方程式赛车ROS平台下基于TensorRT的YOLOv5算法改进

摘要：

基于机器视觉的无人驾驶技术是近年来的研究热点,尤其在高速路、路锥道路等特殊路段,机器视觉有明显的优势.针对现有YOLOv4、Faster-RCNN等普通深度学习算法在路锥道路识别速度慢、障碍物识别不稳定等缺陷,基于武汉科技大学无人方程式赛车,提出在ROS平台利用TensorRT加速YOLOv5算法,实现无人方程式赛车环境感知,并接入Gazebo进行赛车的路劲规划仿真.实车实验表明,相比于普通的YOLOv4算法,具有更快的识别速度,一帧图像识别时间在10～20 ms,路锥障碍物的平均识别精度更高,达到99.2％,且识别效果稳定,具有实际应用价值.

关键词：机器视觉、ROS、YOLOv5、路锥

所属期刊栏目：61

分类号：U461(汽车工程)

资助基金：国家自然科学基金;湖北省自然科学基金青年项目;湖北省教育厅科学技术研究计划青年人才项目;教育部卓越工程师教育培养计划项目产学合作协同育人项目

在线出版日期：2023-05-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：14-19