方程式赛车ROS平台下基于TensorRT的YOLOv5算法改进

作者：胡天鑫; 邓超; 马俊杰; 刘旺

来源：农业装备与车辆工程, 2023, 61(05): 14-19.

DOI：10.3969/j.issn.1673-3142.2023.05.004

• 机器视觉
• ROS
• YOLOv5
• 路锥

基于机器视觉的无人驾驶技术是近年来的研究热点，尤其在高速路、路锥道路等特殊路段，机器视觉有明显的优势。针对现有YOLOv4、Faster-RCNN等普通深度学习算法在路锥道路识别速度慢、障碍物识别不稳定等缺陷，基于武汉科技大学无人方程式赛车，提出在ROS平台利用Tensor RT加速YOLOv5算法，实现无人方程式赛车环境感知，并接入Gazebo进行赛车的路劲规划仿真。实车实验表明，相比于普通的YOLOv4算法，具有更快的识别速度，一帧图像识别时间在10～20 ms，路锥障碍物的平均识别精度更高，达到99.2%，且识别效果稳定，具有实际应用价值。

• 单位
  武汉科技大学