В настоящее время благодаря развитию техники и науки стало возможным вести разработку транспортных средств различной степени автономности. Также развитие в последние годы алгоритмов машинного обучения позволило поднять на новый уровень методы технического зрения, связанные с классификацией и сегментацией изображений, обнаружением объектов. В выпускной работе исследуются современные методы обнаружения объектов дорожной обстановки, а также проводится экспериментальное исследование, направленное на улучшение качества работы существующих методов. Таким образом, работа носит и теоретический, и прикладной характер, и актуальна для решения задач обнаружения объектов в системах технического зрения мобильных робототехнических средств. В работе рассмотрены современные архитектуры глубоких нейронных сетей, применяющихся в задачах обнаружения объектов на изображениях. Подробно рассмотрены современные программные пакеты моделирования нейронных сетей. Выбраны модели нейронных сетей и алгоритмов обучения. Приведено описание используемых библиотек и средств моделирования. Также было разработано программное обеспечение для интеграции разработанных с применением библиотек TensorFlow и Keras нейросетевых алгоритмов в систему технического зрения. Предложены собственные архитектуры нейронных сетей. Проведено исследование выбранных моделей глубоких нейронных сетей.