[发明专利]一种预测自由空间语义边界的方法有效
| 申请号： | 201910665688.8 | 申请日： | 2019-07-23 |
| 公开（公告）号： | CN110532868B | 公开（公告）日： | 2022-05-20 |
| 发明（设计）人： | 袁泽剑;殷梓译;曹子东 | 申请（专利权）人： | 西安交通大学 |
| 主分类号： | G06V20/58 | 分类号： | G06V20/58;G06V10/82;G06N3/04 |
| 代理公司： | 西安通大专利代理有限责任公司 61200 | 代理人： | 李鹏威 |
| 地址： | 710049 *** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种预测自由空间语义边界的方法，涉及一个多级卷积神经网络结构，可以产生高分辨率的2D置信图并预测出不同类别的自由空间语义边界。多级卷积神经网络可以隐式地学习出图像的空间上下文特征与自由空间边界结构。对于该网络输出的置信图，利用动态规划算法推理出具有局部平滑性与语义连续性的自由空间边界。本发明基于交通场景图像中包含的上下文特征，提出了一种多级卷积神经网络以产生包含边界预测结果且具有高分辨率的置信图，并利用引导性策略以提升深度网络的性能。其次，对于产生的置信图，分别在边界规划与语义规划两个方面进行建模，并利用动态规划算法最终得到自由行驶空间下的语义边界检测结果。 | ||
| 搜索关键词： | 一种 预测 自由空间 语义 边界 方法 | ||
【主权项】：
1.一种预测自由空间语义边界的方法，其特征在于，包括以下步骤：/n步骤1：基于迭代结构，构建多尺度卷积神经网络，多尺度卷积神经网络结构包括用于特征提取的卷积神经网络模块F、基于卷积的低分辨率预测器LR-MODULE和2个高分辨率预测器HR-MODULE；将低分辨率预测器LR-MODULE输出的特征图用双线性插值的方法进行上采样，并将采样得到的特征图与特征提取器中尺度相匹配的特征F1与F2相联结并送入高分辨率预测器HR-MODULE；多级卷积神经网络最终会生成一幅4通道，1/4输入图像大小并包含边界预测结果的置信图M；置信图M中的每个通道分别代表背景MB，平坦区域边界MF，路面与障碍物的交界MV与路沿边界MS；/n步骤2：采用边界动态规划与语义动态规划以推断出具体的自由空间语义边界；边界动态规划推理出具有空间平滑性的自由空间边界；语义动态规划为自由空间边界赋予语义信息。/n
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西安交通大学，未经西安交通大学许可，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/201910665688.8/，转载请声明来源钻瓜专利网。
