摘要
本申请实施例提供一种基于多摄像头融合的端到端自动驾驶控制方法及装置,通过结合前置和左右广角摄像头信息,通过空间变换和坐标映射实现多视角目标检测和跟踪。设计多视角特征融合网络架构,包含特征提取、动态权重分配和特征融合三个子网络,基于图像清晰度、检测置信度和视野重叠度动态调整融合权重。引入视角间几何一致性约束和重建损失函数,构建深度神经网络模型,有效应对摄像头遮挡等异常情况,输出精确的控制指令。该方法解决了传统技术在多视角信息融合、遮挡处理等方面的不足,显著提升了自动驾驶系统的感知能力和控制可靠性。
技术关键词
深度神经网络模型
驾驶控制方法
多视角特征融合
动态权重分配
图像
车体坐标系
广角摄像头
融合特征
损失函数优化
视野
搜索方法
多模态
构建深度神经网络
跟踪器
双线性插值算法
多层卷积网络
车辆
系统为您推荐了相关专利信息
控制权转换方法
量子深度学习
残差神经网络
彩色图像
融合卷积神经网络
滑动轴承表面
缺陷检测方法
像素点
区域生长算法
电梯
特征提取网络
标签
残差模块
多尺度特征融合
融合特征