admin管理员组

文章数量:1516870

目录

基于多模态融合的人机协同模型与算法研究

感知与识别技术

2.1 手势信息的感知与识别

2.2 语音信息的感知与识别

2.3 场景对象的感知与识别

2.4 游戏积木的感知与识别

自适应多模态融合算法

3.1 引言

3.2 多模态融合总体框架

3.3 自适应多模态融合算法

3.5 实验结果分析与比较

复合权重强化学习的人机协同算法

4.1 引言

4.2 算法总体框架

4.3 复合权重强化学习的人机协同算法

4.4 算法描述

4.5 算法分析

4.6 实验结果分析

4.7 用户评价

基于人机协同模型与算法的助老应用实验

5.1 模型框架

5.2 助老陪护实验

5.3 实验操作场景及交互过程

 多模态融合智能检测方法及 SLAM 车载实现

车载系统总体设计

2.1 简述

2.2 车载硬件系统设计

2.3 车载软件系统设计

传感器联合标定

3.1 相机坐标系定义与参数标定

3.2 激光雷达与相机外参标定

激光雷达与视觉传感器多模态检测

4.1 基于激光雷达的人体检测

4.2 基于 RGB-D 相机的人体识别

4.3 基于 YOLOv5 的行人检测

4.4 基于 TX2 的 YOLOv5 部署

多模态融合与跟踪

5.1 行人测量的数据关联

5.2 行人的状态估计

5.3 车载系统参数与轨迹管理器

5.4 车载系统评估与可视化

5.5 车载系统的场景应用

基于多模态融合的人机协同模型与算法研究

感知与识别技术

针对助老陪护应用场景，为了使智能机器人更好地实现交互，本文选择了语音、手 势和场景对象进行融合识别。针对助老陪护的现实特点，为了达到更自然的交互效果， 本文识别了老年人日常生活陪护和心理陪护游戏中的四种模态信息。在手势识别方面，

本文标签： 实战检测方法多模案例智能

版权声明：本文标题：云计算实战应用案例精讲-【自动驾驶】多模态融合智能检测方法及 SLAM 车载实现（论文篇） 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：https://www.betaflare.com/biancheng/1726420695a1093589.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。