新能源与高效节能

本发明提出了一种基于深度感知的新能源汽车目标检测方法，用于提升新能源汽车目标检测的精度，达到提升新能源汽车安全性的目的，以解决上述现有技术存在的问题。 为实现上述目的，本发明提供了一种基于深度感知的新能源汽车目标检测方法，包括以下步骤： 获取新能源汽车的RGB图像和深度图像； 构建高效下采样模块、特征提取模块和特征融合模块，基于一个高效下采样模块、三个连续的特征提取模块以及一个特征融合模块构建骨干网络；

成果亮点

本发明公开了一种基于深度感知的新能源汽车目标检测方法，属于汽车目标检测技术领域，包括以下步骤：获取新能源汽车的RGB图像和深度图像；构建高效下采样模块、特征提取模块和特征融合模块，基于一个高效下采样模块、三个连续的特征提取模块以及一个特征融合模块构建骨干网络；构建轻量残差模块，基于三个连续的轻量残差模块以及特征金字塔网络构建颈部网络；构建检测头，基于骨干网络、颈部网络和检测头，构建深度感知检测模型；将RGB图像和深度图像输入所述深度感知检测模型中，进行特征提取、特征融合、特征增强和特征分类的操作，实现目标检测。本发明提出的基于深度感知的新能源汽车目标检测方法，显著提高了目标检测的定位能力。

基于深度感知的新能源汽车目标检测方法具有广阔的应用前景，以下是一些可能的应用方向和前景：

自动驾驶：准确检测车辆周围的目标，如其他车辆、行人、障碍物等，对于实现安全的自动驾驶至关重要。这种方法可以提高自动驾驶系统的感知能力，增强对环境的理解和应对能力。

智能交通系统：通过实时检测道路上的车辆和交通状况，智能交通系统可以更好地进行交通流量管理、优化信号灯控制，提高交通效率，减少拥堵。

车辆安全：目标检测可以用于车辆的碰撞预警系统，提前发现潜在的碰撞风险，为驾驶员提供及时的警告，提高行车安全性。

停车场管理：在停车场中，检测车辆的位置和状态可以实现智能停车引导、车位占用监测等功能，提高停车场的管理效率。

与现有技术相比，本发明具有如下优点和技术效果：

现有新能源汽车搭载的目标检测装置往往单独基于二维数据或者三维数据，基于二维数据的方法因为其检测精度会带来一定的风险，而基于三维数据的方法需要较大的资源开销。本发明利用深度信息来帮助二维目标检测，并提出了一种有效的基于深度感知学习的目标检测方法，设计了下采样模块对输入图像进行下采样，解决特征提取的资源开销，达到缩短处理时间的目的；同时利用深度感知卷积和深度感知平均池化来增强对三维空间感知，使设计的检测头在框架下能够学习空间感知特征；进一步提出轻量级残差模块，然后采用特征金字塔网络来增强信息，使得轻量级残差块在使用较少的计算和参数的同时实现了高性能；最后提出了一种新的深度引导损失函数，显著提高了深度感知检测模型的定位能力。