基于RT-DETR的露天矿区路面障碍物检测

摘要

露天矿无人驾驶是智慧矿山建设的重要组成部分。露天矿无人驾驶的核心在于保障车辆安全行驶，然而现阶段矿区道路上存在的落石、水坑和车辙等障碍物严重影响了矿车的行驶安全。针对现有算法检测这类密集障碍物精度受限的问题，提出了一种基于RT-DETR的露天矿区路面障碍物检测算法。RTDETR算法通过在编码器阶段引入RepViT网络，提升了模型的特征提取效率，在解码器中通过通道压缩剪枝操作提升了模型的检测速度。此外，还提出融合注意力机制的RepAttC3模块，加强了模型的特征提取能力。通过采集不同矿区数据，构建了露天矿区路面障碍物数据集，并进行了障碍物检测试验。结果表明：本文所提出的RT-DETR算法的平均检测精度可达92.7%，综合检测精度可达96.6%，检测速度可达12.3 ms。相较于其他路面障碍物检测算法，本文算法对露天矿区多尺度与小目标障碍物具有良好的检测效果，能够为露天矿区车辆提供准确且高效的障碍物检测，保障车辆安全行驶。

关键词

露天矿 / 路面障碍物 / 目标检测 / RepViT网络 / 无人驾驶 / 智慧矿山