控制与决策

作者：金立生,张舜然,郭柏苍,王欢欢,韩卓桐,刘星辰

单位：燕山大学 车辆与能源学院,河北 秦皇岛 066000;吉林大学 交通学院,长春 130022,,吉林大学 交通学院,长春 130022,,燕山大学 车辆与能源学院,河北 秦皇岛 066000;吉林大学 交通学院,长春 130022,,燕山大学 车辆与能源学院,河北 秦皇岛 066000,,燕山大学 车辆与能源学院,河北 秦皇岛 066000,,燕山大学 车辆与能源学院,河北 秦皇岛 066000,

关键词：自动驾驶;环境感知;路侧视角;多目标检测;YOLOv4;深度学习

基金：国家自然科学基金项目(52072333)；河北省省级科技计划项目(21340801D)；河北省高等学校科学技术研究项目(BJK2023026).

面向道路交通场景中多类别、可变规模的目标车辆检测需求,如何有效地以低算力构建结构化数据,实现超视距感知并解决单车视距限制,是自动驾驶汽车环境感知技术领域亟待解决的重要问题之一.为此,提出兼顾精度和实时性的轻量化路侧视角多目标检测算法.首先,以嵌入通道域注意力机制的倒残差网络结构代替单阶段检测算法特征提取网络作为网络骨干部分,利用深度可分离卷积降低特征提取网络参数量;其次,采用空间金字塔池化(spatial pyramid pooling,SPP)处理深层网络输出特征图,选取轻量化后骨干网络不同深度特征图的输出,利用路径聚合网络(path aggregation network,PANet)融合深层语义信息与浅层表观信息构成检测模型颈部;最后,在检测模型头部设置3种不同特征图大小的网络输出,使同一图像信息不同尺寸目标在适宜网络深度进行目标信息回归,提出轻量化路侧视角多目标检测算法M3-YOLOv4.实验结果表明,M3-YOLOv4在数据集RS-UA表现的mAP值为0.906,相较YOLOv4的mAP值下降1.1%,M3-YOLOv4模型参数量缩减为YOLOv4的10%,同平台下模型前向推理速度也具备明显优势.

来源：2024年第9期

《控制与决策》期刊编辑部

查看控制与决策杂志2024年第9期