论文部分内容阅读
在先进辅助驾驶系统与智能交通系统中,对道路目标(包括车辆与行人)的检测是至关重要的。道路场景中背景多样,道路目标种类丰富,道路目标的相互遮挡情况十分普遍,通过视觉图像对道路目标检测难度很大。由于自动驾驶技术与智能交通系统运行场景的要求,道路目标检测算法在需要达到较高的准确度的同时具备在嵌入式设备上达到较高的运行速度的能力。因此,研究一种能够在嵌入式设备上实现较高运行速度的道路目标检测算法具有重要的应用价值。卷积神经网络在图像目标检测领域取得了优秀的成绩,因此使用卷积神经网络实现道路目标检测具有较高的研究价值。本文针对道路目标检测的特点,改造了单发多框目标检测器(Single Shot multibox Detector,SSD),提高了道路目标的检测速度与检测精度,并在嵌入式仿真平台与车载嵌入式平台上进行了实验。本文主要工作和创新点如下:(1)通过对SSD目标检测网络的研究,使用移动用卷积网络(MobileNet)搭建了 MobileNet-SSD(MSSD)网络,缩减了 SSD网络的参数数量与运算量,实现了SSD目标检测网络的加速。(2)针对道路目标改进了 MSSD网络,改变MSSD网络中锚点框(anchorbox)的宽高比和尺度系数,新的MSSD网络对于行人类目标的检测精度对比SSD网络提高了 3.32(AP),检测速度提高了一倍。(3)提出了亚像素锚点框网络(SPMSSD),通过在偏离锚点映射的中心位置布置锚点框,提高MSSD的锚点框之间的交叠面积,提升MSSD锚点框对真实目标框的命中率,提高MSSD目标检测网络的位置检测精度。SPMSSD对比SSD网络在检测速度提高了两倍的同时对普通目标上检测精度提升了 8.42(mAP),在小目标上提升了 7.45(mAP)。(4)在嵌入式设备NVIDIA Jetson TX2上实现了 SPMSSD网络,在自建数据集上完成了线下仿真实验,并进行了车载道路试验。SPMSSD网络在车载平台上能够以两倍于SSD网络的速度稳定运行,并实现了更高的检测精度。