1.一种基于YOLO模型的动静态障碍物识别方法,其特征在于:具体包括如下步骤:
S1.建立YOLO-SH网络:在现有的YOLOv8网络中,将主干网络中的C2f模块替换为SACM模块,形成轻量化的C2f_SACM模块;将颈部网络中原生的PANet中的C2f模块替换为HAT模块,用于多尺度特征融合;
所述C2f_SACM模块,对输入特征图先经过一个基础卷积层进行初步处理,调整特征图的通道数并提取基础特征;利用动态卷积核调整机制,基于输入特征图的内容动态调整卷积核参数,生成一组优化后的卷积核;应用优化后的卷积核,对特征图进行卷积操作,提取增强后的特征图;再应用空间注意力机制,增强对关键区域的关注,并生成加权后的特征图;将加权后的特征图与原始输入特征图进行合并,得到最终的输出特征图;
所述HAT模块,对每个输入特征图进行尺寸调整,使特征图具有相同的分辨率;对每个尺寸对齐后的特征图逐点卷积,通过全局平均池化提取每个通道的全局信息,然后通过全连接层或卷积层生成权重,根据权重对所有特征图进行加权求和,形成最终的融合特征图;
S2.将实验得到的实验数据作为数据集,训练步骤S1得到的YOLO-SH网络,得到YOLO-SH模型;
S3.根据YOLO-SH模型的检测结果,输出每个障碍物的检测框;选取检测框的几何中心点作为障碍物的特征点,分析特征点在间隔帧图像中的移动情况;根据特征点的移动情况,分别设定静态障碍物和动态障碍物的特征点移动阈值,实现动静态障碍物的区分。
2.根据权利要求1所述的一种基于YOLO模型的动静态障碍物识别方法,其特征在于:所述动态调整卷积核参数包括:先计算每个位置的重要性权重W,使用空间注意力机制评估各个位置的重要性权重W;根据得到的权重W,调整预定义的基础卷积核K,生成新的卷积核K’。
3.根据权利要求1所述的一种基于YOLO模型的动静态障碍物识别方法,其特征在于:所述步骤S2中的实验,具体过程如下:移动小车搭载相机不断移动,前方不断出现静态障碍物和动态障碍物,相机采集图像并进行标注处理。
4.根据权利要求3所述的一种基于YOLO模型的动静态障碍物识别方法,其特征在于:所述相机安装在移动小车上方40~50cm处,保证视野无遮挡;所述移动小车以1~2m/s的速度向前做匀速直线运动。
5.根据权利要求1所述的一种基于YOLO模型的动静态障碍物识别方法,其特征在于:所述特征点移动阈值的设定方法为:根据特征点的移动,分别为X和Y方向设定静态障碍物特征点移动阈值(Xα,Yα)和动态障碍物特征点移动阈值(Xβ,Yβ);
若特征点在两个方向上的移动均未超过静态障碍物特征点移动阈值,则判定障碍物为静态障碍物;
若特征点在任一方向上的移动既超过静态障碍物特征点移动阈值,又超过动态障碍物特征点移动阈值,则判定障碍物为动态障碍物;
其他情况下,障碍物被判定为静态障碍物。
6.根据权利要求5所述的一种基于YOLO模型的动静态障碍物识别方法,其特征在于:所述静态障碍物特征点移动阈值的选取方法为:基于静态障碍物在间隔帧之间特征点移动的最大值(Xαmax,Yαmax)确定静态障碍物特征点移动阈值;若最大值与次最大值的平方差大于总样本数据的1.2倍的总体标准差,则选择次最大值作为新的静态障碍物特征点移动阈值;
所述动态障碍物特征点移动阈值的选取方法为:基于动态障碍物在间隔帧之间特征点移动的最小值(Xβmin,Yβmin)确定动态障碍物特征点移动阈值;若最小值与次最小值的平方差大于总样本数据的1.2倍的总体标准差,则选择次最小值作为新的静态障碍物特征点移动阈值。
7.根据权利要求1所述的一种基于YOLO模型的动静态障碍物识别方法,其特征在于:所述特征点在间隔帧图像中的移动情况,包括移动的距离和方向。