-
题名4D毫米波雷达点云与视觉图像自动外参配准方法
被引量：1
- 1
-
-
作者
毕欣
翁才恩
王瑜
胡再刚
-
机构
同济大学汽车学院
成都汽车产业研究院
成都天软信息技术有限公司
-
出处
《华南理工大学学报(自然科学版)》
北大核心
2025年第1期74-83,共10页
-
基金
国家重点研发计划项目(2022YFE0117100)
成都市重大科技创新项目(2021-YF08-00140-GX)
广东省基础与应用基础研究项目(2021B1515120032)。
-
文摘
随着自动驾驶技术的快速发展,环境感知系统对多传感器融合的需求日益增加。4维(4D)毫米波雷达因其在复杂天气和光照条件下的稳定性能而成为自动驾驶领域的重要传感器之一。尽管4D毫米波雷达通过增加俯仰角信息和提高点云密度改善了目标检测的精度,但其点云稀疏性和噪声问题限制了其独立应用。因此,4D毫米波雷达与视觉传感器的融合成为提升自动驾驶感知精度的关键。然而,传统的外参配准方法依赖繁琐的手动操作,难以满足高效自动化配准的需求。为解决这一问题,该文提出了一种基于标定板的4D毫米波雷达与视觉图像自动外参配准方法。该方法首先设计了包含ChArUco标记、红色圆环和角反射器的标定板,然后通过圆检测算法和角反射器检测算法自动提取配准点的图像坐标和雷达点云坐标。此外,还提出了一种通过3D Max和Unity仿真的方式实现配准数据采集与验证的方法。最后,通过实验比较直接线性变换(DLT)和外参配准(EC)2种方法的性能,评估配准精度。结果表明,所设计的标定板和自动配准算法能够有效地减少人工操作,并且在配准点个数较多时,EC方法具有更高的配准稳定性和配准精度。
-
关键词
多传感器配准
4D毫米波雷达
视觉
自动驾驶
外参配准
-
Keywords
multi-sensor calibration
4D millimeter-wave radar
vision
autonomous driving
extrinsic calibration
-
分类号
TP212
[自动化与计算机技术—检测技术与自动化装置]
TP391.4
[自动化与计算机技术—计算机应用技术]
U463.6
[机械工程—车辆工程]
-
-
题名利用节点重要度和社团接近度发现社团结构
被引量：1
- 2
-
-
作者
冯健
史丹丹
罗香玉
叶鸥
-
机构
西安科技大学计算机科学与技术学院
成都天软信息技术有限公司
-
出处
《西安科技大学学报》
CAS
北大核心
2020年第1期181-186,共6页
-
基金
陕西省自然科学基金(2017JQ6053,2018JQ5095)
-
文摘
社团发现能够揭示复杂网络的拓扑结构特性。针对现有社团发现算法社团初始节点选择随机、相似度计算过分依赖节点间共享邻居以及需要事先设定社团个数等问题,依托层次聚类思想提出基于节点重要度和社团接近度的社团划分算法。首先引入节点重要度的定义并给出重要节点的计算模型,根据该模型得到最重要节点作为社团的初始聚类中心;然后兼顾节点的共享关系和直接影响定义节点的社团接近度,依据社团接近度指标寻找与社团最接近的节点,根据该节点的加入为社团带来的局部模块度增量判断是否将其加入到已有社团。首个社团划分完毕后,重复选取初始聚类中心并构造社团的过程,直到没有可归入社团的节点。在2个典型复杂网络数据集上进行了测试,并与Girvan-Newman算法和Newman快速算法从准确率和模块度进行对比,实验结果表明所提算法在社团数目未知的前提下能够获得更好的社团划分结果。
-
关键词
社团发现
层次聚类
节点重要性
社团接近度
-
Keywords
community discovery
hierarchical clustering
node importance
community proximity
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-
-
题名基于链路变化的增量式动态网络社团检测模型
- 3
-
-
作者
冯健
陈少剑
付立东
史丹丹
-
机构
西安科技大学计算机科学与技术学院
成都天软信息技术有限公司宽频通信开发中心
-
出处
《计算机工程与设计》
北大核心
2022年第9期2464-2469,共6页
-
基金
陕西省自然科学基础研究计划基金项目(2020JM-526、2020JM-533)。
-
文摘
当前主流的动态社团检测算法通常基于社团结构平稳变化的假设,不能很好地处理网络突变和累积误差,提出一种增量式动态社团检测模型。将前一时刻的社团结构作为初始聚类结果,利用链路变化找出增量相关社团,利用网络变化度和社团稳定度局部调整初始聚类,得到符合当前网络拓扑的社团结构。在真实网络和合成的动态网络中的实验结果表明,所提算法可以准确地发现动态网络社团结构,能有效解决网络突变和累积误差等问题。
-
关键词
动态网络
社团发现
增量
网络突变
累积误差
-
Keywords
dynamic networks
community detection
increment
network mutation
cumulative error
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
