53、自动驾驶与老年关怀：机器人技术的双重应用探索

自动驾驶与老年关怀：机器人技术的双重应用探索

自动驾驶车辆的障碍物识别

在过去几年里，自动驾驶车辆成为了创新和技术的焦点。随着城市驾驶和基础设施面临诸多挑战，传感器和嵌入式系统的最新发展，使得对自动驾驶车辆的成本和需求进行更深入分析成为可能。

研究目标与技术选择

本研究旨在利用卷积神经网络（采用YOLOv4），结合RGB和深度图像数据来识别障碍物。RGB和深度图像数据将由放置在高尔夫球捡球车上的立体相机捕获。在目标检测和识别任务中，常用的技术是深度神经网络（DNN），它可分为单阶段检测和两阶段检测。单阶段检测如YOLO和SSD，速度快且能实时检测，但在高精度识别上略有不足；两阶段检测如R - CNN和SPP。

研究方法

1. 数据准备 ：研究开发了自己的数据集，使用FLIR和Mynteye两台相机在自动驾驶车辆上进行图像采集，车辆在白天和夜间行驶超过200小时。相机安装在车辆前侧，距地面约一米，用于拍摄行人、汽车和可移动物体等障碍物的图像。
2. 数据采集工具 ：采用Mynteye AI D1000 - IR - 120相机，其镜头提供2560×720的立体分辨率（60 fps），深度分辨率为1280×720（60 fps），可同时提供深度和RGB数据。
3. 数据采集 ：团队开发了一个更全面、高密度且高度遮挡的图像数据集，包含八个标签，共完成了700,000个标注。标注使用开源工具labelImg，支持YOLO、JSON等多种格式。