| 摘 要： | 自动驾驶车辆感知系统中,基于视觉的交通标志图像识别是一项关键技术。然而,由于目前硬件计算资源限制、极端光照或其他光源干扰等因素影响,在没有先验知识辅助的前提下,难以实现交通标志的准确识别和工程化应用。针对这一问题,提出了一种基于多传感器数据融合辅助的AlexNet(MSDF-Ale Nex)模型图像精确识别方法,利用组合导航数据对图像进行预划分,提高图像识别精度。首先,对高精度惯性/卫星导航设备、视觉传感器进行联合标定,结合高精度地图信息,获得相机与交通标志的相对位置和姿态关系;然后,利用视觉传感器自身参数,计算得到在当前图像中交通标志对应的相对位置,并据此获得224*224像素大小的目标区域;将传感器数据融合得到的目标信息和AlexNet模型相结合,目标区域作为AlexNet模型的输入数据。为验证MSDF-AlexNet模型的识别性能,基于VIVA交通信号灯数据库对模型进行离线训练并生成训练模型,然后将训练模型应用于无人巡逻车获得的实际场景交通标志图像的在线识别。结果表明,相对于AlexNet模型,MSDF-AlexNet模型在正常光照、其他光源干扰和极端光照下的综合识别精度分别达到98.4%、98%和96.8%,有助于推动系统的工程化应用。
|
