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
面向企业官网和业务系统的知识库智能客服平台,支持 FAQ 与
本人独立开发 Windows 端 Python 自动化 GU
业务和功能介绍 余音是一款面向情感陪伴、记忆留存与数字声音
本平台专为工业车间打造,融合AI视觉分析能力,构建全天候智能
**基于树莓派的智能座椅身份识别与自动调节系统** 本
**基于百度 EdgeBoard 的智能赛道视觉感知与任务执
需求方专属客服,免费梳理匹配
添加客服微信,免费为您安排与该工程师直接沟通
长按二维码添加客服微信
如当前档期不合,也可免费为您推荐相似案例作者