目标检测YOLO实战应用案例100讲-基于视觉与激光雷达信息融合的智能车辆目标检测研究

目录

前言

传感器选型及同步 

2.1  各传感器工作原理及性能对比 

2.1.1  视觉传感器 

2.1.2  激光雷达 

2.1.3  毫米波雷达 

2.1.4  超声波雷达 

2.2  传感器空间标定 

2.2.1  坐标系建立 

2.2.2  摄像头内参数标定 

2.2.3  摄像头与激光雷达联合标定 

2.3  传感器时间对齐 

2.4  实验验证与分析 

基于改进Efficientdet网络的智能车辆目标检测 

3.1  基于深度学习的目标检测算法 

3.1.1  深度学习 

3.1.2  卷积神经网络 

3.1.3  目标检测 

3.2  Efficientdet目标检测网络 

3.2.1  网络模型选择 

3.2.2  Efficientdet网络概述 

3.3  Efficientdet网络的改进及优化 

3.3.1  主干网络改进 

3.3.2  特征融合网络优化 

3.3.3  预测网络及平衡训练过程 

3.3.4  TensorRT模型加速 

3.4  实验验证与分析 

3.4.1  数据集构建 

3.4.2  实验环境及模型训练  

3.4.3  改进Efficientdet网络的性能评价 

3.4.4  检测结果可视化分析 

基于多传感器信息融合的智能车辆目标检测 

4.1  基于激光雷达的智能车辆目标特征提取 

4.1.1  点云数据预处理 

4.1.2  地面激光点云分割 

4.1.3  目标点云聚类 

4.2  视觉与激光雷达的信息融合 

4.2.1  传感器信息融合策略 

4.2.2  基于多假设的融合算法设计 

4.3  实验验证与分析 

4.3.1  地面激光点云分割效果评价 

4.3.2  目标点云聚类效果评价

4.3.3  传感器融合结果分析 

整车平台搭建及实验结果 

5.1  整车感知系统搭建  

5.1.1  硬件平台搭建 

5.1.2  软件平台搭建 

5.2  实车测试与验证  

5.2.1  多传感器同步验证 

5.2.2  视觉传感器检测验证 

5.2.3  多传感器信息融合检测验证 

---

 

前言

随着我国汽车工业迈入现代化的脚步不断加快，交通安全、城市拥堵和环境污染 等一系列问题也相继涌现。此类问题不但影响了人们的正常出行，并且严重制约了我 国社会经济的健康可持续发展。依托于人工智能的自动驾驶技术，以实现安全、舒适、 高效和绿色的交通出行作为主要目标，将是解决汽车产业矛盾的最优方案，也是当前
世界各国汽车行业的研究热点之一。 
2015年，工信部发布的《中国制造2025》明确指出，无人驾驶车辆将是未来国家
智能制造领域的重点研究项目。在此十年间，我国要基本完成对现有汽车系统的产业 升级，进而打造出一套较为完整的自动驾驶汽车研发、生产和销售体系，并拥有其中 全部的核心技术。这就是说，智能汽车研究作为汽车领域的发展重点已被国家上升到 战略高度[1]。在政策和市场的共同作用下，智能汽车相关技术的研究在我国具有广泛 的社会价值和现实意义。图1.1为智能汽车系统框架图。