基于ConvLSTM双通道编码网络的夜间无人车场景预测

李想, 孙韶媛, 刘训华, 顾立鹏

李想, 孙韶媛, 刘训华, 顾立鹏. 基于ConvLSTM双通道编码网络的夜间无人车场景预测[J]. 红外技术, 2020, 42(8): 789-794.
引用本文: 李想, 孙韶媛, 刘训华, 顾立鹏. 基于ConvLSTM双通道编码网络的夜间无人车场景预测[J]. 红外技术, 2020, 42(8): 789-794.
LI Xiang, SUN Shaoyuan, LIU Xunhua, GU Lipeng. Dual-Channel Encoding Network Based on ConvLSTM for Driverless Vehicle Night Scene Prediction[J]. Infrared Technology , 2020, 42(8): 789-794.
Citation: LI Xiang, SUN Shaoyuan, LIU Xunhua, GU Lipeng. Dual-Channel Encoding Network Based on ConvLSTM for Driverless Vehicle Night Scene Prediction[J]. Infrared Technology , 2020, 42(8): 789-794.

基于ConvLSTM双通道编码网络的夜间无人车场景预测

基金项目: 上海市科委基础研究项目(15JC1400600)
详细信息
  • 中图分类号: TN219

Dual-Channel Encoding Network Based on ConvLSTM for Driverless Vehicle Night Scene Prediction

  • 摘要: 为了提高夜间无人车驾驶的决策速度,减少夜间交通事故发生的概率,对无人驾驶场景预测任务进行了研究.提出了基于卷积长短时记忆的双通道编码夜间无人车场景预测网络,利用两个子网络:时间子网络提取红外视频序列的时序特征,空间子网络提取红外图像的空间特征,通过融合网络融合特征,输入到解码网络中,以实现对红外视频的未来帧预测.该网络具有端到端的优点,能够实现输入视频序列,直接输出预测帧的图像,并可以预测多帧图像.实验结果表明,该网络对夜间场景预测较准确,可以预测未来1.2 s后的图像,预测速度快,为0.02 s/帧,达到了实时性要求.
  • 期刊类型引用(4)

    1. 张剑,刘鑫. 基于单层小波变换的视觉传感图像超分辨率重建. 传感技术学报. 2022(01): 122-126 . 百度学术
    2. 张睿,王家宝,秦荣荣. 抵近侦察中的智能目标发现与识别前置应用. 国防科技. 2022(02): 1-8 . 百度学术
    3. 陈佳星,沈毅,周浩,邓晓辰. 基于机器视觉的钢卷尺表面缺陷检测系统设计. 软件工程. 2022(12): 21-25 . 百度学术
    4. 彭锦超,万刚,李科,李锋. MS-VSCN:用于影像匹配的多尺度视觉相似度比较网络. 测绘科学技术学报. 2021(01): 56-63 . 百度学术

    其他类型引用(0)

计量
  • 文章访问数:  174
  • HTML全文浏览量:  21
  • PDF下载量:  22
  • 被引次数: 4
出版历程

目录

    /

    返回文章
    返回
    x 关闭 永久关闭

    尊敬的专家、作者、读者:

    端午节期间因系统维护,《红外技术》网站(hwjs.nvir.cn)将于2024年6月7日20:00-6月10日关闭。关闭期间,您将暂时无法访问《红外技术》网站和登录投审稿系统,给您带来不便敬请谅解!

    预计6月11日正常恢复《红外技术》网站及投审稿系统的服务。您如有任何问题,可发送邮件至编辑部邮箱(irtek@china.com)与我们联系。

    感谢您对本刊的支持!

    《红外技术》编辑部

    2024年6月6日