【摘要】针对道路交通环境复杂多样,车辆及行人检测易出现错检及漏检的问题,提出一种基于多尺度特征融合的车辆及行人目标检测算法YOLOv8-RC。首先,在基础网络YOLOv8的结构中引入RCS-OSA模块代替原有模块,对所提取的特征信息进行增强及融合,并引入轻量级上采样算子内容感知特征重组(CARAFE)代替原上采样算子,提高网络对全局多尺度信息的融合能力。其次,通过公开数据集及网络收集的方式构建了由
【摘要】针对自动驾驶车辆目标检测过程中非机动车因体积小、易被遮挡而导致误检和漏检的问题,为提高非机动车的检测精度,对YOLOv4基础算法进行改进,利用跨阶段连接优化特征提取融合网络,在减少计算量的同时提高检测性能,并嵌入卷积块注意力模块(CBAM),通过通道和空间注意力权值分配来增大有效特征权重、提高检测精度,同时,利用自建的非机动车数据集,在锚框(Anchor)自适应匹配的基础上建立非机动车检测
【摘要】针对红外行人目标检测过程中,图像中行人目标特征不显著、小目标密集、背景复杂等因素导致的检测不全、误检率高等问题,提出了一种基于改进YOLOv7的红外行人目标检测算法。首先,以YOLOv7-tiny模型为基础,采用基于通道注意力机制的空间金字塔池化(CASPP)模块替换原始空间金字塔池化(SPP)模块,使模型更注重行人特征的提取;然后,引入基于Meta-ACON激活函数的卷积模块(CBM),
【摘要】针对车道线遮挡、道路阴影等多车道驾驶环境下提取的车道线特征信息缺失造成预测车道线模糊、不连续等问题,提出一种基于轻量化U2-Net的车道线检测算法。首先,以轻量化U2-Net的残差U形模块(RSU)和多特征尺度融合获得全局信息丰富的车道线特征;其次,对车道线特征进行逐像素阈值判断,并选择最小二乘法结合感兴趣区域(ROI)中车道线簇进行车道线的拟合,实现多车道线检测并确认自车道线区域;最后,
【摘要】针对低算力车载计算平台的车道线检测需求,提出了一种低算力依赖的实时车道线识别方法。考虑车辆行驶过程中的光照变化,提出一种自适应光照的颜色分离方法实现车道特征提取;基于经典的边缘检测与霍夫变换算法,定义有效边缘点形式,通过边缘点投票确定车道直线;利用车道直线对边缘点进行筛选与补充,应用随机抽样一致性算法获取车道曲线方程。试验验证结果表明,所提出方法在低算力处理器上的识别精度高于98%,计算速
【摘要】针对自卸车外形尺寸大导致车辆右转弯时存在较大视野盲区的问题,提出一种自卸车右转盲区风险目标动态检测算法,该算法利用YOLOv8模型的C2f模块和损失计算模块,提高了模型的检测精确率。同时,在盲区中预设4条位置阈值线,增加盲区风险预警模块,建立了自卸车右转盲区辅助驾驶系统。结果表明:所提出的风险目标动态检测算法能够识别小型乘用车、载货汽车、公交车、行人和电动自行车等多种类型的目标,且所有类别
【摘要】为解决现有视频去雾模型计算量大、运算速度慢且只能处理单幅图像的问题,提出了基于引导滤波的车载视频图像去雾简化模型。对光能的大气衰减指数定律和雾霾退化的物理模型进行修正得到去雾简化模型,利用灰度图法和引导滤波法确定了模型中的雾气浓度系数和环境大气光强度,最后利用计算机仿真对去雾简化模型进行验证,结果显示,模型对连续的视频帧去雾效果显著。 关键词:引导滤波 灰度图 车载视频 去雾简化模型