计算机工程与信息技术学报

使用 YOLOv4 进行物体检测的自动驾驶汽车的设计和开发

瑞沙布·乔普达、萨凯特·普拉丹和阿努吉·葛印卡

未来的汽车有望实现无人驾驶;点对点运输服务能够避免致命事故。为了实现这一目标,汽车制造商一直在投资实现潜在的自动驾驶。在这方面,我们展示了一款自动驾驶模型车,它能够使用物体检测作为主要转向手段,在由彩色锥体制成的轨道上进行自动驾驶。本文介绍了模型车的制造过程,从其嵌入式硬件平台到自动数据采集和模型训练所需的端到端 ML 管道,从而允许深度学习模型从硬件平台获取输入以控制汽车的运动。这可以自动引导汽车并很好地适应实时轨道,而无需手动提取特征。本文介绍了一种从视频数据中学习的计算机视觉模型,涉及图像处理、增强、行为克隆和卷积神经网络模型。暗网架构用于通过视频片段检测对象并将其转换为 3D 可导航路径。最后,本文涉及所用技术的结论、结果和未来改进的范围。

免责声明: 此摘要通过人工智能工具翻译,尚未经过审核或验证