基于YOLOv4网络模型的临时道路识别算法

针对自动驾驶车辆不能准确识别由交通锥桶标识的临时道路问题,提出一种融合彩色相机和深度相机数据的临时道路检测算法;使用一台四目相机实时采集环境的色彩和深度信息,通过YOLOv4模型实时检测彩色和深度图像中的交通锥桶,根据边界框的欧氏距离对二者结果进行融合,最终规划出车辆在临时道路中的运动轨迹。实验结果表明,该算法能够快速、准确地识别各色交通锥桶及其位置信息,检测交通锥桶的平均精度分别为94.25%、95.16%和91.03%,平均单帧彩色图像处理时间为36.34 ms。车辆在临时道路中的运动轨迹规划也符合预期,能够辅助车辆顺利驶出。