基于卷积神经网络的道路障碍物检测算法

• 作者: 姚剑敏 权鸿斌
• 来源期刊: 有线电视技术
• 关键词: 障碍物 感兴趣区域 阈值分割 候选区域 卷积神经网络
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 技术前沿
• 页码范围: 19-23
• 页数: 5页
• 字数: 2950字
• 语种: 中文

摘要

针对传统道路障碍物检测算法准确性和鲁棒性不强等问题,本文提出一种基于卷积神经网络的道路障碍物检测算法.该算法首先对车载图像预处理生成障碍物候选区域,再将障碍物候选区域输入到改进的卷积神经网络中,进行精确识别和剔除,区分道路障碍物和非障碍物.改进的卷积神经网络在原有网络的基础上,调整了卷积核的大小和个数、池化层的空间尺寸和神经网络的深度,并且在卷积层后选择性的加入池化层,提高障碍物的识别率.在不同场景中进行了测试,实验结果表明:本文提出的道路障碍物检测算法有效的提高了障碍物的识别率,识别率达到98.2％,并且拥有较高的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚剑敏	福州大学物理与信息工程学院	86	238	8.0	10.0
2	权鸿斌	福州大学物理与信息工程学院	1	2	1.0	1.0