基于改进YOLOv3和立体视觉的园区障碍物检测方法

来源：计算机测量与控制杂志2021年第9期北京时间：

作者：胡丹丹,张莉莎,张忠婷

单位：中国民航大学 电子信息与自动化学院

摘要：为了解决无人驾驶障碍物检测在园区场景中准确率低、实时性不足等问题，提出一种基于改进YOLOv3（You Only Look Once）和立体视觉的障碍物检测方法：YOLOv3-CAMPUS。通过改进特征提取网络Darknet-53的结构减少前向推断时间，进而提升模型检测速度，通过增加特征融合尺度提升检测精度和目标定位能力；通过引入GIOU(Generalized Intersection over Union)改进目标定位损失函数，通过改进k-means算法降低初始聚类点造成的聚类偏差，进而提高模型检测精度；通过立体视觉相机获得预测边界框中心点的深度信息，确定障碍物与无人车的距离。实验结果表明，提出的方法较原模型在园区混合数据集（KITTI+PennFudanPed）上平均精度提升了4.19%，检测速度提升了5.1fps；在自建园区数据集（HD-Campus）上平均精度达到98.57%，均能满足实时性要求。

关键词：园区障碍物;YOLOv3;特征提取;GIOU;立体视觉

基金资助：天津市科技计划项目(17ZXHLGX00120)