基于YOLOX的轻量级毫米波雷达和相机融合检测算法

为满足交通系统全天候高效准确的感知需求,对基于YOLOX的轻量级毫米波雷达和相机融合检测算法进行了研究;该研究主要包括异构传感器信息融合和模型轻量化两个方面;异构传感器信息融合主要针对雷达信息对视觉信息辅助能力不足的问题,设计了一种雷达空间注意力模块有效提取雷达空间特征,以此辅助视觉在低能见度场景下学习到鲁棒的特征表达;在自制数据集和NuScenes数据集上训练并测试,所提出的RV-YOLOX算法相比YOLOX算法AP指标提升约3~4左右,说明算法的全天候检测能力得到了提升;模型轻量化则针对终端算力设备对算法部署的限制,采用了结构重参数化的方式对RV-YOLOX进行了优化,轻量级RV-YOLOX在提高推理速度的同时实现了与RV-YOLOX相当的检测精度。

目标检测算法综述

近年来,深度学习技术的快速发展为目标检测领域带来了许多重大突破。基于卷积神经网络和视觉Transformer的目标检测方法在自动驾驶、情景理解和安防监控等领域都展示出了巨大的研究价值。本文旨在对传统的手工设计特征的目标检测算法、基于卷积神经网络的目标检测算法以及基于视觉Transformer的目标检测算法进行分类回顾,并分析它们的优缺点。此外,本文还对目标检测领域中面领的挑战和未来的研究方向进行了总结和展望。

高速公路实时全息数据获取和归集应用

在智慧高速建设中,“一路三方”越来越重视数据的获取、归集和应用。本文基于G6021杭州至长沙高速公路杭州至新安江至景德镇段(以下简称“杭千高速”)道路管理现状和需求,依托杭千高速公路数字交通感知及应用系统试点项目(以下简称“杭千高速数字交通感知项目”)的实践,形成了实时全息数据获取和归集,打造了数据应用场景,以期对高速公路数字化、信息化、智慧化能力提升有所裨益。