一种面向自动驾驶的车辆目标检测方法技术

本发明专利技术属于计算机视觉应用技术领域，公开一种面向自动驾驶的车辆目标检测方法。为了解决独立检测特征图存在的特征孤岛问题，基于特征金字塔的思想提出了双向连接。结合Inception结构和残差网络模块设计一种多分支预测模块来捕捉更大范围的目标特征信息。采用不同空洞率、不同大小和不同数量的空洞卷积构成多感受野模块来直接增大检测特征图感受野的大小，并将其融合起来得到融合特征图。采用一种基于IOU方式的k‑means++聚簇生成锚框的设计来选择更加合理的锚框。综上所述，Bi‑Net算法更适合作为自动驾驶中的目标检测算法，以保证车辆顺利完成自动驾驶任务。

【技术实现步骤摘要】

本专利技术涉及计算机视觉应用，尤其涉及一种面向自动驾驶的车辆目标检测方法。

技术介绍

1、随着物联网和人工智能技术的日臻完善，自动驾驶技术也已经开始从理论研究转为实际研发阶段。自动驾驶是指车辆在不需要人为干预的情况下，依靠传感器等终端设备自主感测车周围的环境信息，进而保证车辆完成自动驾驶任务。其包含的四大核心技术分别是自主感知、自主定位、自主规划和自主控制。其中自主感知是自动驾驶的基础，该部分通过分析终端设备输入的数据，自主感知车辆周围的环境信息。目标检测又是自主感知的前提和基础，因此只有对车周围的目标障碍物实现精准的定位和识别，才能保证汽车更好地完成自动驾驶任务。一阶段检测算法如现有的rcnn（regions with cnn features）算法检测性能相比于可变形部件模型方法（deformable part based model, dpm）目标检测精度提高近 30%。空间金字塔网络（spatial pyramid pooling network, spp-net）在 rcnn算法的基础上引入空间金字塔结构，保证输入候选区域 由单一尺度转变为任意尺本文档来自技高网...

【技术保护点】

1.一种面向自动驾驶的车辆目标检测方法，其特征在于，建立面向自动驾驶的车辆目标检测模型，所述面向自动驾驶的车辆目标检测模型包括特征金字塔模块、特征融合模块FM和多分支预测模块PM；

2.根据权利要求1所述的一种面向自动驾驶的车辆目标检测方法，其特征在于，所述基于双向连接的特征金字塔模块选择Conv4-3、Conv7、Conv8-2、Conv9-2、Conv10-2 和Conv11-2 进行由浅到深的六层检测特征图构建；所述Conv4-3和Conv8-2构建的检测特征图为浅层特征图，所述Conv7和Conv9-2构建的检测特征图为深层特征图；Conv7构建的检测特征图经反向连接...

【技术特征摘要】

1.一种面向自动驾驶的车辆目标检测方法，其特征在于，建立面向自动驾驶的车辆目标检测模型，所述面向自动驾驶的车辆目标检测模型包括特征金字塔模块、特征融合模块fm和多分支预测模块pm；

2.根据权利要求1所述的一种面向自动驾驶的车辆目标检测方法，其特征在于，所述基于双向连接的特征金字塔模块选择conv4-3、conv7、conv8-2、conv9-2、conv10-2 和conv11-2 进行由浅到深的六层检测特征图构建；所述conv4-3和conv8-2构建的检测特征图为浅层特征图，所述conv7和conv9-2构建的检测特征图为深层特征图；conv7构建的检测特征图经反向连接模块上采样后，与conv4-3构建的检测特征图共同于特征融合模块融合，得到融合的检测特征图fu-conv4-3；conv4-3构建的检测特征图经正向连接模块下采样后，与conv7构建的检测特征图共同于特征融合模块融合，得到融合的检测特征图fu-conv7；conv8-2构建的检测特征图，与conv9-2构建的检测特征图经反向连接模块上采样后，共同于特征融合模块融合，得到融合的检测特征图fu-conv8-2；conv9-2构建的检测特征图，与conv8-2构建的检测特征图经正向连接模块下采样后，共同于特征融合模块融合，得到融合的检测特征图fu-conv...

【专利技术属性】
技术研发人员：毕远国，郭茹博，刘炯驿，付饶，
申请(专利权)人：东北大学，
类型：发明
国别省市：