[发明专利]基于改进YOLOv3网络的无人车夜间环境感知方法

摘要

本发明涉及一种基于改进YOLOv3网络的无人车夜间环境感知方法。本发明应用于无人车领域，将YOLOv3网络应用于夜间红外图像，改进后的YOLOv3网络具有端到端的特点，将红外图像中周边车辆角度信息加入到YOLOv3网络边界框位置信息中，对周边车辆行驶意图做出判断，实现周边车辆角度预测，输入一张图像直接可以预测出目标信息，大幅提升速度的同时加强了对小目标物体的检测，有效的保证了预测的正确性和实时性。

主权项

1.一种基于改进YOLOv3网络的无人车夜间环境感知方法，其特征在于，包括以下步骤：步骤1、构建夜视图像数据集，挑选无人车采集的红外图像，对这些红外图像中包含的行人及车辆进行真实目标位置标注，得到样本文件；步骤2、对原始红外图像中目标车辆的角度进行人工标定，构成车辆角度样本文件，与步骤1得到的样本文件组成夜视图像目标与车辆角度样本文件；步骤3、构建改进的YOLOv3网络，该改进的YOLOv3网络为加入车辆角度预测的YOLOv3网络，利用步骤2得到的夜视图像目标与车辆角度样本文件训练改进的YOLOv3网络，通过改进的YOLOv3网络提取特征，从而得到特征图；步骤4、将整幅特征图划分成S×S个网格，每个网格生成B个边界框，每个边界框预测6个值，分别为：位置信息(x，y，w，h)、置信度和角度，(x，y)表示边界框相对于网格中心的的坐标，(w，h)是边界框相对于整张图片的高度和宽度，将每个边界框根据类别置信度预测一个类别信息，类别分为行人及车辆；步骤5、根据步骤4得到的类别信息，当类别为车辆时，给出预测车辆的角度信息和车辆边界框，当类别为行人时，给出目标行人边界框；步骤6：根据设定的阈值筛选出对于特定类别的置信度得分高的边界框，并用非极大抑制算法删除重叠的边界框，得到最终目标边界框和车辆角度预测结果。