基于神经网络的车辅系统障碍物识别技术研究

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。