基于LIDAR和YOLOv7深度学习融合的全天候道路检测系统研究
Journal: Project Engineering DOI: 10.12238/pe.v3i2.12408
Abstract
针对复杂环境下道路检测精度与实时性不足的问题,本研究提出基于多模态传感器融合与深度学习的全天候道路检测系统。通过融合LIDAR点云的三维空间信息与视觉数据的纹理特征,结合改进的YOLOv7算法构建多模态框架,在保持30FPS实时性的同时,将mAP@0.5提升至82.3%。系统采用ROS模块化架构,集成任务分配优化与GPU加速技术降低资源消耗,创新性引入夜间图像增强DCRE模型及多光谱数据融合机制,有效提升低光照场景检测能力。经100km多场景实测,夜间检测准确率达74.5%,多模态融合延迟≤50ms,较传统方法检测精度提升23.6%,在雨雾、夜间等恶劣条件下表现出显著优势。研究成果为自动驾驶环境感知提供了高鲁棒性解决方案,满足复杂场景下实时检测需求。
Keywords
LIDAR;YOLOv7;ROS框架;多传感器融合;低光照增强;实时检测;深度学习
Full Text
PDF - Viewed/Downloaded: 0 TimesReferences
[1] 杜娟,崔少华,晋美娟,等.改进YOLOv7的复杂道路场景目标检测算法[J].计算机工程与应用,2024,60(01):96-103.
[2] 廖金巧.基于激光雷达点云的路面破损检测方法[D].北方工业大学,2022.
[3] 杨超,曹更永,杨松,等.智慧高速公路发展路径设计[J].中国交通信息化,2023(1):72-75.
[4] HamishebaharYGuanHSoSetal.Acomprehensivereviewofdeeplearning-basedcrackdetectionapproaches[J].AppliedSci-ences,2022,12(3):1374.
[5] 周牧,冉浩成,王勇,等.基于激光雷达点云投影的多视图融合目标检测方法[J/OL].光学学报,1-16[2025-03-02].http:// kns.cnki.net/kcms/detail/31.1252.O4.20250114.1325.016.html.
[6] ChenZ,ZhangJ,TaoD.ProgressiveLIDARAdaptationforRoadDetection[J].IEEE/CAAJournalofAutomaticaSinica,2019,6(03):693-702.
[7] 柳晓峰.基于ROS的自主导航算法优化研究与验证[D].北京邮电大学,2020.
[2] 廖金巧.基于激光雷达点云的路面破损检测方法[D].北方工业大学,2022.
[3] 杨超,曹更永,杨松,等.智慧高速公路发展路径设计[J].中国交通信息化,2023(1):72-75.
[4] HamishebaharYGuanHSoSetal.Acomprehensivereviewofdeeplearning-basedcrackdetectionapproaches[J].AppliedSci-ences,2022,12(3):1374.
[5] 周牧,冉浩成,王勇,等.基于激光雷达点云投影的多视图融合目标检测方法[J/OL].光学学报,1-16[2025-03-02].http:// kns.cnki.net/kcms/detail/31.1252.O4.20250114.1325.016.html.
[6] ChenZ,ZhangJ,TaoD.ProgressiveLIDARAdaptationforRoadDetection[J].IEEE/CAAJournalofAutomaticaSinica,2019,6(03):693-702.
[7] 柳晓峰.基于ROS的自主导航算法优化研究与验证[D].北京邮电大学,2020.
Copyright © 2025 余佳欣, 袁博, 陈沛霖, 赵思怡, 李悦然

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License