摘要

本研究基于深度学习探索多传感器融合检测算法，通过分析视觉感知理论、构建增强数据集、设计多任务学习视觉识别模型、优化架构、引入注意力机制并实现轻量化设计，研究动态场景的时序建模方法。实验验证表明，所提算法显著提升了小目标检测精度及复杂场景适应能力：在KITTI验证集上，遮挡目标召回率提升24%，黄昏场景误检率降低62%,nuScenes测试集目标轨迹跳变率从12.1%降至5.3%；在恶劣天气下，其检测精度较单传感器系统提升约15%，雾天精度达73.4%。此外，该算法在KITTI和nuScenes数据集上实现实时性与精度突破：轻量化设计将计算量降至0.8万亿次/秒的同时保持82.1%的mAP，在NVIDIA Jetson AGX Xavier平台上实现45帧/秒推理速度及30W功耗。这些结果为智能驾驶环境感知提供了可靠支撑。

关键词