摘要
本发明涉及目标检测,具体涉及基于雷达与相机数据融合的目标检测方法,雷达与相机分别采集数据;采用基于多特征约束的自适应多角度联合标定策略,实现对雷达和相机采集的异构数据的空间稀疏对准,使异构数据在空间上具有一致性和可比性;利用针对雷达和相机数据结构的YOLOv8动态结构重配置机制,分别对校准后的雷达数据、相机数据进行目标检测;采用跨模态特征融合算法对雷达检测到的目标信息与相机图像平面进行融合,得到融合特征;采用深度学习与强化学习相结合的方法,利用奖励函数对强化学习模型进行参数优化,以进行目标分类;本发明提供的技术方案能够有效克服现有技术所存在的难以对复杂场景中的动态目标进行精准检测的缺陷。
技术关键词
雷达
深度学习网络
强化学习模型
数据
策略
强化学习网络
融合特征
坐标系
分类准确率
多尺度特征融合
双线性
矩阵
模型误差
融合算法
加速度
三维相机
深度学习模型
动态
系统为您推荐了相关专利信息
XGBoost算法
低压系统
保护方法
XGBoost模型
故障检测模块
知识图谱库
自动化工具
命名实体识别技术
更新知识图谱
时效性
智能取证方法
时空注意力机制
配送终端
语音情感分析
识别快递员