深度学习在舰船前方障碍物图像识别中的应用

在舰船前方障碍物图像识别中,传统的图像识别系统漏检概率高、检测性能较差,难以满足舰船安全航行要求。深度学习是一种智能化技术,将其应用到障碍物图像识别中可以提高图像信息筛选、计算和检测效率。本文介绍深度学习中的神经网络模型和卷积神经网络,以及深度学习在舰船前方障碍物图像识别中的检测方法。基于传统深度学习算法的不足,提出改进后的Faster R-CNN方法在障碍物图像识别中的应用,并通过对比实验进行论证,实验结果表明改进后的图像识别模型具备检测精度高的应用优势。

无人驾驶车前方不确定障碍物检测方法仿真

无人驾驶车障碍物检测是保障车辆安全运行的关键,但是障碍物检测过程中环境对检测方法的影响较大,为提升无人驾驶车在不确定环境中的障碍物检测精度,提出不确定环境下无人驾驶车前方障碍物检测方法。利用激光雷达获取汽车行驶过程的激光雷达图像,通过双边滤波方法完成图像的去噪处理,依据搜索的道路边界点建立道路边界模型,提取障碍物特征建立障碍物模型;通过时空特征系数分类结果,完成障碍物类型识别,实现障碍物检测。实验结果表明,所提方法具有较低的误检率和漏检率,能够精准地检测出前方障碍物位置。