排序方式: 共有8条查询结果,搜索用时 15 毫秒
1
1.
针对行人轨迹预测具有复杂、拥挤的场景和社会交互问题,基于长短时记忆网络(Long Short-term Memory Network, LSTM)对行人与车辆、行人与其他行人的交互进行建模,提出一种基于人-车交互的行人轨迹预测模型(VP-LSTM)。该模型同时考虑了行人与行人的交互、行人与车辆的交互,更适用于复杂的交通场景。所构建的VP-LSTM包括3个输入,以行人的方向和速度作为历史轨迹序列输入,行人与行人的相对位置作为人-人交互信息输入,行人与车辆的相对位置作为人-车交互信息输入。该方法首先设计扇形人-人交互邻域和圆形人-车交互邻域来准确捕捉对被预测行人有相互作用的行人和车辆;其次建立3种不同的LSTM编码层来编码历史行人轨迹序列、人-人、人-车社交信息;然后定义人-人、人-车交互的防碰撞函数和方向注意力函数作为人-车、人-人社交信息的权重,进一步提高社会信息的精度;再将人-人、人-车交互信息输入到注意力模块中筛选出对行人影响大的社会信息;最后将筛选后的社会信息与行人历史轨迹序列一起输入到LSTM神经网络中进行行人轨迹预测,并在构建的DUT人-车交互数据集上验证提出的网络。研究结果表明:提出的方法能够准确地预测出交通场景中,人-车交互行人未来一段时间内的运动轨迹,有效提高了预测精度,提高了智能驾驶决策的准确性。 相似文献
2.
3.
4.
5.
6.
基于激光扫描仪的数据分析,对智能车辆前方地形数据的三维可视化技术进行了研究。首先对采集的离散数据进行预处理:采用中值滤波算法减弱噪声的影响,通过车体坐标系到世界坐标系的转换实现车辆行走过程中不同场景的拼接;然后基于Splatting理论,选取椭圆高斯足印函数实现了离散三维数据的直接体绘制;最后结合可视化工具包VTK(Visualization Toolkit)的连续数据场轮廓提取和交互操作功能,在Visual C++开发环境下实现了基于激光扫描的环境信息可视化技术,可以达到逼真重构真实环境的可视化效果。 相似文献
7.
智能车辆的障碍物检测研究方法综述 总被引:3,自引:0,他引:3
按照使用传感器的不同类型来分类,对智能车辆的障碍物检测和识别技术进行了综述,并分析各种障碍物检测方法。这些方法中主要包括基于立体视觉方法、基于激光雷达的方法:基于彩色机器视觉的方法及基于结构光的方法等等,同时作者指出任何一种有效的障碍物检测系统不能只依靠单一传感器进行环境感知,因此利用多种传感器信息融合技术检测智能车辆前方障碍物,是未来该领域的研究重点与难点。另外,还介绍了近几年一些研究机构在该领域的研究成果,并对所使用的一些算法进行简要的概括,为我国在智能车辆的障碍物检测领域的发展提供借鉴。 相似文献
8.
基于激光雷达的无人驾驶车前方障碍物检测 总被引:1,自引:0,他引:1
无人驾驶车在越野条件下的环境感知技术是其实现自主导航功能的难题.由于越野环境复杂,障碍物种类繁多,对智能车周围环境的探测更是难上加难.选择越野环境下几种典型的障碍物作为检测目标,采用基于激光雷达面扫描的方法获取无人驾驶车前方路面图像信息,根据障碍物对于激光数据的不同特征,检测无人驾驶车前方静止的障碍物,主要包括水塘、石头或陡坡以及树木等.利用激光可直接测得障碍物距离数据的优势,基于投影变换原理进而求得障碍物的长、宽或高等三维信息. 相似文献
1