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。尽管城市驾驶和基础设施面临诸多挑战，但传感器和嵌入式系统的最新发展，让我们能够更深入地分析自动驾驶车辆的成本和需求。

1. 目标与技术选择

本研究旨在利用新技术和传感器，构建一个更好的识别模型，以识别自动驾驶车辆周围的相关道路参与者。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。单阶段检测技术如YOLO和SSD，检测速度快且能实时进行，但在高精度识别方面略有不足；两阶段检测技术如R - CNN和SPP。本研究选择使用YOLOv4卷积神经网络，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安装在高尔夫球捡球车上的立体相机捕获。

2. 研究方法

• 数据准备 ：研究团队开发了自己的数据集。使用FLIR和Mynteye两台相机，安装在自动驾驶车辆上，在白天和夜间分别行驶超过200小时进行图像采集。相机安装在车辆前方约一米高的位置，用于拍摄行人、汽车和可移动物体等障碍物的图像。两台相机在Linux和ROS环境下运行，并在录制过程结束后提供rosbag文件。
• 数据采集工具 ：采用Mynteye AI D1000 - IR - 120相机，其镜头可提供2560×720分辨率、60fps的立体图像，深度分辨率为1280×720、60fps，能同时提供深度和RGB数据。
• 数据采集 ：团队开发了一个更