为了提升汽车辅助系统对前方障碍物的检测效果并进一步获取精确的距离信息,文章提出了一种基于改进YOLOv8s的交通场景障碍物检测与双目测距方法。该方法以YOLOv8s(You Only Look Once v8s)网络为基础,首先在Backbone中引入EMA注意力机制...
详细信息
为了提升汽车辅助系统对前方障碍物的检测效果并进一步获取精确的距离信息,文章提出了一种基于改进YOLOv8s的交通场景障碍物检测与双目测距方法。该方法以YOLOv8s(You Only Look Once v8s)网络为基础,首先在Backbone中引入EMA注意力机制,以提高目标检测精度;其次将Neck中的PANFPN网络替换为ASF(Attentional Scale Sequence Fusion)网络,并采用DIoU优化损失函数;在特征匹配算法ORB的基础上,利用RANSAC算法剔除误匹配的点对。通过在KITTI数据集和实际交通场景中的实验,结果表明,在20 m的距离范围内,改进后的YOLOv8s网络对汽车、行人和非机动车3类障碍物的检测mAP(mean average precision)达到了91.1%,提高了4.8%,同时测距的平均误差仅为1.55%。
针对杂波环境下的目标跟踪问题,提出了一种基于变分贝叶斯的概率数据关联算法(Variational Bayesian based probabilistic data association algorithm, VB-PDA).该算法首先将关联事件视为一个随机变量并利用多项分布对其进行建模,随后...
详细信息
针对杂波环境下的目标跟踪问题,提出了一种基于变分贝叶斯的概率数据关联算法(Variational Bayesian based probabilistic data association algorithm, VB-PDA).该算法首先将关联事件视为一个随机变量并利用多项分布对其进行建模,随后基于数据集、目标状态、关联事件的联合概率密度函数求取关联事件的后验概率密度函数,最后将关联事件的后验概率密度函数引入变分贝叶斯框架中以获取状态近似后验概率密度函数.相比于概率数据关联算法, VB-PDA算法在提高算法实时性的同时在权重Kullback-Leibler (KL)平均准则下获取了近似程度更高的状态后验概率密度函数.相关仿真实验对提出算法的有效性进行了验证.
暂无评论