排序方式: 共有3条查询结果,搜索用时 62 毫秒
1
1.
交通事故摄影图像的自标定三维重建模型 总被引:1,自引:1,他引:0
为了提高交通事故现场的勘测效率和摄影测量技术的使用方便性,在基础矩阵估计的基础上,建立了基于普通数码相机的交通事故摄影图像自标定三维重建模型。模型以特征点对应匹配为基础,通过基础矩阵计算和本质矩阵分解,进行道路交通事故摄影图像自标定三维重建。实验结果表明该模型可以在无现场标定参考点设置的情况下,用普通数码相机对道路交通事故现场进行三维重建,三维重建结果与实际三维数据仅相差一个比例因子。 相似文献
2.
提出了一种面向进阶精简指令集机器(ARM)平台的自标定驾驶员疲劳检测方法。对驾驶员不同身高、体型及车内摄像头不同位置,采用驾驶员初始姿态自标定方法;采用改进的基于深度学习的多任务卷积神经网络(MTCNN),提取人脸识别和特征点,以得到头部姿态、眼睛、嘴巴运动等信息;基于操作员序列的深度卷积神经网络,来判断驾驶员的疲劳状态等级。实验了驾驶员疲劳检测方法。结果表明:相对于没有标定,采用本驾驶员自标定的方式,识别准确性提高了15%,采用MTCNN方法和ARM NEON加速技术,在“全志H5”、“树莓派”和Android手机上,运行速度分别是200、150、140 ms,提高约50%。因而,该检测方法,既提高了系统鲁棒性,也满足实时需求。 相似文献
3.
1