基于神经网络的车辅系统障碍物识别技术研究

作     者：张崟 杨波 ZHANG Yin;YANG Bo

作者机构：中国电子科技集团公司第二十八研究所江苏南京210007 

出 版 物：《新技术新工艺》 (New Technology & New Process)

年 卷 期：2022年第8期

页      码：40-44页

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。

主 题 词：深度神经网络 数据集 网络训练 模型迁移 轻量化 推理 

学科分类：1305[艺术学-设计学类] 13[艺术学] 08[工学] 081104[081104] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

D　O　I：10.16635/j.cnki.1003-5311.2022.08.008

馆 藏 号：203114478...