首页|基于YOLOv4网络模型的临时道路识别算法

基于YOLOv4网络模型的临时道路识别算法

Real-time traffic cone detection for autonomous driving based on YOLOv4

扫码查看
原文链接
  • 万方数据
  • 维普
针对自动驾驶车辆不能准确识别由交通锥桶标识的临时道路问题,提出一种融合彩色相机和深度相机数据的临时道路检测算法;使用一台四目相机实时采集环境的色彩和深度信息,通过YOLOv4模型实时检测彩色和深度图像中的交通锥桶,根据边界框的欧氏距离对二者结果进行融合,最终规划出车辆在临时道路中的运动轨迹.实验结果表明,该算法能够快速、准确地识别各色交通锥桶及其位置信息,检测交通锥桶的平均精度分别为94.25％、95.16％和91.03％,平均单帧彩色图像处理时间为36.34 ms.车辆在临时道路中的运动轨迹规划也符合预期,能够辅助车辆顺利驶出.

王浩东、王立勇、苏清华、谢敏、王超、丁炳超

展开 >

北京信息科技大学,北京 100192

现代测控技术教育部重点实验室,北京 100192

目标检测 YOLOv4算法 立体视觉 交通锥桶 自动驾驶

国家173基础加强基金

2021-JCJQ-JJ-0022

2022

10.13624/j.cnki.issn.1001-7445.2022.0712

广西大学学报(自然科学版)
广西大学

广西大学学报(自然科学版)

CSTPCD北大核心
影响因子：0.767
ISSN：1001-7445
年,卷(期)：2022.47(3)
  • 2
  • 5