一种基于神经网络的无人驾驶专用车辆检测方法技术

本发明专利技术属于无人驾驶目标检测的技术领域，具体涉及一种基于神经网络的无人驾驶专用车辆检测方法，包括：步骤一，构建特征提取网络、堆叠特征图和锚框生成网络，并对数据集的汽车长宽数据进行聚类运算；步骤二，对所述锚框生成网络输出的边界框进行坐标调整，去除冗余的边界框，获得检测结果。本发明专利技术通过小规模且满足准确性和实时性要求的车辆检测神经网络，满足了无人驾驶汽车在特定区域对车辆检测的需求，提高了无人驾驶汽车的目标检测性能。

A detection method of driverless special vehicle based on Neural Network

【技术实现步骤摘要】
一种基于神经网络的无人驾驶专用车辆检测方法
本专利技术属于无人驾驶目标检测的
，具体涉及一种基于神经网络的无人驾驶专用车辆检测方法。
技术介绍
在很多道路及园区场景中，行人是与汽车分开的，而且在行人众多的场景下考虑到安全因素，无人驾驶还不太容易投入使用。而无人驾驶汽车的目标检测系统考虑了太多行人的因素，这就导致了检测性能的下降。在行人不多的场景中，实际上不需要实时检测行人的位置，因为其在人行路上是相对安全的，遇到突发情况，无人车可以依靠紧急避障雷达躲避行人。而和无人驾驶汽车处在同一条道路上的汽车就必须要实时检测其位置，这样才能安全行驶。所以，设计一种专门检测汽车的目标检测网络是有必要的。无人驾驶汽车行驶在路上，需要感知周围复杂的环境和物体，其中发生交互最多的对象当然就是临近的车辆了，因此对前方车辆进行及时准确的检测是保障无人驾驶汽车安全行驶的关键。现有技术中，用于环境感知的不同传感器各有其特点。激光雷达的精度非常高，可用来产生高精度地图并针对高精地图完成移动车辆的定位。但是，激光雷达的价格较高，难以实现大规模应用，而且点云本文档来自技高网...

【技术保护点】
1.一种基于神经网络的无人驾驶专用车辆检测方法，其特征在于，包括：/n步骤一：构建特征提取网络、堆叠特征图和锚框生成网络，并对数据集的汽车长宽数据进行聚类运算；/n步骤二：对所述锚框生成网络输出的边界框进行坐标调整，去除冗余的边界框，获得检测结果。/n

【技术特征摘要】
1.一种基于神经网络的无人驾驶专用车辆检测方法，其特征在于，包括：
步骤一：构建特征提取网络、堆叠特征图和锚框生成网络，并对数据集的汽车长宽数据进行聚类运算；
步骤二：对所述锚框生成网络输出的边界框进行坐标调整，去除冗余的边界框，获得检测结果。


2.如权利要求1所述的基于神经网络的无人驾驶专用车辆检测方法，其特征在于，所述步骤一中，构建特征提取网络的过程包括：
构建Fire模块和池化层，每三个Fire模块和一个池化层构成所述特征提取网络的一个组成单元，并在前一个Fire模块和后一个Fire模块之间加入残差连接。


3.如权利要求2所述的基于神经网络的无人驾驶专用车辆检测方法，其特征在于，所述Fire模块的构建过程包括：
先设置压缩层，再设置扩展层，所述压缩层为1×1的卷积层，所述扩展层包含1×1的卷积层和3×3的卷积层，所述压缩层的卷积核数目为S1×1，所述扩展层的1×1的卷积层的卷积核数目为e1×1，所述扩展层的3×3的卷积层的卷积核数目为e3×3，满足关系式：S1×1＝SR×(e1×1+e3×3)，SR表示缩减系数。


4.如权利要求1所述的基于神经网络的无人驾驶专用车辆检测方法，其特征在于，对数据集的汽车长宽数据进行聚类运算的过程包括：
从数据集的汽车长宽数据中选取k个样本点形成k个聚类中心，计算k个样本点中的每个样本点到各个聚类中心的距离Dij，满足关系式：其中，Dij表示第i个样本点到第j个聚类中心的距离，(xi,yj)表示k个样本点中的一个样本点，(xui,yuj)表示k个聚类中心中的一个聚类中心。


5.如权利要求4所述的...

【专利技术属性】
技术研发人员：王一晶，孙文韬，左志强，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12