面向无人驾驶的井下行人检测方法

面向无人驾驶的井下行人检测方法

TD67; 行人检测是煤矿井下无人驾驶的关键技术,受煤矿井下光照不均匀、背景复杂、红外线干扰、光线昏暗和图像中目标小且密集等影响,现有方法检测井下行人时效果不理想.针对上述问题,提出了一种多传感器融合的井下行人检测方法.该方法通过分步多特征融合方式将可见光传感器、红外传感器和深度传感器采集的图像特征进行融合,获得了更加丰富的图像特征;在RetinaNet的基础上,将Dense连接加入到ResNet中,形成一种具有层级相连结构的Dense-ResNet,能够从多传感器融合结果中提取出深层图像特征,增强了对小目标的检测能力.实验结果表明,多传感融合图像相较于单一图像可获得更加丰富的目标特征,有利于...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:工矿自动化 2021, Vol.47 (9), p.113-117
Hauptverfasser: 刘备战, 赵洪辉, 周李兵
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:TD67; 行人检测是煤矿井下无人驾驶的关键技术,受煤矿井下光照不均匀、背景复杂、红外线干扰、光线昏暗和图像中目标小且密集等影响,现有方法检测井下行人时效果不理想.针对上述问题,提出了一种多传感器融合的井下行人检测方法.该方法通过分步多特征融合方式将可见光传感器、红外传感器和深度传感器采集的图像特征进行融合,获得了更加丰富的图像特征;在RetinaNet的基础上,将Dense连接加入到ResNet中,形成一种具有层级相连结构的Dense-ResNet,能够从多传感器融合结果中提取出深层图像特征,增强了对小目标的检测能力.实验结果表明,多传感融合图像相较于单一图像可获得更加丰富的目标特征,有利于提高目标检测精度;Dense-RetinaNet相较于RetinaNet在多目标和小目标检测精度上均有所提高.
ISSN:1671-251X
DOI:10.13272/j.issn.1671-251x.17830