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(8)

    1. 张珊珊,宋英豪,王飞,安东阳,刘振旭,岳洪浩,刘俊岩. 铝合金裂纹的脉冲调频超声红外热像检测方法. 红外与激光工程. 2025(01): 166-176 . 百度学术
    2. 茅健,廖茂成,周海军,赖磊捷. 机器视觉技术在航空装配中的应用现状与展望. 航空制造技术. 2025(05): 26-46 . 百度学术
    3. 汪荣华,刘文波. 铝钛双层结构螺栓孔涡流C扫描3D成像检测工艺研究. 新技术新工艺. 2023(01): 45-48 . 百度学术
    4. 张开富,史越,骆彬,童长鑫,潘婷,乔木. 大型飞机装配中的高精度测量技术研究进展. 激光与光电子学进展. 2023(03): 52-69 . 百度学术
    5. 江海军,盛涛,郑金华,向苹. 超声红外热成像技术国内研究现状与进展. 红外技术. 2023(10): 1020-1028 . 本站查看
    6. 冯辅周,朱俊臻,李志农. 超声红外热像技术发展现状及其在航空材料缺陷检测中的应用. 航空制造技术. 2022(20): 36-53 . 百度学术
    7. 蔡亮. 基于超声红外热波成像的桥梁结构损伤识别方法. 现代交通技术. 2022(06): 55-59 . 百度学术
    8. 严琴,赵全育. 高频噪声下的螺栓表面缺陷检测. 测控技术. 2021(05): 75-79 . 百度学术

    其他类型引用(5)

计量
  • 文章访问数:  174
  • HTML全文浏览量:  21
  • PDF下载量:  22
  • 被引次数: 13
出版历程

目录

    /

    返回文章
    返回