原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于多模态融合的前视道面障碍物检测方法，属于激光点云与视觉图像的特征融合及目标检测领域；在获取点云数据及视觉图像的数据后，首先进行数据集的标注；再对点云进行地面去除，并采用变换矩阵，将点云从三维变换投影到二维，保留点云的深度信息和反射信息，得到稀疏的点云深度图和反射图；然后对深度图和反射图进行预处理，完成点云数据的目标增强，得到点云图像；最后采用深度学习的方式，将点云图像和视觉图像输入到双输入自适应特征融合的目标检测网络中，进行训练并优化，输出最终的检测结果；本发明解决了现有道面
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 117058655 A
(43)申请公布日 2023.11.14
(21)申请号 202311020123.7
(22)申请日 2023.08.14
(71)申请人 电子科技大学
地址 611731
文档评论（0）