作者:胡远志,刘俊生,何佳,肖航,宋佳 单位:清华大学 出版:《汽车安全与节能学报》2019年第04期 页数:8页  (PDF与DOC格式可能不同) PDF编号:PDFQCAN2019040060 DOC编号:DOCQCAN2019040069 下载格式:PDF + Word/doc 文字可复制、可编辑
《面向智轨电车的激光雷达道路入侵物检测技术研究》PDF+DOC2020年第04期 龙腾,刘斯斯,胡云卿,李晓光,袁希文,潘文波,罗意平,宇文天 《船载多传感器测量系统中点云技术的应用研究》PDF+DOC2016年第18期 宋烨 《车载三维激光扫描系统的点云精度分析》PDF+DOC2016年第01期 魏笑辰,罗志清 《多测源数据融合下的点云配准方法研究》PDF+DOC2016年第10期 廖海平,刘彤,伍涛,杨军 《平坦区域等密度激光点云数据获取方法》PDF+DOC2016年第10期 谢宏全,厉堃,周立,卢霞 《基于深度学习的应急手势识别算法研究》PDF+DOC2018年第02期 张雨晨,甘俊英,余飞,曾军英 《基于Kinect 2.0深度图像的快速体积测量》PDF+DOC2017年第07期 李玲玲,王正勇,卿粼波,何海波 《机载LiDAR数据航带平差研究进展》PDF+DOC2012年第02期 王丽英,宋伟东,孙贵博 《大型建筑多测站点云数据配准研究》PDF+DOC2010年第09期 谢瑞,程效军,张鸿飞 《地面三维激光扫描技术在变形监测中的应用》PDF+DOC2014年第12期 陈弘奕,胡晓斌,李崇瑞
  • 提出了一种基于4线激光雷达(LADAR)与摄像头融合的方案,用于提高智能车辆对车辆目标的检测精度。首先调用卷积神经网络来识别图像中的目标,然后将点云与图像数据进行空间匹配,最后采用R-Tree算法快速配准检测框与相应的点云数据。利用点云的深度信息就能获得目标的准确位置。经过真实道路场景采集的图像与点云数据进行测试,结果表明:该融合算法将漏检概率(FN)从Mask R-CNN方法的14.86%降低到8.03%;因而,该融合算法能够有效的降低图像漏检的概率。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。