電子發燒友網>電子資料下載>模擬數字>如何使用深度學習進行井下巷道行人視覺定位算法的詳細資料說明

如何使用深度學習進行井下巷道行人視覺定位算法的詳細資料說明

2474220 2019-03-28 | rar | 1.05 MB | 次下載 | 免費

資料介紹

　　自主駕駛礦井機車需要實時檢測和定位行駛前方的巷道行人，激光雷達等非視覺類方法成本高昂，而傳統基于特征提取視覺類方法無法解決并下光照差且光線不均勻的問題。提出一種基于深度學習的井下巷道行人視覺定位算法。首先給出基于深度學習網絡的系統整體結構;其次，搭建目標檢測多層卷積神經網絡（CNN），生成自主駕駛機車前方視野范圍內行人的二維坐標及邊界框的尺寸;再次，通過多項式擬合計算出圖像中行人到機車之間的第三維距離;最后通過真實祥本集實施模型訓練驗證與測試。實驗結果表明，所提算法的檢測準確率達94% ，速度達每秒25幀，測距誤差小于4%，實現了實時高效的巷道行人視覺定位。

　　近年來，隨著市場對駕駛安全和智能化需求的不斷提高，無人駕駛巨大的社會和經濟價值越發凸顯，［1］。無人駕駛系統在民用、科學研究、軍事、工業等方面獲得廣泛應用。其中在工業方面則針對具有繁重的運輸任務、有事故風險的并下工作環境來代替人工來完成采礦、運輸等任務。不同于一般的駕駛環境，工業軌道運輸環境受井下空間和運輸礦物的影響，容易導致事故的發生，且一旦發生事故極易造成人員傷亡或引發爆炸等嚴重后果。因此，為了從根本上減少機車運行事故的發生，杜絕人員傷亡現象的出現，有必要對無人礦井機車前方行人進行動態感知、識別分析處理，做到及時啟/停和提前預警。