基于深度学习的交通标志测距方法研究
自动驾驶技术和高级驾驶辅助系统设计成为近几年的研究热点,对交通标志进行实时的识别和定位在其中扮演了至关重要的角色,但目前研究大都局限于对交通标志的检测和识别,没有涉及对交通标志距离的测量.针对以上问题,提出了一种基于深度学习的交通标志检测与测距方法,该方法是基于回归的深度神经网络检测和步进式三维重建测距网络相结合,通过单阶段目标检测神经网YOLOv3完成交通标志的识别,并输出交通标志的像平面坐标,进行步进式转换处理,预测交通标志的距离.实验结果表明:检测速度达到29f/s(每秒传输帧数),距离检测平均误差为3%左右,准确率达到91.58%以上,该方法在精度和速度上均能获得较高的检测性能,完全满足自动驾驶中交通标志检测的实时性需求.
交通标志检测、深度学习、测距、YOLOv3
16
TP391(计算技术、计算机技术)
佳木斯大学科学技术重点项目Lz2014-007
2020-06-17(万方平台首次上网日期,不代表论文的发表时间)
共4页
1-3,7