基于改进YOLOv3和立体视觉的园区障碍物检测方法
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.16526/j.cnki.11-4762/tp.2021.09.011

基于改进YOLOv3和立体视觉的园区障碍物检测方法

引用
为了解决无人驾驶障碍物检测在园区场景中准确率低、实时性不足等问题,提出一种基于改进YOLOv3 (You Only Look Once)和立体视觉的障碍物检测方法:YOLOv3-CAMPUS;通过改进特征提取网络Darknet一53的结构减少前向推断时间,进而提升模型检测速度,通过增加特征融合尺度提升检测精度和目标定位能力;通过引入GIOU (Generalized Intersection o-ver Union)改进目标定位损失函数,通过改进k-means算法降低初始聚类点造成的聚类偏差,进而提高模型检测精度;通过立体视觉相机获得预测边界框中心点的深度信息,确定障碍物与无人车的距离;实验结果表明,提出的方法较原模型在园区混合数据集(KITTI+ PennFudanPed)上平均精度提升了4.19%,检测速度提升了5.1 fps;在自建园区数据集(HD-Campus)上平均精度达到98.57%,均能满足实时性要求.

园区障碍物;YOLOv3;特征提取;GIOU;立体视觉

29

TP391.41(计算技术、计算机技术)

天津市科技计划项目17ZXHLGX00120

2021-10-13(万方平台首次上网日期,不代表论文的发表时间)

共7页

54-60

相关文献
评论
暂无封面信息
查看本期封面目录

计算机测量与控制

1671-4598

11-4762/TP

29

2021,29(9)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn