摘要:针对中国大学生无人驾驶方程式赛车目标检测系统当前算法检测速度较慢,在不同场景下容易出现检测精度低,漏检、 误检现象严重等问题,文章设计了一种适用于锥标颜色的整体检测系统,在识别模块中,首先,为了提高原 YOLOv5 基础模型检 测速度和识别精度,采用 CIoU 作为边界框回归损失函数,针对训练时收敛速度慢和算法识别精确度低的问题,将原加权非极大 抑制方式更改为 DIoU_NMS,测试精度为 0. 963,相较于原算法提高了 2. 1%,结果表明改进后的算法更适合比赛场景下锥标颜 色识别。 其次,在跟踪模块中,对深度表观特征锥标颜色重识别模型进行训练,将单目标跟踪算法改为可以对多种类别目标进 行跟踪,相比于单一的目标检测算法,有效降低漏检现象,最后,添加测距模块,利用检测框高度信息进行车载摄像头到锥桶的 测距,90 m 以内的平均误差小于 9%。 整个系统的帧率达到 20 FPS,实现锥标颜色识别和距离的有效测量,为比赛提供更多的 数据支持。