留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

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.
  • 加载中
计量
  • 文章访问数:  157
  • HTML全文浏览量:  19
  • PDF下载量:  21
  • 被引次数: 0
出版历程

目录

    /

    返回文章
    返回