ROS2自动驾驶
yolo5自动驾驶
1、重要！更换U盘的操作指引
2、关闭开机自启动大程序
3、Linux基础
4、YoloV5训练集
5、自动驾驶基础调试(代码解析)
6、自动驾驶特调
7、自动驾驶原理
8、PID算法理论
9、阿克曼运动学分析理论
10、建立运动学模型
常用命令
！重要！首次使用
一、原理分析
麦克纳姆轮运动学分析
二、AI大模型
3、AI大模型类型和原理
4、RAG检索增强和模型训练样本
5、具身智能机器人系统架构
6、具身智能玩法核心源码解读
7、配置AI大模型
8、配置API-KEY
三、深度相机
2、颜色标定
10、深度相机的基础使用
11、深度相机伪彩色图像
12、深度相机测距
13、深度相机色块体积测算
14、深度相机颜色跟随
15、深度相机人脸跟随
16、深度相机KCF物体跟随
17、深度相机Mediapipe手势跟随
18、深度相机视觉循迹自动驾驶
19、深度相机边缘检测
四、多模态视觉理解
20、多模态语义理解、指令遵循
21、多模态视觉理解
22、多模态视觉理解+自动追踪
23、多模态视觉理解+视觉跟随
24、多模态视觉理解+视觉巡线
25、多模态视觉理解+深度相机距离问答
26、多模态视觉理解+SLAM导航
27、多模态视觉理解+SLAM导航+视觉巡线
28、意图揣测+多模态视觉理解+SLAM导航+视觉功能
五、雷达
8、雷达基础使用
思岚系列雷达
六、建立地图
9、Gmapping建图
cartographer快速重定位导航
RTAB-Map导航
RTAB-Map建图
slam-toolbox建图
cartographer建图
Navigation2多点导航避障
Navigation2单点导航避障
手机APP建图与导航
七、新机器人自动驾驶与调整
多模态视觉理解+SLAM导航
新机器人自动驾驶
场地摆放及注意事项
启动测试
识别调试
无人驾驶的车道保持
无人驾驶路标检测
无人驾驶红绿灯识别
无人驾驶之定点停车
无人驾驶转向决策
无人驾驶之喇叭鸣笛
无人驾驶减速慢行
无人驾驶限速行驶
无人驾驶自主泊车
无人驾驶综合应用
无人驾驶融合AI大模型应用
八、路网规划
路网规划导航简介
构建位姿地图
路网标注
路网规划结合沙盘地图案例
路径重规划
九、模型训练
1、数据采集
2、数据集标注
3、YOLOv11模型训练
4、模型格式转换
十、YOLOV11开发
多机通讯配置
汝城县职业中等专业学校知识库-信息中心朱老师编辑
-
+
首页
yolo5自动驾驶
7、自动驾驶原理
7、自动驾驶原理
YOLOv5在自动驾驶中的视觉原理主要基于其单阶段目标检测架构，结合多任务处理能力，实现对道路环境的实时感知。以下是核心要点： 核心架构 YOLOv5采用单阶段检测框架，将输入图像划分为网格（如13×13），每个网格预测边界框、类别概率及置信度。其骨干网络（如CSPDarknet53）通过多层卷积提取特征，结合FPN（特征金字塔网络）增强多尺度目标检测能力 。 多任务处理 在自动驾驶场景中，YOLOv5被扩展为多任务模型： 目标检测：保留YOLOv5的检测头，直接输出车辆、行人等目标的边界框和类别 。 车道线检测：通过共享骨干网络的特征，使用ENet分割头提取车道线像素，结合FPN优化分割精度 。 可行驶区域分割：对输入图像进行二分类，分割出可行驶区域，辅助路径规划 。 优化技术 Focus模块：通过重排输入特征图，提升通道利用率，减少计算量 。 Anchor-Free设计：YOLOv5后续版本（如v7）移除预设锚框，直接预测边界框，简化后处理流程 。 动态标签分配：根据预测结果动态调整训练样本权重，提升小目标检测效果 。 实时性与精度平衡 YOLOv5通过轻量化网络设计（如CSPNet）和优化损失函数，在保持较高检测精度（如mAP）的同时，满足自动驾驶对低延迟的需求 。
admin
2025年11月27日 14:38
133
转发
收藏文档
上一篇
下一篇
手机扫码
复制链接
手机扫一扫转发分享
复制链接
分享
链接
类型
密码
更新密码
有效期
Markdown文件
Word文件
PDF文档（打印）
AI