基于深度学习的自动驾驶车辆目标检测与跟踪技术研究

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：传统的检测和跟踪方法在复杂驾驶场景下存在精度不高、实时性不足、鲁棒性不强等问题,据此提出了基于深度学习的改进方法.在目标检测方面,设计了一种双阶段检测器,在骨干网络中引入注意力机制,并结合FPN进行多尺度特征融合,该方法利用孪生网络架构,通过时空注意力模块来挖掘目标的显著特征和运动模式,从而增强了网络对目标表征的学习能力.这种端到端的框架设计,避免了传统方法中由于模块化处理而导致的特征表达能力下降的问题.此外,讨论了算法的局限性以及未来的改进方向.实验结果表明,所提出的算法在KITTI和OTB等公开数据集上取得了显著优于现有方法的性能,展现出了良好的精度和实时性.研究成果可为自动驾驶系统的感知模块设计提供新思路.

作者：

贺宏博

展开 >

作者单位：

武警士官学校,浙江杭州,310000

关键词：

自动驾驶目标检测目标跟踪深度学习卷积神经网络循环神经网络

出版年：

2024

DOI：

10.19999/j.cnki.1004-0226.2024.07.018

专用汽车

汉阳专用汽车研究所

专用汽车

影响因子：0.117

ISSN：1004-0226

年,卷(期)：2024.(7)