获取独家产品信息,尽享促销优惠!立即订阅,不容错过
* 限···时··优惠
摘要:为了确保服务质量和智能车辆的可靠和强大的操作,必须加深感知,位置和障碍物的阶段至关重要。的确,这些方面至关重要,因为它们提供了决策和预测模块甚至轨迹计划所需的数据。提出的论文涉及从立体电视摄像机,Lidar等不同方式的道路障碍检测系统的设计,而这些摄像机的设计很少或没有同步。在拟议的论文中,应将深度学习方法应用于通过融合多模态数据来构建3D对象检测体系结构。大多数现有的方法基于以下假设:数据完全同步,但是信息的数量和信息来源的增加越多,这些来源的同步约束就越难以尊重和保证,从而产生了对智能车辆安全性产生强大影响的科学锁定。在不同级别的深神经元网络的建筑中(早期,中间和/或迟到)在不确定性和信念的功能中融合,应确保在复杂且不利的条件下(缺乏照明,图像的饱和度),并弹性地在Cameras和Sensors的崩溃中建立强大的系统。