面向建筑工地自动驾驶汽车的计算机视觉安全驾驶方法

为了构建更智能和更安全的城市，安全、高效和可持续的交通系统是关键要求。自动驾驶系统（ADS）在智能交通领域发挥着重要作用，近年来被视为汽车行业面临的重大挑战之一。配备自动驾驶系统的汽车具备各种前沿功能，如自适应巡航控制、碰撞警报、自动泊车等。ADAS 的主要研究领域之一是识别建筑工地中的道路障碍物，无论驾驶环境如何。本文提出了一种创新且高度准确的道路障碍检测模型，利用计算机视觉技术，可在建筑工地中激活，并在多种漂移条件下正常工作，从而为构建更安全的道路交通系统作出贡献。开发的模型基于 YOLO 框架实现，平均平均精度超过 94%，在验证数据集上实现 1.6 毫秒的推理时间，凸显了应用于缓解自动驾驶车辆危险和风险的严格方法的稳健性。