一种适用于开放环境中的无人地面车辆的小型行人及车辆检测方法 张旭龙、 江洪、 韩东、 郭海、 张向峰、 孙凯歌

《Machines》：A Method for Lightweight Pedestrian and Vehicle Detection for Unmanned Ground Vehicles in Open Environments Xulong Zhang, Hong Jiang, Dong Han, Hai Guo, Xiangfeng Zhang and Kaige Sun

　　

摘要

在开放环境中，部署在无人地面车辆（UGVs）边缘平台上的轻量级行人及车辆检测模型在面对复杂背景、远处的小目标以及被遮挡的物体时，常常难以在检测精度和推理效率之间取得平衡。为了解决这个问题，我们提出了一种基于YOLO11n的轻量级物体检测模型，命名为UGV-Net。该模型通过引入C3k2_PS模块增强了特征交互和全局上下文建模能力，利用Dysample动态上采样实现基于内容的特征重建，并设计了LSDECD检测头以减少多尺度预测的冗余和计算开销，从而在检测精度和推理效率之间达到平衡。与基线模型YOLO11n相比，UGV-Net在KITTI数据集上的F1分数、mAP50和mAP50:95分别提高了2.19%、2.26%和2.10%，同时将GFLOPs从6.3降低到4.9，参数数量从2.58M减少到2.41M。同样，在SODA10M和FLIR数据集上，F1分数分别提高了1.71%和1.41%，mAP50分别提高了1.67%和2.39%，显示出出色的检测精度和泛化能力。此外，在Jetson Orin Nano平台上的实验验证了UGV-Net能够实现稳健的实时检测性能，使其成为开放环境中UGV感知的高效、可靠且轻量级的解决方案。