基于YOLOv5的锥桶识别技术研究与应用

基于计算机视觉理论与目标检测算法，利用 YOLOv5 模型和自制数据集实现对锥桶的识别。然后将训练好的权重部署到 ROS 智能小车上实现了小车自动驾驶中的自主避障功能。实验数据表明，本文仅仅利用 95个图片，514个标记经过50轮训练就实现了97.36%mAP@0.5，对锥桶的识别效果很好，且具有较强的泛化能力。该锥桶识别模型有效提高了在复杂光学场景及密集锥桶目标下的识别准确率。