基于神经网络的车辅系统障碍物识别技术研究 |
| |
引用本文: | 张崟,杨波.基于神经网络的车辅系统障碍物识别技术研究[J].新技术新工艺,2022(8):40-44. |
| |
作者姓名: | 张崟 杨波 |
| |
作者单位: | 中国电子科技集团公司第二十八研究所 |
| |
摘 要: | 针对因雾霾、夜间等视线不佳环境下难以识别行人、车辆、涵洞和隧道等各类障碍物的难题,提出了一种基于神经网络的车辅系统障碍物识别技术。第1步进行深度神经网络设计,首先应用了单步目标检测算法框架进行算法设计,然后通过多尺度预测解决热源体目标尺寸差异问题,最后进行目标位置回归估计。第2步进行覆盖目标的全部特征训练数据集制备。第3步进行网络训练和推理、模型迁移。第4步针对嵌入式的平台进行神经网络模型轻量化设计,解决量化误差并实现计算精度,实现驾驶人员在雾霾、夜间等环境下对路况障碍物准确识别并清晰显示告警。通过实际测试,该方法提升了在雾霾、夜间等环境下路况障碍物识别的准确性和实时性,保障了驾驶安全。
|
关 键 词: | 深度神经网络 数据集 网络训练 模型迁移 轻量化 推理 |
|
|