摘要
本发明公开了一种超分辨率图像重建与时空自适应的占据预测方法,属于预测方法技术领域,该方法首先通过超分辨率重建模型提升低分辨率图像质量,结合自动编码器提取特征,并优化重建过程以保留关键纹理信息,为占据预测提供高分辨率输入,然后,将重建图像输入2D‑3D提升模块,提取3D体素特征,生成2D俯视视角(BEV)特征,基于这些BEV特征,进行流动预测、分割预测和高度预测,提取运动趋势、生成初步占据状态并估算物体高度,为后续占据预测提供空间和时间信息,结合流动预测结果,通过实例匹配优化相邻时间帧中的物体位置,修正初步预测的误差,提高时间序列稳定性,最终,将二维占据预测转化为三维占据预测,确保空间结构的准确性。
技术关键词
超分辨率图像重建
自动编码器
超分辨率重建模型
生成式对抗网络
深度卷积神经网络
二维图像数据
模块
生成高度
修正误差
预训练模型
重建误差
动态物体
动态场景
运动
预测误差
三维结构
系统为您推荐了相关专利信息
深度卷积神经网络模型
照片
识别方法
人工智能识别技术
训练集
数据补全方法
模型训练方法
电池性能检测方法
特征提取模型
计算机执行指令
机电设备故障
智能诊断方法
监测液压支架
风险
指数
资金
森林模型
追踪方法
自动编码器
数据处理单元
宠物身份识别方法
耳部特征
嘴部特征
图像块
轮廓特征