基于Concenter-Net神经网络的无人驾驶汽车实时规划方法
无人驾驶汽车在机器视觉领域中成为研究热点,提出一种高效的多尺度目标检测网络,称为ConcenterNet无人驾驶方法,方法可以定位远距离区域在图像中实时并集中于前方行车记录仪透视图中的远处物体,它可以检测消失点并集中在近距离区域.第一次物体检测模型的推理将产生更大范围的感受野检测结果和更高的分辨率预测可能的消失点位置,即帧中最远的位置.然后,将其发送到对象检测模型进行第二次检测推断,获得远距离目标检测结果.最后,将这两个结果与特定的非最大抑制(NMS)方法合并.所提出的网络架构可以应用于大多数对象检测模型,仿真结果表明,所提出的控制策略可以确保极端情况下,Concenter-Net架构模型使用较低分辨率输入大小,模型复杂度较低,可以显著提高精度和召回率,行驶稳定性和轨迹跟踪精度得到提高.
无人驾驶汽车、机器视觉、目标检测、深度学习
53
TP391.41;TU984;TP242.6
教育部哲学社会科学重点研究基地重大课题攻关项目CX123456
2023-06-09(万方平台首次上网日期,不代表论文的发表时间)
共8页
164-171