Volume 1,Issue 2
Fall 2024
基于机器视觉的车辆行人检测与主动避让技术研究
研究探讨了基于机器视觉的车辆行人检测与主动避让技术的现状、挑战、技术实现、实际应用及未来发展。分析了现有技术在复杂环境适应性、检测精度与速度、数据标注与训练、传感器融合等方面的不足，并提出了算法优化、硬件性能提升、数据资源丰富以及多模态数据融合的解决方案。实际应用案例展示了该技术在自动驾驶、智能交通管理和辅助驾驶系统中的广泛应用和显著效果。未来发展展望中，指出机器视觉技术将在提升交通安全性、管理效率和系统智能化方面发挥更为重要的作用。
[1] 李明．机器视觉在智能交通中的应用现状与挑战［J］．计算机工程与应用，2022, 58(4): 56-63.
[2] 王强．基于深度学习的行人检测算法研究［J］．软件学报，2021, 32(12): 3012-3025.
[3] 陈华．智能车辆避碰系统的设计与实现［J］．电子技术应用，2020, 46(7): 89-94.
[4] 张伟．城市交通中车辆检测与行人避让技术的发展［J］．智能系统学报，2023, 15(3): 66-72.
[5] 刘洋．复杂交通环境下的机器视觉算法优化［J］．交通信息与安全，2019, 37(6): 45-50.
[6] 郭瑞祥．基于机器视觉的自动避让系统优化研究［J］．电子设计工程，2021, 29(10): 96-100.
[7] 谢阳．智能车辆环境感知与决策技术［J］．车辆与驾驶技术，2023, 44(2): 18-23.
[8] 王立军．基于YOLO 的交通监控系统的设计与实现［J］．计算机工程与设计，2020, 41(1): 27-32.
[9] 邱泽宇．增强现实技术在智能驾驶辅助系统中的应用［J］．计算机工程，2019, 45(4): 162-167.
[10] 刘瑾．深度神经网络在车辆检测中的应用［J］．通信技术，2021, 54(2): 424-430.