智能車輛環(huán)境感知與目標(biāo)檢測技術(shù)?？?/h2>

基于多尺度特征融合的車輛及行人目標(biāo)檢測算法*

【摘要】針對道路交通環(huán)境復(fù)雜多樣，車輛及行人檢測易出現(xiàn)錯檢及漏檢的問題，提出一種基于多尺度特征融合的車輛及行人目標(biāo)檢測算法YOLOv8-RC。首先，在基礎(chǔ)網(wǎng)絡(luò)YOLOv8的結(jié)構(gòu)中引入RCS-OSA模塊代替原有模塊，對所提取的特征信息進(jìn)行增強(qiáng)...

基于YOLO算法的非機(jī)動車輛檢測模型*

【摘要】針對自動駕駛車輛目標(biāo)檢測過程中非機(jī)動車因體積小、易被遮擋而導(dǎo)致誤檢和漏檢的問題，為提高非機(jī)動車的檢測精度，對YOLOv4基礎(chǔ)算法進(jìn)行改進(jìn)，利用跨階段連接優(yōu)化特征提取融合網(wǎng)絡(luò)，在減少計算量的同時提高檢測性能，并嵌入卷積塊注意力模塊（C...

基于改進(jìn)YOLOv7的紅外行人目標(biāo)檢測方法

【摘要】針對紅外行人目標(biāo)檢測過程中，圖像中行人目標(biāo)特征不顯著、小目標(biāo)密集、背景復(fù)雜等因素導(dǎo)致的檢測不全、誤檢率高等問題，提出了一種基于改進(jìn)YOLOv7的紅外行人目標(biāo)檢測算法。首先，以YOLOv7-tiny模型為基礎(chǔ)，采用基于通道注意力機(jī)制的...

基于輕量化U2-Net的車道線檢測算法研究*

【摘要】針對車道線遮擋、道路陰影等多車道駕駛環(huán)境下提取的車道線特征信息缺失造成預(yù)測車道線模糊、不連續(xù)等問題，提出一種基于輕量化U2-Net的車道線檢測算法。首先，以輕量化U2-Net的殘差U形模塊（RSU）和多特征尺度融合獲得全局信息豐富的...

基于特征提取與邊緣點(diǎn)投票的實時車道線識別*

【摘要】針對低算力車載計算平臺的車道線檢測需求，提出了一種低算力依賴的實時車道線識別方法?？紤]車輛行駛過程中的光照變化，提出一種自適應(yīng)光照的顏色分離方法實現(xiàn)車道特征提??；基于經(jīng)典的邊緣檢測與霍夫變換算法，定義有效邊緣點(diǎn)形式，通過邊緣點(diǎn)投票確...

自卸車右轉(zhuǎn)盲區(qū)風(fēng)險目標(biāo)動態(tài)檢測算法研究

【摘要】針對自卸車外形尺寸大導(dǎo)致車輛右轉(zhuǎn)彎時存在較大視野盲區(qū)的問題，提出一種自卸車右轉(zhuǎn)盲區(qū)風(fēng)險目標(biāo)動態(tài)檢測算法，該算法利用YOLOv8模型的C2f模塊和損失計算模塊，提高了模型的檢測精確率。同時，在盲區(qū)中預(yù)設(shè)4條位置閾值線，增加盲區(qū)風(fēng)險預(yù)警...

基于引導(dǎo)濾波的車載視頻圖像去霧簡化模型

【摘要】為解決現(xiàn)有視頻去霧模型計算量大、運(yùn)算速度慢且只能處理單幅圖像的問題，提出了基于引導(dǎo)濾波的車載視頻圖像去霧簡化模型。對光能的大氣衰減指數(shù)定律和霧霾退化的物理模型進(jìn)行修正得到去霧簡化模型，利用灰度圖法和引導(dǎo)濾波法確定了模型中的霧氣濃度系...