10.19620/j.cnki.1000-3703.20201036
基于深度学习与圆检测的实时双目测距算法研究
针对基于学习的双目测距算法实时性不足的问题,在Loop-Net的基础上进行改进,提出一种新的双目测距模型.以编码-解码为框架,使用卷积神经网络构建模型,使用U-Net提取特征得到1/4特征图后通过3D卷积层融合特征信息提取左、右目视差特征,并加入扩张卷积层以充分提取特征.设计损失函数时充分考虑不同输入对应的不同噪声参数,并设计了基于圆检测的物体定位算法对目标物体进行定位.试验结果表明,模型在移动终端JN-IndustriPi的运行帧率为15~17帧/s,相比于现有模型提高约15%,且精度相近.
双目测距;深度学习;实时性;移动终端;圆检测;智能驾驶
F407.67(工业经济理论)
2021-12-13(万方平台首次上网日期,不代表论文的发表时间)
共5页
50-54