关键词：深度学习;智能网联汽车无人驾驶;障碍物检测;卷积神经网络;多传感器融合
摘 要：随着智能网联汽车无人驾驶技术的快速发展，障碍物检测作为其核心技术之一，对于保障行车安全至关重要。本研究提出了一种基于深度学习的智能网联汽车无人驾驶障碍物检测方法，通过构建优化的卷积神经网络(CNN)模型并结合多传感器融合技术，实现在复杂多变的道路场景中高效、准确的障碍物检测。实验结果表明，该方法在检测精度、实时性及鲁棒性方面均显著优于传统方法，为无人驾驶技术的发展提供了有力支持。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取