一种基于MPEG运动矢量的行车障碍检测方法

结合已有的基于MPEG视频流的行车障碍检测算法,在原有基础上加入检测匹配模板,对易造成误判的噪声及影响正常检测的非危险区域都有较好的处理效果。通过统计分析及经验验证,分析得出在直行、转弯及上下坡3种路况及不同车速下车辆正常安全行驶时的检测阈值T。该方法能结合实际,运算量小,实验结果较好。

基于FFA-Net与YOLOv5的雾天行车障碍检测技术研究

大雾天气会导致视觉传感器成像模糊,环境感知准确率低,因而严重威胁无人驾驶的安全性能。因此,本文提出了将FFA-Net去雾算法与YOLOv5目标检测算法相匹配,进而实现雾天环境下的行车障碍检测方案。实验表明,与直接利用YOLOv5对雾天交通图像进行检测的方法相比,利用本文提出的检测方法得到的Precision值、mAP值和Recall值均有明显提高,且该方法通过图像去雾后能够更好地识别交通场景中的障碍物信息,对于提高不良天气下的行车障碍检测性能,保障无人驾驶安全具有重要应用价值。