首页|期刊导航|农业装备与车辆工程|面向车位与障碍物的YOLO-BPB多任务检测算法研究

面向车位与障碍物的YOLO-BPB多任务检测算法研究OA

中文摘要

针对自动泊车系统中障碍物检测与停车位检测采用独立网络实现、计算开销较大,以及基准多任务模型YOLO-Parking在复杂场景下对小尺度停车位角点特征提取不足的问题,提出一种面向环视图像的改进型多任务检测网络YOLO-BPB。该方法以YOLO-Parking为基线,在YOLOv8框架下构建障碍物与停车位联合检测模型,并在共享主干网络中引入CSP-PTB模块以增强全局特征表征能力,在颈部网络中引入P2-BiFPN结构以提升多尺度特征融合效果,从而实现障碍物目标框与停车位角点信息的并行预测。在PS2.0数据集上的实验结果表明:所提方法的障碍物检测精度提升至94.22%,停车位检测查准率提升至95.32%,模型参数量降低至65.96 M。与基准模型YOLO-Parking相比,所提方法在障碍物与停车位联合检测精度及模型轻量化方面均取得了较优结果,能够较好满足自动泊车场景下的感知需求。

孙骏;刘安;张炳力;王焱辉;张智森

合肥工业大学汽车与交通工程学院,安徽合肥230009合肥工业大学汽车与交通工程学院,安徽合肥230009合肥工业大学汽车与交通工程学院,安徽合肥230009合肥工业大学汽车与交通工程学院,安徽合肥230009合肥工业大学汽车与交通工程学院,安徽合肥230009

交通工程

自动泊车多任务检测YOLOv8CSP-PTBP2-BiFPN

《农业装备与车辆工程》 2026 (9)

P.109-115,7

长三角科技创新共同体联合攻关专项资助项目“复杂环境下的高准确度环境识别与泊车轨迹规划及控制研究”(2022CSJGG1501)。

10.3969/j.issn.1673-3142.2026.09.018

评论