基于神经网络的车辅系统障碍物识别技术研究

摘要：

针对因雾霾、夜间等视线不佳环境下难以识别行人、车辆、涵洞和隧道等各类障碍物的难题,提出了一种基于神经网络的车辅系统障碍物识别技术.第1步进行深度神经网络设计,首先应用了单步目标检测算法框架进行算法设计,然后通过多尺度预测解决热源体目标尺寸差异问题,最后进行目标位置回归估计.第2步进行覆盖目标的全部特征训练数据集制备.第3步进行网络训练和推理、模型迁移.第4步针对嵌入式的平台进行神经网络模型轻量化设计,解决量化误差并实现计算精度,实现驾驶人员在雾霾、夜间等环境下对路况障碍物准确识别并清晰显示告警.通过实际测试,该方法提升了在雾霾、夜间等环境下路况障碍物识别的准确性和实时性,保障了驾驶安全.

关键词：深度神经网络、数据集、网络训练、模型迁移、轻量化、推理

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2022-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：40-44