基于视频的移动车辆实时测距研究
桑振
周永华
1.北京交通大学电子信息工程学院,北京1000442.北京交通大学电子信息工程学院,北京100044
摘要：智能车辆的辅助驾驶系统对于周围环境的物体感知需快速且准确,在路况复杂、车速高的高速公路上要求则更加严格.传统的目标检测方法获取周围车况信息较少,且对于实时性检测有所欠缺.本文建立一种新型基于MobileNet-V2的SSD移动车辆实时检测与测距模型,利用深度可分离卷积结构在保持精度的同时减少网络参数的计算复杂度,加快检测速度;利用具有线性瓶颈的倒置残差结构保存更多的卷积特征,使得网络学习目标的深层次特征;用扩充的Pascal VOC2007数据集进行训练和评估,测试检测模型在复杂环境下的鲁棒性.利用实际交通场景的视频数据进行验证,结果表明:车辆检测网络达到83.74％@0.5IOU的检测精度,在NVIDIA GTX1050Ti上对视频的检测速度达到25FPS,在满足精度的同时提高检测实时性.对车辆检测信息进行处理,采用数据回归建模的方法判断本车安全行驶范围,在车速为0～120 km/h的范围内,测距误差基本保持在5％以内,为驾驶员安全行驶提供决策依据.
关键词：机器视觉目标检测辅助驾驶MobileNet-V2测距
分类号：TP391.41(计算技术、计算机技术)
资助基金：国家自然科学基金(61673049)
论文发表日期：2020-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 133-140 )
英文信息