基于GCR-PointPillars的点云三维目标检测

针对PointPillars算法中存在识别与定位不准确的问题,提出一种GCR-PointPillars三维目标检测模型,该模型首先在Pillar特征网络中引入全局注意力机制,学习点云特征之间的相关性,增强伪图特征的全局信息交互能力;其次,基于ConvNeXt V2重新构建特征提取网络,提取更加丰富的语义信息,从而有效提升网络的学习能力;最后引入RDIoU来联合引导分类和回归任务,有效缓解分类和回归不一致的问题。文中模型在KITTI数据集中与基准网络相比,汽车类别在简单、中等、困难三种难度级别下分别提高了2.69%、4.29%、4.84%,并且推理速度达到25.8 f/s。实验结果表明,文中模型在保持实时性速度的同时,检测效果也有明显提升。

车路协同环境下基于路面湿滑状态识别的车辆安全预警导航系统

针对传统车辆安全预警系统缺乏路面湿滑状态考量、数据传输效率低的问题,本文设计了车路协同环境下基于路面湿滑状态识别的车辆安全预警导航系统,系统基于路面湿滑状态检测模块采集路面图像,利用神经网络模型识别出路面湿滑状态信息,通过车路协同通信将信息发送至车载终端,最终实现车辆导航过程中,提供安全跟车距离与临界车速预警信号,将路面状态感知的信息技术应用于车辆安全预警解决的交通问题上,使汽车安全辅助系统预警的实用性提高到更高层面。

修正环境因素对红外测温模块精度影响的分析

近年来,红外测温技术及其应用设备得到飞速发展与高度重视,现有红外测温技术已在体温排查过程中起到不可忽视的作用。但其易受测温距离、环境温度、环境湿度等环境因素的影响而使测量精度降低,与预期结果存在差异。本文通过对选定红外测温模块的数据分析,提出了建立误差回传神经网络模型对实验数据进行拟合、分析及预测的修正与补偿方法,提升测温精度。在应用方面,预想将建立的温度修正模型与无人小车结合,建立无人驾驶测温预警巡逻车平台。改变传统固定测温模式,提高测温机动性与灵活性。