江苏大学汽车与交通工程学院, 江苏 镇江 212013
针对现有的基于车道线宽度的测距方法在弯道时的测距误差,提出一种基于车道线斜率的弯道处车道线横向宽度的估计方法,并推导出基于车道线横向宽度的改进测距模型。随后在同心圆车道线模型下,对现有方法和所提方法的测距误差进行对比,所提方法的测距精度得到明显提高。当车道线曲率为0.01时,在真实距离为50 m内,所提方法的测距误差小于3%;当曲率小于0.005时,在真实距离为100 m内,所提方法的测距误差小于1%。最后基于KITTI数据集验证所提方法在实际道路环境下的测距效果,结果显示,所提方法的平均测距误差在5%以内,显著提高了弯道处的测距精度。
机器视觉 车辆测距 单目视觉 车道线 先进驾驶辅助系统 激光与光电子学进展
2020, 57(18): 181503
江苏大学汽车与交通工程学院, 江苏 镇江 212013
针对原始YOLOV3目标检测算法在车辆检测任务中存在的实时性不高的问题,提出了一种改进的车辆检测模型。该模型使用反残差网络作为基础特征提取层,以减少参数量,降低计算复杂度,解决梯度消失和梯度爆炸问题。并且使用组归一化降低批量大小对模型准确性的影响,同时用软化非极大值抑制降低漏检率,使用Focal-loss改进损失函数,使模型在训练时聚焦于难分类样本。改进后的模型参数量为YOLOV3的36.23%,每帧检测时间较YOLOV3降低了13.8 ms,平均类别精度提高了1.15%。结果表明,本文算法兼顾实时性和准确性,为车辆的实时性检测提供参考。
机器视觉 车辆 目标检测 YOLOV3 反残差网络 实时检测 激光与光电子学进展
2020, 57(10): 101507
