摘要
本研究基于深度学习探索多传感器融合检测算法,通过分析视觉感知理论、构建增强数据集、设计多任务学习视觉识别模型、优化架构、引入注意力机制并实现轻量化设计,研究动态场景的时序建模方法。实验验证表明,所提算法显著提升了小目标检测精度及复杂场景适应能力:在KITTI验证集上,遮挡目标召回率提升24%,黄昏场景误检率降低62%,nuScenes测试集目标轨迹跳变率从12.1%降至5.3%;在恶劣天气下,其检测精度较单传感器系统提升约15%,雾天精度达73.4%。此外,该算法在KITTI和nuScenes数据集上实现实时性与精度突破:轻量化设计将计算量降至0.8万亿次/秒的同时保持82.1%的mAP,在NVIDIA Jetson AGX Xavier平台上实现45帧/秒推理速度及30W功耗。这些结果为智能驾驶环境感知提供了可靠支撑。
出处
《汽车维修技师》
2025年第20期12-15,共4页
Auto Maintenance
基金
2025年度校级科研项目:面向辅助驾驶目标识别方法研究(项目编号:[2025]023ZXKJ)。
