自动驾驶汽车的基于机器视觉的自主道路危险避免系统
Chengqun Qiu1,2, Hao Tang1, Yuchen Yang2
1School of Automotive Engineering, Yancheng Institute of Technology, Yancheng, 224051, China.
Scientific reports
|May 28, 2024
概括
这项研究通过优化YOLOv5s用于小目标检测来提高自动驾驶的安全性. 改进的算法确保了更稳定的车辆控制和强大的视觉回避,解决了交通拥堵和个人安全问题.
科学领域:
- 计算机视觉 计算机视觉
- 深度学习 (Deep Learning) 是一种深度学习.
- 自主驾驶系统 自主驾驶系统
背景情况:
- 交通拥堵和个人安全是关键问题.
- 自动驾驶系统需要先进的感知来进行复杂的导航.
- 深度学习显著改善了自动驾驶汽车中的机器视觉.
研究的目的:
- 为了解决传统YOLOv5s算法中小目标检测的局限性.
- 为了提高自动驾驶对象检测的准确性和效率.
- 提高自动驾驶系统的整体安全性和性能.
主要方法:
- 提出了一个优化的目标检测算法,将C3模块升级为CBAMC3.3.
- 整合了一种新的GELU激活函数和EficiCIoU损失函数.
- 测试涉及车载摄像机和分析深度位置信息.
主要成果:
- 优化的算法证明了位置,信心和分类损失的加速趋同.
- 实现了增强的图像学习能力和改进的小目标检测.
- 使用Pure Pursuit和MPC的回避模型显示了更稳定的车辆动态 (速度,转向角度,横向加速).
结论:
- 增强的YOLOv5s算法提高了自动驾驶视觉回避的稳定性.
- 该研究有助于缓解交通拥堵,并通过先进的自动驾驶技术提高个人安全.
更多相关视频
11:12Driving Simulation in the Clinic: Testing Visual Exploratory Behavior in Daily Life Activities in Patients with Visual Field Defects
Published on: September 18, 2012
17.4K
08:22A Novel Single Animal Motor Function Tracking System Using Simple, Readily Available Software
Published on: August 31, 2018
6.6K
