一种级联式神经网络框架的路标识别方法研究

摘要：

为了提升无人驾驶汽车对于外界环境感知的能力,本文提出了一种级联式神经网络框架对虚拟环境中的路标进行检测与分类.该框架将添加了辅助结构的全卷积神经网络与改进后的经典LeNet-5网络进行组合,在处理所提取出的路标区域边缘不平整以及产生杂项问题上使用传统的腐蚀膨胀开运算图像处理算子进行优化和解决,实现虚拟道路图像中雨雪等多种情况下的多类路标进行定位与识别.通过与经典的不变矩特征、ORB全局特征提取方法,以及YOLO,SSD人工智能方法对比试验表明,本文所提出方法具备检测准确度高,运算速度快的优势.

关键词：目标检测、路标识别、卷积神经网络、深度学习、无人驾驶车

所属期刊栏目：31

分类号：TP751.1(遥感技术)

资助基金：国家自然科学基金;国家自然科学基金;国家科技重大专项

在线出版日期：2020-07-13（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：310-317