智能视觉引导的汽车避障控制优化方法技术

智能视觉引导的汽车避障控制优化方法，属于自动驾驶领域，其特征在于，包括目标检测模块和避障控制模块；其中，所述目标检测模块包括GCT‑YOLOv5s，通过C3GC模块提取关键特征，利用CARAFE算子增强特征融合，经TSCODE检测头确定分类和定位之间的关系，实现行驶场景中交通参与者类型的检测；所述避障控制模块包括自适应避障路径规划与控制，结合交通参与者类型进行斥力场动态调整，并进行路径平滑处理，采用纯追踪算法进行路径跟踪控制，实现智能汽车的自适应避障路径规划与控制。

【技术实现步骤摘要】

本专利技术属于自动驾驶领域，更具体地说，是智能视觉引导的汽车避障控制优化方法。

技术介绍

0、技术背景

1、城市道路的复杂性、交通流的动态性以及交通参与者行为的随机性，对智能汽车目标检测与避障控制研究带来了巨大挑战。智能汽车在进行避障控制时，需要准确识别障碍物信息，合理进行决策规划，精准实现运动控制。传统的导航避障方法主要依赖光流算法和双目视差计算，虽然能计算障碍物的位移和深度信息，但存在多个缺点：计算复杂度高，导致系统延迟；环境适应性差，特别在光照变化和纹理稀疏的情况下表现不佳；检测精度低，难以识别和分类小目标和被遮挡物体；缺乏目标检测和特征提取技术，增加了参数调优难度，影响系统的鲁棒性和适应性。

2、早期的目标检测依赖于手工设计的特征与分类器，难以适应现实中的复杂环境。随着计算机硬件以及深度学习技术等相关领域的飞速发展，目标检测算法不断演进。双阶段检测方法如r-cnn，单阶段检测方法如yolo等方法的不断涌现，为实现更准确、高效的目标检测任务提供了丰富的选择。然而，自动驾驶的行驶环境更为复杂且多变，对小目标及遮挡目标的检测依然存本文档来自技高网...

【技术保护点】

1.智能视觉引导的汽车避障控制优化方法，其特征在于，包括目标检测模块和避障控制模块；其中，所述目标检测模块包括GCT-YOLOv5s(结合集中综合卷积与全局上下文模块的融合结构、内容感知重组算子和任务特定上下文解耦头的YOLOv5s)，通过C3GC(集中综合卷积与全局上下文模块的融合结构)模块提取关键特征，利用CARAFE(内容感知重组)算子增强特征融合，经TSCODE(任务特定上下文解耦)检测头确定分类和定位之间的关系，实现行驶场景中交通参与者类型的检测；所述避障控制模块包括自适应避障路径规划与控制，结合交通参与者类型进行斥力场动态调整，并进行路径平滑处理，采用纯追踪算法进行路径跟踪控...

【技术特征摘要】

1.智能视觉引导的汽车避障控制优化方法，其特征在于，包括目标检测模块和避障控制模块；其中，所述目标检测模块包括gct-yolov5s(结合集中综合卷积与全局上下文模块的融合结构、内容感知重组算子和任务特定上下文解耦头的yolov5s)，通过c3gc(集中综合卷积与全局上下文模块的融合结构)模块提取关键特征，利用carafe(内容感知重组)算子增强特征融合，经tscode(任务特定上下文解耦)检测头确定分类和定位之间的关系，实现行驶场景中交通参与者类型的检测；所述避障控制模块包括自适应避障路径规...

【专利技术属性】
技术研发人员：卢晓晖，贺茂旭，郝红进，吕新展，臧文彬，李绍松，崔高健，
申请(专利权)人：长春工业大学，
类型：发明
国别省市：