基于深度学习的智能车目标检测与视觉导航

目标检测和视觉导航是无人驾驶的关键技术。传统的道线检测依赖于特征提取和检测校正，交通标志识别依赖于色彩分析和图像分割，然而道路场景的剧烈变化导致算法的鲁棒性较差。基于模拟的无人驾驶场景，本文探究深度学习模型LaneNet和YOLOv4，以完成智能车的视觉导航与目标识别。针对不同识别任务，文章采取传统视觉与深度学习结合的方式，保证算法的鲁棒性与实时性。在室内模拟场景中，智能车的无人驾驶系统能够准确实时地完成交通场景中的路线检测、交通灯识别和路线导航任务。