融合上下文信息特征的小目标检测方法

由于小目标有限的分辨率和表观信息,其检测任务一直是计算机视觉领域的挑战性工作。在解决这一问题时,现有大多数方法为了提高精度而牺牲了速度。在论文中,为了提高小目标检测精度,同时保证检测速度,提出了一种在卷积网络中引入上下文信息的特征融合方法,即Contextual Fused Network（简称CF-Net）。CF-Net引入了上下文信息,并且只在浅层进行特征融合,这样既能提高小目标的检测精度,又能保证检测速度。实验结果表明,在小目标检测上,CF-Net在PASCAL VOC2007上获得的mAP为78.9,比目前主流的单点检测器SSD提高了2%。CF-Net模型测试速度为40 fps,比现有小目标检测器DSSD高26.4 fps。     

液压储能式车辆制动能量回收系统参数设计研究

通过蓄能器存储能量的计算公式,分析了蓄能器的容积、充气压力和最高工作压力对能量存储能力的影响,提出了充分发挥蓄能器能量存储能力的充气压力的确定方法和蓄能器容积的确定方法.根据能量守恒原理,得到了车轮制动力矩的计算公式,分析了液压系统的压力、液压泵/马达的排量和传动系的传动比对车轮制动力矩的影响,提出了液压泵/马达的排量和减速箱传动比的确定方法.     

基于传感器融合的户外道路下无人驾驶卡车姿态估计方法研究

论文针对户外道路下的无人驾驶卡车,提出了一种基于微机电系统惯性测量单元和激光雷达融合的姿态估计方法.论文的主要内容包括三个方面:1)基于扩展卡尔曼滤波器设计无加速度数学模型,克服惯性测量单元的纵向和横向测量漂移.2)从激光雷达一维点云分布建立多线扫描几何模型,分析路面障碍物(包括凸起障碍物和凹陷障碍物)的几何特征得到道...     

YRNet:一种基于混合神经网络的多目标车辆检测方法

随着汽车保有量屡创新高，为提高道路交通安全水平，以目标车辆检测为核心，设计了一种用于多目标车辆检测的融合神经网络。为解决多尺度车辆难以检测、计算量大的问题，在Yolov5基础上将Backbone部分采用的CSP-DarkNet替换成了CSP-ResNext,搭建了新的融合网络YRNet;针对训练与推理过程中Batch Norm方法随batchsize变化效果极其不稳定的问题，改进了Group Norm方法；针对更好的性能，在计算量未显著增加的前提下将LeakyReLU激活函数换成了Mish激活函数。最后在自己制作的数据集上进行实验，并且通过TensorRT模型加速部署到实际应用中，平均检测精度达到了95.8%,速度达到了66FPS,能很好地满足实际应用需要。