【技术实现步骤摘要】
本专利技术涉及无人驾驶电机车视觉检测，特别涉及一种边缘视觉无人驾驶电机车障碍物检测方法。
技术介绍
1、电机车作为矿山运输的主要设备之一，承担运送人员、材料、矿石以及相关设备的任务。随着矿运轨道交通的快速发展，与此同时电机车事故屡见不鲜。在过去的五年里，矿山事故有三分之一是由电机车引起的，大部分事故是由于电机车司机操作不规范未能识别到车前、后方入侵障碍物造成的，安全可靠的电机车障碍物视觉检测系统有助于减少矿山事故，保障矿工生命安全、维护企业生产，同时矿山智能化运输也是发展智慧矿山的重要环节之一。实现矿运电机车的无人驾驶需要多目标实时检测技术的支持。随着人工智能技术的快速发展，深度学习技术被广泛应用于工业生产中。矿下复杂场景实时拍摄图像通常具有低分辨率、低对比度和复杂背景等特点，井下实时图像处理也受通信带宽、存储容量、环境条件的限制。由于传统基于机器学习的计算机视觉方法很难准确识别出来，尤其是用于矿下多目标检测时往往效果不佳。因此快速、准确的障碍物检测模型是目前无人驾驶电机车技术亟需解决的难题。
技术实现思路<
本文档来自技高网...
【技术保护点】
1.一种边缘视觉无人驾驶电机车障碍物检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的边缘视觉无人驾驶电机车障碍物检测方法，其特征在于，所述S1包括如下步骤：
3.根据权利要求1所述的边缘视觉无人驾驶电机车障碍物检测方法，其特征在于，所述S2中的矿运电机车实时障碍物目标检测模型AEL-YOLO以目标检测模型yolov5s为框架；
4.根据权利要求3所述的边缘视觉无人驾驶电机车障碍物检测方法，其特征在于，所述CMCSW模块包括三个CBS模块和MCSwin变压器块；
5.根据权利要求4所述的边缘视觉无人驾驶电机车...
【技术特征摘要】
1.一种边缘视觉无人驾驶电机车障碍物检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的边缘视觉无人驾驶电机车障碍物检测方法，其特征在于，所述s1包括如下步骤：
3.根据权利要求1所述的边缘视觉无人驾驶电机车障碍物检测方法，其特征在于，所述s2中的矿运电机车实时障碍物目标检测模型ael-yolo以目标检测模型yolov5s为框架；
4.根据权利要求3所述的边缘视觉无人驾驶电机车障碍物检测方法，其特征在于，所述cmcsw模块包括三个cbs模块和mcswin变压器块；
5.根据权利要求4所述的边缘视觉无人驾驶电机车障碍物检测方法，其特征在于，所述窗口多头自注意力模块w-msa引入了窗口化的局部性关注策略，以限制每个位置只能与附近设定区域内的位置进行self-attention计算，这种窗...
【专利技术属性】
技术研发人员：张细政，曹旭，侯英俊，崔子健，卢张宇，刘若源，金圣炜，王清，何海华，
申请(专利权)人：湖南工程学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。