近年来,随着交通事故的日益频发,智能驾驶和无人驾驶备受关注。目标检测可以有效地发现周围障碍物信息,并对其位置进行判断,是智能汽车必不可少的一项关键技术。目前工程上主要通过雷达等传感器直接对目标进行检测与识别,但这些方法造价高,且易被干扰。本文基于单目相机,搭建了智能车辆视觉检测模块,主要工作包括:硬件平台的搭建、图像目标检测及检测模型压缩、单目测距、检测结果输出等。具体内容如下:(1)单目视觉检测硬件平台搭建。针对智能车辆前方路面目标检测应用需求,本文选择灰点相机进行图像采集,完成了相机在智能车辆的安装与标定,采用Python语言实现整个核心模块搭建,并完成核心算法在工控机上的调试与运行。(2)目标在图像中的二维位置检测。本文采用基于YOLOv3的目标二维检测算法,实现路面场景中常见的机动车、红绿灯、行人、交通标志等53类目标的检测。实验中详细比较了不同深度学习框架在实际应用中的检测效果,并最终选用Darknet作为检测模型实现框架。同时本文采用通道剪枝的方法对稀疏训练后的检测模型进行通道裁剪,并对剪枝后的模型进行微调,使模型的体积缩减为原来的1/10,并且检测精度没有明显下降,在大大降低计算量的同时,解决了模型占据空间大,耗费资源严重的问题。(3)基于单目视觉的目标测距。在目标二维位置检测结果的基础上,本文基于单目相机的成像原理实现了单目物体测距,确定了目标的三维位置。研究中通过目标分割方法进一步提高了目标测距的精度;通过三阶指数数据平滑算法,降低了目标运动过程中检测位置的频繁抖动。此外,本文实现了数据发送功能,将单目视觉检测结果提供给后续决策和控制模块使用。数据通信采用UDP协议,保证了数据通信的实时性与可靠性。综上所述,本文搭建并实现了一套基于单目相机的道路场景目标检测系统,初步完成了视觉目标检测功能,为后续进一步深入展开智能车辆中视觉场景理解相关研究及测试奠定了基础。