融合目标检测与距离阈值模型的露天矿行车障碍预警

摘要：

针对当前行车预警方法无法适应露天矿非结构化道路问题,本文提出一种融合目标检测和障碍距离阈值的预警方法.首先根据露天矿障碍特点改进原有的Mask R-CNN检测框架,在骨架网络中引入扩张卷积,在不缩小特征图的情况下扩大感受野范围保证较大目标的检测精度.然后,根据目标检测结果构建线性距离因子,表征障碍物在输入图像中的深度信息,并建立SVM预警模型.最后为了保证预警模型的泛化能力采用迁移学习的方法,在COCO数据集中对网络进行预训练,在文中实地采集的数据集中训练C5阶段和检测层.实验结果表明,本文方法在实地数据检测中精确率达到98.47％,召回率为97.56％,人工设计的线性距离因子对SVM预警模型有良好的适应性.

关键词：障碍预警、目标检测、距离阈值模型、扩张卷积、迁移学习

所属期刊栏目：47

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家安全生产重特大事故防治关键技术科技项目;陕西省教育厅专项计划项目

在线出版日期：2020-03-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：38-45