基于图像除雾和变压器的雾环境中的交通标志识别算法的研究
Zhaohui Liu1,2, Jun Yan2, Jinzhao Zhang2
1State Key Laboratory of Automotive Simulation and Control (ASCL), Changchun 130025, China.
Sensors (Basel, Switzerland)
|July 13, 2024
概括
这项研究介绍了一种使用 pix2pixHD 和 YOLOv5-Transformer 的改进的交通信号识别算法,用于对抗雾. 新方法提高了自动驾驶汽车在恶劣天气条件下检测的准确性.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 自主系统 自主系统
背景情况:
- 准确的交通标志识别对于自动驾驶和驾驶辅助系统至关重要.
- 雾等极端天气条件极大地挑战现有的交通标志检测算法,导致错过或错误检测.
- 现有的方法在不良可见性场景中难以保持性能.
研究的目的:
- 开发一个强大的交通标志识别算法,能够克服雾的交通环境所带来的挑战.
- 提高交通标志识别的准确性和可靠性,以提高车辆安全.
- 为了减少雾影响的交通场景中的错误和缺失检测.
主要方法:
- 使用pix2pixHD网络生成了一个脱雾模型.
- 通过将变压器模块集成到YOLOv5的骨干中,提出了一个增强的YOLOv5-变压器 (YOLOv5-T) 算法.
- 像素2像素高清脱雾模型与YOLOv5-T算法相结合,用于在雾条件下识别交通标志.
主要成果:
- 拟议的算法有效地减轻了雾对交通标志识别的影响.
- 对比实验显示,在中度雾中,与标准YOLOv5和YOLOv5-T相比,显著改善.
- 该算法在雾的交通场景中实现了78.5%的精度,72.2%的回忆率和82.8%的mAP@0.5.
结论:
- pix2pixHD+YOLOv5-T算法为在恶劣天气中可靠识别交通标志提供了一个有前途的解决方案.
- 这种方法提高了主动驾驶辅助和无人驾驶车辆的安全性和可靠性.
- 进一步的研究可以探索各种雾密度和其他具有挑战性的环境条件的优化.
