一种基于YOLOv8-BiFPN网络模型的双目测距方法技术

一种基于YOLOv8‑BiFPN网络模型的双目测距方法，本发明专利技术属于计算机视觉与目标检测技术领域，具体涉及基于YOLOv8‑BiFPN网络模型的双目测距方法。本发明专利技术的目的是为了解决现有技术中特征金字塔固定权重融合机制难以适应多尺度目标检测、动态遮挡场景下特征丢失、算法计算复杂度与实时性要求矛盾等问题，尤其针对双目视觉系统中高精度深度感知与实时检测难以兼顾的缺陷。过程为：一、获得训练集；二、构建YOLOv8‑BiFPN网络模型；三、获得训练好YOLOv8‑BiFPN网络模型；四、基于双目摄像机和训练好YOLOv8‑BiFPN网络模型计算出目标物体的距离。

【技术实现步骤摘要】

本专利技术属于计算机视觉与目标检测，具体涉及基于yolov8-bifpn网络模型的双目测距方法。

技术介绍

1、在自动驾驶、机器人导航等对三维感知要求严苛的领域，实时、鲁棒且精准地获取目标物体的距离信息是核心需求。双目视觉技术凭借其被动式深度感知能力成为重要手段，但基于传统特征匹配的算法在复杂光照、低纹理、遮挡等场景下鲁棒性不足，易出现匹配失败或视差计算错误，且高精度算法往往计算量大，难以兼顾实时性。

2、为应对上述挑战，学术界近年来在目标检测领域取得了多项突破。在立体匹配算法方面，传统方法如匹配算法(blockmatching，bm)、图割(graph cut，gc)和半全局块匹配sgbm(semi-globalblockmatching)通过优化局部或全局匹配策略，显著提升了视差图的计算效率与精度。与此同时，基于深度学习的端到端模型逐渐成为主流，例如yolo系列通过单阶段检测架构平衡速度与精度，而特征金字塔网络(feature pyramidnetwork，fpn)则通过多尺度特征融合增强了对小目标的检测能力。此外，损失函数优化技术通过动态本文档来自技高网...

【技术保护点】

1.一种基于YOLOv8-BiFPN网络模型的双目测距方法，其特征在于：所述方法具体过程为：

2.根据权利要求1所述的一种基于YOLOv8-BiFPN网络模型的双目测距方法，其特征在于：所述步骤一中获取数据集，对取数据集进行数据预处理与数据增强，获得训练集；具体过程为：

3.根据权利要求2所述的一种基于YOLOv8-BiFPN网络模型的双目测距方法，其特征在于：所述所述步骤二中构建YOLOv8-BiFPN网络模型；具体过程为：

4.根据权利要求3所述的一种基于YOLOv8-BiFPN网络模型的双目测距方法，其特征在于：所述主干网络Backbone依次包...

【技术特征摘要】

1.一种基于yolov8-bifpn网络模型的双目测距方法，其特征在于：所述方法具体过程为：

2.根据权利要求1所述的一种基于yolov8-bifpn网络模型的双目测距方法，其特征在于：所述步骤一中获取数据集，对取数据集进行数据预处理与数据增强，获得训练集；具体过程为：

3.根据权利要求2所述的一种基于yolov8-bifpn网络模型的双目测距方法，其特征在于：所述所述步骤二中构建yolov8-bifpn网络模型；具体过程为：

4.根据权利要求3所述的一种基于yolov8-bifpn网络模型的双目测距方法，其特征在于：所述主干网络backbone依次包括：第一卷积层、第二卷积层、第一c2f模块、第三卷积层、第二c2f模块、第四卷积层、第三c2f模块、第五卷积层、第四c2f模块、sppf模块；

5.根据权利要求4所述的一种基于yolov8-bifpn网络模型的双目测距方法，其特征在于：所述主干网络backbone的工作过程为：

6.根据权利要求5所述的一种基于yolov8-bifpn网络模型的双目测距方法，其特征在于：所述特征图c...

【专利技术属性】
技术研发人员：陈海松，王永学，杨利华，肖迎春，李益民，
申请(专利权)人：深圳职业技术大学，
类型：发明
国别省市：