最近几年，自动驾驶(或者机器人辅助驾驶)已成为一个快速发展的研究领域。全自动驾驶汽⻋的竞赛促使许多大公司，如谷歌、丰田和福特，开发了自己的概念机器人汽⻋[1]、[2]、 [3]。尽管自动驾驶汽⻋被广泛认为是人工智能实际应用的主要开发和测试场，但安全性、道德、成本和可靠性方面仍然存在令人担忧的主要原因[4]。特别是从安全⻆度来看，智能汽⻋需要强有力地解释与他们共享环境的人类(驾驶员、行人或骑自行⻋者)的行为，以便应对他们的决策。态势感知因此，了解其他道路使用者行为的能力对于自动驾驶⻋辆(AV)的安全部署至关重要。

最新一代的机器人汽⻋配备了一系列不同的传感器(即激光测距仪、雷达、摄像头、GPS)，以提供有关道路上发生的情况的数据[5]。然后融合如此提取的信息以建议⻋辆应如何移动 [6]、[7]、[8]、[9]。然而，一些作者认为，视觉对于自动驾驶汽⻋来说是一种足够的感知能力，可以在其环境中导航，并得到人类这样做的能力的支持。无需征召我们自己作为后一种观点的支持者，在本文中我们考虑了以下背景:基于视觉的自动驾驶[10]来自安装在⻋辆上的摄像头以流媒体、在线方式捕获的视频序列。

虽然检测器网络 [11] 通常经过训练以促进道路场景中的物体和演员识别，但这只是让⻋辆“看到”周围的事物。这项工作的理念是，强大的自动驾驶能力需要以语

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/码创造者/article/detail/885789

YOLOv5改进策略|YOLO模型优化|Slowfast 和 YOLOv5 检测器 自动驾驶、车辆识别、车牌识别、车道识别、行人识别_slowfast和yolo的区别

YOLOv5改进策略|YOLO模型优化|Slowfast 和 YOLOv5 检测器自动驾驶、车辆识别、车牌识别、车道识别、行人识别_slowfast和yolo的区别