本项目为高速公路场景下的智能交通检测系统,核心解决传统纯视觉方案在小目标检测、弱光/逆光环境下检测效果差的痛点。
技术方案:将毫米波雷达的点云数据处理为图像特征数据,在YOLO目标检测网络的Head层融入雷达特征,构建了融合特征的目标检测算法。相比纯视觉方案,该算法在小目标检测和光线较差场景下检测效果显著提升。
部署架构:基于ROS通信框架搭建实时推理视频流架构,将车辆检测、车牌识别、天气分类、抛洒物检测等多个算法模块统一调度。完成NVIDIA、昇腾、瑞芯微、寒武纪、比特大陆五款边缘芯片的模型移植与推理代码集成,实现一套算法多平台部署。
本人角色:担任算法组负责人,负责整体技术方案设计、雷视融合算法研发、多芯片移植部署架构搭建及团队技术管理。
技术栈:PyTorch、ONNX、TensorRT、ROS、YOLOv5改进版、雷达点云处理