自动驾驶目标检测方法、存储介质及电子设备技术

本发明专利技术公开了自动驾驶目标检测方法、存储介质及电子设备，方法包括以下步骤：S1、获取公开的自动驾驶目标检测数据集，数据集划分为训练集、验证集和测试集；S2、基于RT‑DETR模型构建MFSF‑Net算法，在MFSF‑Net算法的骨干网络中，用可变形卷积DCN替换RT‑DETR中Backbone的普通卷积；S3、重构MFSF‑Net算法的混合编码器，用可学习的位置编码LPE改进RT‑DETR中基于注意力的尺度内特征交互模块；S4、重构MFSF‑Net算法的跨尺度特征融合模块，堆叠3个LSK Block，通过动态选择性卷积机制，适应不同目标尺度的变化；S5、设置MFSF‑Net算法的训练环境和超参数，训练和优化MFSF‑Net算法；S6、通过步骤S1的验证集对MFSF‑Net算法进行验证；S7、将步骤S1的测试集输入MFSF‑Net算法进行目标检测。本发明专利技术提高了自动驾驶目标检测的精度和效率。

【技术实现步骤摘要】

本专利技术属于目标检测，具体是一种能有效提升多尺度目标特征提取能力的基于rt-detr的自动驾驶场景下改进目标检测的方法、存储介质及电子设备。

技术介绍

1、截至目前，中国已成为全球最大的汽车市场，机动车的广泛普及尤其是私人汽车保有量的快速增长，不仅便利了人们的日常出行，也促进了相关产业的快速发展。然而车辆普及率的提升使得道路交通安全问题也日益凸显。在此背景下，自动驾驶技术被视为解决安全与效率矛盾的核心路径，寻求提高道路交通的安全性和高效性，成为当前交通管理的重大课题。

2、检索现有的检测方法发现，现有技术未能有效应对自动驾驶目标检测中多尺度目标以及形变目标的检测难题。现有的这些方法主要针对单一的恶劣天气或特定的应用场景提出对应的解决方法。然而在多种恶劣天气及复杂条件的影响下，目标图像可能发生不同程度的形变，且不同目标的尺度也有显著的不同。这些问题导致现有自动驾驶车辆行人检测算法的检测性能下降，检测的精度和效率低。

技术实现思路

1、为了解决现有技术存在的以上技术问题，本专利技术提供一种基于改进r本文档来自技高网...

【技术保护点】

1.自动驾驶目标检测方法，其特征是，包括以下步骤：

2.如权利要求1所述的自动驾驶目标检测方法，其特征是，步骤S1中，获取公开的自动驾驶目标检测数据集为KITTI数据集，并按照8:1:1的比例划分为分训练集、验证集和测试集。

3.如权利要求2所述的自动驾驶目标检测方法，其特征是，步骤S2中，可变形卷积的公式如下：

4.如权利要求3所述的自动驾驶目标检测方法，其特征是，步骤S3中，可学习的位置编码公式如下：

5.如权利要求4所述的自动驾驶目标检测方法，其特征是，步骤S4中，LSK Block包含两部分：一个是大核选择子模块，另一个是前馈网络子...

【技术特征摘要】

1.自动驾驶目标检测方法，其特征是，包括以下步骤：

2.如权利要求1所述的自动驾驶目标检测方法，其特征是，步骤s1中，获取公开的自动驾驶目标检测数据集为kitti数据集，并按照8:1:1的比例划分为分训练集、验证集和测试集。

3.如权利要求2所述的自动驾驶目标检测方法，其特征是，步骤s2中，可变形卷积的公式如下：

4.如权利要求3所述的自动驾驶目标检测方法，其特征是，步骤s3中，可学习的位置编码公式如下：

5.如权利要求4所述的自动驾驶目标检测方法，其特征是，步骤s4中，lsk block包含两部分：一个是大核选择子模块，另一个是前馈网络子模块，大核选择子模块从输入数据x的不同区域获取背景信息特征，需采用解耦的、不用感受野的depth-wise卷积核；设有n个解耦的卷积核，每个卷积操作后又要经过一个1×1的卷积层进行空间特征向量的通道融合，将来自于不...

【专利技术属性】
技术研发人员：吴江，顾硕天，程维维，占敖，吴呈瑜，
申请(专利权)人：浙江理工大学，
类型：发明
国别省市：