摘要
本发明提供了一种基于深度感知光栅化的单目鸟瞰视图语义分割方法及系统,S1.选择自动驾驶和移动机器人领域的公开数据集,使用所述公开数据集的图像模拟单目相机捕获的二维图像作为输入;S2.使用全局BEV特征提取模块和深度BEV特征提取模块对所述二维图像处理,得到所述二维图像的全局BEV特征和深度BEV特征;S3使用上下文感知光栅化模块将全局BEV特征和深度BEV特征转换为完整的BEV特征表示,并执行光栅化操作;S4使用光栅优化模块对光栅图进行深入处理,计算光栅损失和全局损失,并结合所述损失进行优化,得到最终的BEV语义分割结果。
技术关键词
特征提取模块
语义分割方法
光栅
语义分割系统
射线
预测前景物体
图像处理
单目相机外参
移动机器人
深度卷积神经网络
生成算法
特征金字塔网络
损失函数设计
编码器
降维方法
深度学习模型
系统为您推荐了相关专利信息
光谱图像分类方法
输出特征
注意力机制
高光谱图像分类
分支
分布式光纤传感网络
耦合特征
智能钻探设备
深度强化学习模型
移动扫描装置
倾角传感器
波长
配重块
轴承内环
光纤布拉格光栅
内容推送方法
智慧教学
教学资源库
终端
内容推送系统
轴承故障诊断
关系网络
故障特征
特征提取模块
样本