概率图，采取反log变换得到每个像素点的估计深度。