-
题名基于YOLOP-L的多特征融合道路全景驾驶检测
被引量：1
- 1
-
-
作者
吕嘉璐
周力
巨永锋
-
机构
长安大学电子与控制工程学院
-
出处
《计算机科学》
CSCD
北大核心
2024年第S01期433-440,共8页
-
文摘
目前,驾驶员视角下的交通图像检测技术成为交通领域的重要研究方向,同时提取车辆、道路、交通标志等多种特征已经成为驾驶员理解道路信息多样性的亟需任务。以往研究已在单类目标检测的特征提取方面取得了长足进步,然而,这些研究不能很好地联合应用于其他区别较大的特征检测任务中,且融合训练过程中会损失个别特征检测的精度。针对驾驶员视野范围内道路信息多样且复杂的特点,本文提出了一种基于多特征融合训练的检测模型YOLOP-L,它能够同时对多种不同特征交通目标进行融合训练,同时保证单项检测任务的精度。首先,为了解决特征融合中语义信息表达不完整的问题,设计的SP-LNet模块通过FPN与双向特征网络结合实现网络更深层次的融合,使得提取的信息更完整,从而提升道路小目标的检测性能;其次,设计新的分割头深度可分离卷积,将语义信息与局部特征融合促使多特征融合的训练准确度与速度得到进一步提升;再次,体系中设计的GDL-Focal多类混合损失函数更专注于困难样本,可用于解决样本特征不平衡的问题。最后,对比实验表明:YOLOP-L相比原YOLOP网络运行的速度更快;在车辆目标检测任务下召回率提升了2.2%;在车道线检测任务下准确率提升2.8%,车道线IoU的值较HybridNets网络下降2.45%,但较YOLOP-L网络提升1.95%;在可行驶区域分割任务下其整体检测性能提升1.1%。结果表明,在具有挑战性的BDD100K数据集上,YOLOP-L可以在复杂场景下有效解决检测精度不足和分割缺失的问题,提高了车辆识别、车道线检测以及道路行驶区域联合训练的准确性和鲁棒性。
-
关键词
全景驾驶
多特征融合
车辆检测
可行驶区域检测
车道线检测
双向特征金字塔
-
Keywords
Panoramic driving
Multi featurefusion
Vehicle inspection
travelable area detection
Lane line detection
Bidirectional feature pyramid network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于视觉的采摘机器人采摘定位与导航方法
被引量：3
- 2
-
-
作者
蒙贺伟
周馨曌
吴烽云
邹天龙
-
机构
石河子大学机械电气工程学院
佛山市中科农业机器人与智慧农业创新研究院
广州商学院
华南农业大学工程学院
-
出处
《自动化与信息工程》
2023年第5期1-7,共7页
-
基金
新疆生产建设兵团重点领域科技攻关计划(2022DB004)
国家自然科学基金资助项目(32171909)
广东省国际科技合作项目(2023A0505050133)。
-
文摘
自主导航与采摘定位作为采摘机器人的关键任务,可有效减轻人工劳动强度,提高作业精度与作业效率。该文阐述和分析基于视觉的采摘机器人采摘定位与自主导航方法,主要涉及视觉导航的可行驶区域检测、果实目标识别及采摘点定位,并根据国内外的研究现状,对机器视觉的最新发展和未来发展趋势进行展望。
-
关键词
采摘机器人
机器视觉
自主导航
可行驶区域检测
果实目标识别
采摘点定位
-
Keywords
picking robots
machine vision
autonomous navigation
travelable area detection
fruit target recognition
picking point positioning
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
