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
下载:
