摘要
本申请涉及智能驾驶的环境感知技术领域,提供一种占用栅格预测网络的训练方法及车辆环境感知方法、装置,容易部署的同时可以保证多视角占用栅格预测任务的质量。该方法将多视角图像样本输入图像特征提取单元,得到多视角图像特征样本;将多视角图像特征样本输入位置编码单元,得到多视角位置编码特征样本;将多视角图像特征样本和多视角位置编码特征样本输入融合单元得到的三维感知视觉特征样本,输入多层感知机视角变换单元,得到鸟瞰视角特征样本;将鸟瞰视角特征样本输入占用栅格预测单元,得到占用栅格预测结果样本;根据占用栅格预测结果样本与占用栅格标签结果间的差异,调整各单元参数以完成训练。
技术关键词
占用栅格
多视角
位置编码单元
样本
多层感知机
视觉特征
车辆环境感知方法
图像特征提取
编码特征
视锥点云
网络
上采样
坐标系
特征提取模块
环境感知技术
系统为您推荐了相关专利信息
结构学习方法
多层感知机
结构方程模型
负荷预测误差
有向无环图
自动识别方法
天气
Adaboost模型
样本
支持向量机模型
原型
联邦学习方法
全局特征提取
标签
特征提取器
光伏功率预测方法
深度残差神经网络
多层感知机
表达式
数据