论文部分内容阅读
面对信息化军事作战的需要,具备态势感知能力的车载智能视觉系统是地面作战车辆的重要构成部分之一。因此研制一款目标检测可靠、功能接口丰富、环境适应性强等特点的车载智能视觉系统是目前陆军地面装备领域研究的重要内容之一。本文主要基于龙芯2K1000处理器研制一款面向地面作战车辆的国产车载智能视觉系统。首先,本文对国内外面向地面作战车辆的车载智能视觉系统的发展现状和基于机器学习的目标检测技术的研究现状分别进行了研究。从实际需求出发,采用模块化、标准化的设计理念提出车载智能视觉系统总体设计方案。其次,基于龙芯2K1000处理器设计了车载智能视觉系统硬件平台。通过对国内外电源转换芯片的比对分析,设计了基于XC79618HCC芯片的国产化电源模块;采用国产HWD2210芯片设计了可编程逻辑单元,实现功能接口可扩展,便于后期升级改造;设计了系统健康监测模块,实现对系统温度、电流、电压的实时监测,确保系统始终处在安全范围内工作。第三,基于改进YOLOv3深度神经网络,设计了车辆目标检测算法。通过将深度可分离卷积代替传统卷积网络来构造反残差块模型,减少运网络的计算量,提升目标检测实时性;采用广义交并比(Generalized Intersection over Union,GIOU)对损失函数中的边界误差进行优化,提升目标检测准确性;基于KITTI和USDC(Udacity Self-driving-car)数据集,完成增强混合数据集的制作;使用网络负反馈训练策略,优化训练模型并进行算法验证。最后,通过搭建调试环境,对系统的硬件功能、性能以及环境适应性进行测试;为了验证系统的目标检测功能,通过简化试验平台,对改进YOLOv3算法和传统YOLOv3算法分别进行实车道路试验。试验结果表明本文设计的车载智能视觉系统硬件性能可靠、环境适应性强、目标检测实时性和精准度指标均满足设计要求。