融合卷积神经网络和循环神经网络的车轮目标检测
目标检测是基于视觉的目标定位关键技术.针对现有车轮检测方法对环境敏感问题,本文提出一种并联式融合循环神经网络和Faster R-CNN的车轮检测模型FusionRNN,借助RNN能够处理时序和CNN能够提取空间域隐性特征的优点,可提高实时性,减少参数量,使模型表达能力更强,同时具备分析序列化向量间语义关系和识别车轮几何特征的能力.该模型能在由激光雷达扫描得到的车轮三维点云投影图中准确检测出车轮位置,为基于AGV自动停车系统搬运车辆提供准确稳定的车辆位置信息.
智能车库、车轮检测、循环神经网络、卷积神经网络、激光雷达
P208(一般性问题)
2020-09-11(万方平台首次上网日期,不代表论文的发表时间)
共5页
139-143