基于改进YOLO算法的FSAC赛车实时目标检测系统

• 作 者: 李涛 张代胜 张飞 张南岳
• 机 构: 合肥工业大学汽车与交通工程学院
• 出 处: 合肥工业大学学报(自然科学版)
• 发表日期: 2020年09期
• 关键词: 中国大学生无人驾驶方程式大赛(FSAC)赛车 目标检测 YOLO算法 机器人操作系统(ROS) Formula Student Autonomous China
• 基金项目: 国家自然科学基金青年科学基金资助项目(51805133)

针对中国大学生无人驾驶方程式大赛(Formula Student Autonomous China,FSAC)赛车目标检测系统检测速度较慢和鲁棒性较差的问题,文章提出了一种基于改进YOLO算法的实时目标检测方法。以YOLOv3-tiny网络为基础,根据目标物较为细长、尺寸较小的特点,使用k-means算法对数据集中的真实边界框进行聚类,选取合适的边界框数量和规格改进YOLOv3-tiny网络结构,使其目标检测时能融合更大的尺度信息,对小目标物检测更加有效和准确;将改进的算法部署在机器人操作系统(ro