基于卷积神经网络的LDW误漏报测试方法及测试系统
专利类型：发明专利
语 言：中文
申 请 号：CN201810206344.6
申 请 日：20180313
申 请 人：重庆大学
申请人地址：400044重庆市沙坪坝区沙坪坝正街174号
公 开 日：20180824
公 开 号：CN108445866A
代 理 人：余锦曦
代理机构：重庆为信知识产权代理事务所(普通合伙)50216
摘 要：本发明公开一种基于卷积神经网络的LDW误漏报测试方法：S1，设置摄像头；S2，设定最大横向距离L，并平均离散化为n个类；S3，采集实时图像A并输入到深度卷积神经网络模型，计算获得车道边线的实际距离di；S4，判断LDW系统是否误报或漏报；S5，统计LDW系统的误作率；一种测试系统，包括图像采集装置、车载数据采集机构、分析器、运算处理器；所述图像采集装置连接分析器，所述运算处理器分别与分析器、车载数据采集机构连接。有益效果：本方法操作简单，识别速度快、识别精度高，对各路况的车道都适用；本测试系统可以最简化地仅设置图像采集装置、车载数据采集机构、分析器和运算处理器，无需另设车道边线标尺即可全自动识别偏离情况。??全部
主 权 项：1.一种基于卷积神经网络的LDW误漏报测试方法，其特征在于采用下列步骤：S1，设置摄像头，令摄像头的采集图像为车身一侧到车道边线的路面图像；S2，设定车身一侧到车道边线的最大横向距离L，并平均离散化该最大横向距离L为n个类；S3，汽车行驶过程中所述摄像头采集实时图像A，并输入该实时图像A到深度卷积神经网络模型，所述深度卷积神经网络模型计算获得该时刻车身一侧到车道边线的实际距离di；S4，运算处理器根据当前车速和LDW系统工作状态判断所述实际距离di中LDW系统是否误报或漏报；S5，统计测试时间T内LDW系统的误作率，并输出该误作率数据。
关 键 词：分析器;卷积神经网络;图像采集装置;采集机构;测试系统;车载数据;漏报;运算处理器;车道;边线;最大横向距离;全自动识别;摄像头;测试;实际距离;实时图像;和运算;处理器;误报;标尺;偏离;采集;统计
法律状态：公开
IPC专利分类号：G05B23/02(2006.01)I;G06K9/00(2006.01)I