您的位置： 专家智库 > >

刘子伟

作品数：11 被引量：1H指数：1
供职机构：武汉理工大学更多>>
相关领域：自动化与计算机技术更多>>

合作作者

文献类型

  • 10篇专利
  • 1篇学位论文

领域

  • 2篇自动化与计算...

主题

  • 8篇图像
  • 5篇车道
  • 5篇车道线检测
  • 4篇全景
  • 4篇网络
  • 3篇多任务
  • 3篇多任务学习
  • 2篇单应性
  • 2篇道路图像
  • 2篇序列图
  • 2篇序列图像
  • 2篇训练网络
  • 2篇阴暗
  • 2篇神经网
  • 2篇神经网络
  • 2篇时空信息
  • 2篇识别技术
  • 2篇视频
  • 2篇视频图像
  • 2篇视频序列

机构

  • 11篇武汉理工大学

作者

  • 11篇刘子伟
  • 10篇石英
  • 4篇谢长君
  • 4篇全书海
  • 4篇孙明军
  • 2篇陈洁
  • 2篇张立炎
  • 2篇陈启宏
  • 2篇杜科
  • 2篇雷博文

年份

  • 1篇2022
  • 3篇2021
  • 4篇2019
  • 2篇2018
  • 1篇2016
共 11 条 记 录，以下是 1-10
全选 清除 导出
排序方式：
融合结构化道路区域分割的车道线检测与跟踪算法研究
随着无人驾驶技术的发展，提高其安全性成为实际应用的关键所在。其中，车道线检测是无人驾驶技术中的重要基础。本文以结构化道路场景中的车道线为主要研究对象，结合道路分割任务，开展了如下研究。　　首先，研究了道路分割算法。改进了...
刘子伟
关键词：车道线检测特征提取多任务学习
文献传递
一种匹配策略融合及低误差的快速图像拼接方法
本发明公开了一种匹配策略融合及低误差的快速图像拼接方法，包括：S1、获取待拼接的多幅序列图像，对其进行预处理、标定图像间的重合区域；S2、在重合区域内提取SIFT特征点，并计算SURF特征描述符；S3、完成特征粗匹配，并...
石英杨明东罗佳齐徐乐陈启宏张立炎全书海高田翔谢凌云刘子伟朱剑怀
文献传递
基于改进SCNN网络的车道线检测方法
本发明公开了一种基于改进SCNN网络的车道线检测方法，通过选取CULane车道线数据集，作为用于改进后SCNN网络训练的训练数据集；构建改进后的SCNN网络，对不同的车道线特征进行分类，输出车道线候选点；采用车道线种子点...
石英万方颖谢长君刘子伟
文献传递
一种基于运动历史图像与卷积神经网络的行为识别方法
本发明公开了一种基于运动历史图像与卷积神经网络的行为识别方法，包括以下步骤：S1、获取输入的原始视频图像，通过基于运动历史图像的行为序列特征提取方法对其进行处理；S2、采用基于深度卷积神经网络的方法对局部运动历史图像进行...
石英罗佳齐杨明东孙明军徐乐高田翔谢凌云全书海刘子伟朱剑怀
一种基于道路分割的车道线多任务学习检测方法
本发明涉及道路交通的图像识别技术领域，公开了一种基于道路分割的车道线多任务学习检测方法，包括步骤：构建多任务学习网络，对输入的道路图像进行识别和处理，输出道路分割数据和车道线检测数据；构建链接编码结构，连接上述两个子网络...
石英胡墨非谢长君刘子伟
文献传递
一种匹配策略融合及低误差的快速图像拼接方法
本发明公开了一种匹配策略融合及低误差的快速图像拼接方法，包括：S1、获取待拼接的多幅序列图像，对其进行预处理、标定图像间的重合区域；S2、在重合区域内提取SIFT特征点，并计算SURF特征描述符；S3、完成特征粗匹配，并...
石英杨明东罗佳齐徐乐陈启宏张立炎全书海高田翔谢凌云刘子伟朱剑怀
文献传递
基于改进SCNN网络的车道线检测方法
本发明公开了一种基于改进SCNN网络的车道线检测方法，通过选取CULane车道线数据集，作为用于改进后SCNN网络训练的训练数据集；构建改进后的SCNN网络，对不同的车道线特征进行分类，输出车道线候选点；采用车道线种子点...
石英万方颖谢长君刘子伟
文献传递
一种螺纹桶内壁图像360度全景拼接方法及系统
本发明公开了一种螺纹桶内壁图像360度全景拼接方法及系统，该方法包括以下步骤:S1、将多个摄像头竖直排列并用支架固定，以螺纹桶中心为轴心将支架旋转并进行拍摄，得到螺纹桶内壁全景分块图片；S2、标定分块图片的重叠区域，得到...
石英雷博文杜科陈洁孙明军刘子伟朱剑怀
文献传递
一种螺纹桶内壁图像360度全景拼接方法及系统
本发明公开了一种螺纹桶内壁图像360度全景拼接方法及系统，该方法包括以下步骤:S1、将多个摄像头竖直排列并用支架固定，以螺纹桶中心为轴心将支架旋转并进行拍摄，得到螺纹桶内壁全景分块图片；S2、标定分块图片的重叠区域，得到...
石英雷博文杜科陈洁孙明军刘子伟朱剑怀
一种基于运动历史图像与卷积神经网络的行为识别方法
本发明公开了一种基于运动历史图像与卷积神经网络的行为识别方法，包括以下步骤：S1、获取输入的原始视频图像，通过基于运动历史图像的行为序列特征提取方法对其进行处理；S2、采用基于深度卷积神经网络的方法对局部运动历史图像进行...
石英罗佳齐杨明东孙明军徐乐高田翔谢凌云全书海刘子伟朱剑怀
文献传递
全选 清除 导出
共2页<12>
聚类工具0