复杂高动态空地多源数据融合与协同感知

1 项目概述

在智能交通和自动驾驶领域，多源数据融合是提升感知能力的关键技术。本项目针对空地场景机-车-设施智能体多源异构数据特点，充分考虑不同场景、光照、天气、视角等因素变化，设计相应的数据融合与协同感知方法，旨在提升全场景、大范围目标识别的准确性和鲁棒性。

2周

团队核心成员

5人

作为团队核心成员，主要负责数据预处理、目标检测算法实现和数据库构建等工作：

针对车载、路侧、无人机三域异构数据，与团队成员合作应用图像去雾增亮算法提升低质图像可用性，为后续目标检测提供高质量输入数据。

采用YOLOv8实现多目标精准检测，通过模型调优和参数优化，实现了mAP@0.5超过90%的检测精度，为目标重识别提供准确的目标框。

开发自动化图像裁切与标准化脚本，构建包含14万+样本的重识别数据库（Gallery/Query集），解决跨域视角匹配中的尺度与视角变异问题。

全国第七名

中国智能交通创新挑战赛

项目获第二届中国智能交通创新挑战赛赛题一全国第七名（本科生组第一名），展现了项目成果在智能交通领域的创新性和实用性。

80%+

识别匹配准确率

模型识别匹配准确率超过80%，目标检测mAP@0.5超过90%，构建了包含14万+样本的重识别数据库。

项目受邀参加2024中国智能交通大会，与行业专家和学者进行深入交流，分享项目成果和技术经验，获得了广泛认可。