摘要：交通灯检测作为自动驾驶任务中的关键技术,直接关系到智能汽车的行驶安全。针对交通灯尺度小、环境复杂造成的检测困难问题,提出一种多尺度YOLOv5的交通灯检测方法。首先使用复合数据增强方法对模型输入进行增强处理,增加输入的复杂性;然后设计多尺度代替固定尺度训练,均衡模型的学习能力;最后构建多尺度特征融合网络,将4倍、8倍、16倍和32倍下采样信息融合,建立多尺度检测层。为增强特征融合能力,引入远跳链接传递不同级别信息,直接提升了模型对小目标的检测能力。实验结果证明,在采集的数据集上,改进YOLOv5的检测速度最快可达到9.5ms,mAP达到99.8%,相比YOLOv5提高了17%,在Bosch数据集上,mAP增加了6.5%,实现了对交通灯的实时与高精度检测。

摘要：交通灯检测算法作为自动驾驶任务中的一个重要环节,直接关系到智能汽车的行车安全。因为交通灯尺度小且环境复杂,给算法研究带来了困难。针对交通检测存在的痛点,提出改进YOLOv5的交通灯检测算法。首先使用可见标签比确定模型输入;然后引入ACBlock结构增加主干网络的特征提取能力,设计SoftPool减少主干网络的采样信息损失,使用DSConv卷积核减少模型参数;最后设计了记忆性特征融合网络,高效利用了高级语义信息和底层特征。对模型输入和主干网络的改进,直接提高模型在复杂环境下对特征的提取能力;对特征融合网络的改进,使模型能够充分利用特征信息,增加对目标定位和边界回归的精准度。实验结果表明,改进后的方法在BDD100K数据集上取得了74.3%的AP和111frame/s的检测速度,比YOLOv5提高11.0个百分点的AP;在Bosch数据集上取得了84.4%的AP和126frame/s的检测速度,比YOLOv5提高9.3个百分点的AP。鲁棒性测试结果表明,改进后的模型在各种复杂环境中对目标的检测能力都有显著提升,鲁棒性增加,做到了高精度实时检测。

摘要：针对现有交通灯算法对小目标、遮挡目标检测识别效果不佳等问题,提出一种基于注意力与多尺度特征融合的YOLOv5检测算法(YOLOv5 detection algorithm based on attention and multi-scale feature fusion,AM-YOLOv5)。通过在残差结构中引入坐标注意力模块,提高对小目标的特征提取能力;设计四尺度检测层,通过引入更浅层特征改善对小尺度目标的检测性能,提高检测精度;针对引入注意力和检测层导致计算量增大、速度降低的问题,采用分布移位卷积替换部分主干卷积的方法,简化模型,提升速度。实验结果表明:该算法在Lara数据集上平均精度均值达到90.8%,相较于经典YOLOv5算法,精度提升2.7%,速度达到59.9 FPS,在复杂恶劣环境下的BDD100K数据集上,精度提升3.6%,速度达到34.8 FPS,具有良好的检测效果,能较好地满足交通灯的实时检测。

摘要：在自动驾驶技术和智能交通系统领域,准确识别交通信号灯对于交通安全至关重要。为了实现对不同颜色交通灯的快速准确检测,设计了一种基于计算机视觉的交通灯颜色检测方法。该方法构建由接口层、处理层、决策层和输出层组成的层次结构,利用Open CV进行图像预处理,包括图像尺寸调整、噪声滤除和色彩空间转换,为后续处理提供更清晰的视觉基础。随后通过霍夫圆变换算法检测交通灯的位置,该算法能够在复杂背景中准确地识别出圆形结构,有效定位交通灯。最终采用颜色阈值分析法来确定交通灯的颜色状态,通过设定不同颜色(红色、黄色、绿色)的阈值范围,系统能够区分和识别交通灯当前显示的颜色。实验结果表明,该方法能有效识别红色、黄色、绿色信号灯以及指示箭头,具有高准确率和快速响应的特点,证明了其在实际应用中的可行性和有效性,展示了Open CV计算机视觉技术在交通灯识别检测领域的应用价值,也为自动驾驶系统中视觉识别技术的发展提供了重要的参考。

摘要：为满足无人驾驶技术中路口启停的需求,本文提出了融合地图信息的交通灯路口车辆启停策略。首先,本文对深度学习模型YOLOv3进行了压缩、裁剪和优化,用于快速识别交通灯颜色状态和箭头信息。其次获取地图给出的当前路口信息,包含前方路口是否可以调头、左转、直行、右转以及交通信号灯的数量和每个信号灯对应的功能。然后将交通灯检测结果与当前路口信息进行匹配,并将检测结果发送到控制系统,最终控制系统根据导航信息判断是否启停。本文提出的策略保证了交通灯检测准确率,自动驾驶启停策略不限于固定单一场景,通用性强。

摘要：针对YOLOv5算法在检测交通信号灯过程中存在的误检、漏检及模型特征提取能力不足等问题,提出改进的交通信号灯检测算法ST-YOLOv5。首先,去除主干网络末端的卷积层,并在末端加入基于窗口和移动窗口的多头注意力机制;其次,设计由高分辨率、低水平特征图组成的检测层;最后,通过增加浅层高分辨率特征与深层强语义特征之间的跨层级连接来缓解由于通道数减少而造成的小目标信息丢失问题,并在多层特征聚合后加入有关通道和位置的注意力机制。实验结果表明,在BDD100K数据集中,此改进算法对交通信号灯的检测精度达到70.10%,有效减少了误检、漏检等问题。