融合目标检测与距离阈值模型的露天矿行车障碍预警

• Published in: Guang Dian Gong Cheng = Opto-Electronic Engineering Vol. 47; no. 1; pp. 190161 - 45
• Main Authors: 卢才武, 齐凡, 阮顺领 / Lu Caiwu, Fan, Qi, Ruan Shunling
• Format: Journal Article
• Language: Chinese; English
• Published: Chengdu Editorial Office of Opto-Electronic Advances 01.01.2020; 西安建筑科技大学管理学院,陕西西安,710055
• Subjects: Accuracy; Barriers; Convolution; Distance factor; Feature maps; International conferences; Neural networks; Object recognition; Obstacle avoidance; Open pit mining; Pattern recognition; Roads & highways; Semantics; Target detection; China; 迁移学习; 扩张卷积; 障碍预警; 目标检测; 距离阈值模型
• ISSN: 1003-501X
• DOI: 10.12086/oee.2020.190161

针对当前行车预警方法无法适应露天矿非结构化道路问题，本文提出一种融合目标检测和障碍距离阈值的预警方法。首先根据露天矿障碍特点改进原有的Mask R-CNN检测框架，在骨架网络中引入扩张卷积，在不缩小特征图的情况下扩大感受野范围保证较大目标的检测精度。然后，根据目标检测结果构建线性距离因子，表征障碍物在输入图像中的深度信息，并建立SVM预警模型。最后为了保证预警模型的泛化能力采用迁移学习的方法，在COCO数据集中对网络进行预训练，在文中实地采集的数据集中训练C5阶段和检测层。实验结果表明，本文方法在实地数据检测中精确率达到98.47%，召回率为97.56%，人工设计的线性距离因子对SVM预警模型有良好的适应性。