基于深度语义分割网络的路面状态识别算法研究

发布时间：2020-08-12 19:32

【摘要】：公路交通系统建设规模的扩大给社会经济带来巨大发展的同时,道路安全问题也日趋严重,其中由于降雨、降雪等不利气象因素引起的路面结冰、积雪、积水等状态进而诱发的交通事故逐年增多。因此,在恶劣天气条件下实时监控、准确识别不利的路面状态并及时做出预警和反应,对于保障公路网络的安全运营具有重要现实意义。现有的路面状态识别技术大致可以分为接触式和非接触式两种,接触式方法由于安装维护成本高、检测范围小等缺点在实际应用中作用有限,而非接触式中基于图像的方法随着道路监控系统的普及而逐渐成为研究热点。利用图像分割算法来细粒度地划分混合路面状态区域是一个新的研究方向,具有很好的实践价值和应用前景。论文致力于通过对道路表面图像数据的处理来识别路面状态,运用前沿的深度学习语义分割算法实现复杂混合路面状态的准确识别和分割。首先研究了基于深度学习的语义分割算法的基本原理及网络结构,通过实验对比了各个算法在自制的混合路面状态识别数据集上的分割精度和执行效率,选择识别精度高并且实时性好的U-Net作为算法的主干网络结构。后续针对道路表面状态识别这一具体应用场景,待识别的类别之间相似度高、需要获得大范围、多层次语义信息的特点,分别从集成上下文信息和多尺度信息融合两方面提出了改进方案,设计了基于级联空洞卷积模块的D-UNet网络和基于改进的空洞空间金字塔池化模块的ASPP-UNet网络,以进一步提高算法的识别精度。论文在自制的混合路面状态识别数据集上进行了多组对比实验,寻找出合适的参数设置,最终平均像素准确率和平均交并比分别可以达到87.28%和79.30%,验证了两种改进方案的有效性,为解决混合路面状态的识别问题提供了实践参考。
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：U491;TP391.41;TP18
【图文】：

图 1.1 不同车速在干燥和潮湿路面上的制动距离2）冰雪路面对行车安全的影响路面结冰时，摩擦系数甚至比雨天更低，并且若受到强光照射，产影响驾驶员的判断，成为行车安全的潜在隐患；降雪形成的疏松积雪碾压形成雪面，使得车轮与路面之间的摩擦系数减小，制动距离增大易打滑，时常发生侧翻、追尾甚至翻车事故[9]。表 1.2 不同路面条件下的路面摩擦系数路面状态 摩擦系数非常光滑的冰膜 0.05-0.15非常光滑的压实雪 0.10-0.20冰板、雪下有冰板 0.15-0.20冰膜 0.15-0.30

华 中 科 技 大 学 硕 士 学 位 论 文综合国内外研究现状，依据所用的路况感知设备是否与道路表面直接接触，将路面状态检测和识别技术分为接触式（埋入式）和非接触式两大类。其中，接触式的方法根据其所用的传感器的工作原理，大致可以分为电容式[18]、振动式、压电平膜式以及光纤式等。非接触式的方法主要有光强测量法、光学偏振法、视频图像分析法等，相较于接触式方法具有检测范围广、无需随路面翻新而额外维护等优点。下文将对几种常见的非接触式方法进行介绍。（1）光强测量法光强测量法利用路面附着物对光吸收率的差异来区分路面状况。该方法原理比较简单，技术也较为成熟。其中典型的有瑞典中部大学的 Patrik Jonsson 团队提出的一种多波段多探测器的光强测量法[15]，实验装置如图 1.2 所示。

特征图缩小到 1/4 的同时只保留每个 2×2 区域的最强输入，如图 2.4 所示。这些统计值相比于所有提取到的特征，一方面维度大大降低，简化复杂度并在一定程度上抑制了过拟合；另一方面在保留主要特征的同时进行了特征压缩。激活函数激活函数层（Activation Function Layer）也叫做非线性映射层，顾名思义，它的作用是增加网络的非线性表达能力从而能够拟合任意函数。卷积的实质是线性求和运算，若干卷积层的叠加仍然只能进行线性拟合，无法逼近复杂函数。目前最常用的激活函数有 Sigmoid、ReLU 等函数。（1） Sigmoid 激活函数Sigmoid 型函数也叫做 Logistic 函数[50]，其定义为：( )11 exp( )xxσ =+ （2.3）

【相似文献】

相关期刊论文 前10条

1 齐永顺;张文泉;;设备状态识别[J];机械设计与制造;1987年04期

2 张优云;系统识别在摩擦学中的应用(续)[J];润滑与密封;1989年02期

3 李强;;现代技术在冷冲模状态识别中的应用分析[J];中国设备工程;2017年06期

4 周巧莲;田晓声;郭其一;;上海地铁火灾状态识别系统设计[J];机电一体化;2009年05期

5 刘泉影;毛承胜;聂碧娟;胡斌;;普适环境下基于脑电的身份及上下文状态识别[J];东南大学学报(自然科学版);2010年S2期

6 龙必能;;基于指标权重的湖库营养状态识别[J];水资源与水工程学报;2013年06期

7 张开龙;刘军民;;基于FPGA的多按键状态识别系统设计[J];电子设计工程;2009年01期

8 段秀娟;;智能化考试状态识别监控方法研究与仿真[J];计算机仿真;2014年01期

9 秦华标;刘军;林建文;;一种红外条件下的新型眼睛状态识别算法[J];光电子.激光;2013年12期

10 曾国英;赵登峰;;螺纹连接状态识别的现状与发展[J];噪声与振动控制;2009年02期

相关会议论文 前10条

1 崔海亭;刘鹏;;基于可穿戴计算的跆拳道状态识别系统研究[A];2015第十届全国体育科学大会论文摘要汇编(二)[C];2015年

2 方剑青;李红军;雷毅平;陈德华;;声学共振谱方法用于结构状态识别的实验研究[A];2008年全国声学学术会议论文集[C];2008年

3 白卫东;陈大明;孙利群;张立清;;基于支持向量机的火焰状态识别方法[A];增强自主创新能力 促进吉林经济发展——启明杯·吉林省第四届科学技术学术年会论文集（上册）[C];2006年

4 杨明忠;樊建春;;磨损形态分析与智能化磨损状态识别研究[A];第六届全国摩擦学学术会议论文集（上册）[C];1997年

5 宋宪;王健翔;彭玉鑫;;基于时空图卷积网络的人体运动状态识别研究[A];第十一届全国体育科学大会论文摘要汇编[C];2019年

6 李宏坤;周帅;;Hilbert谱特征提取与支持向量机的设备状态识别方法再研究[A];第十二届全国非线性振动暨第九届全国非线性动力学和运动稳定性学术会议论文集[C];2009年

7 李宏坤;丁健;练晓婷;;基于频率分辨率评价模型的柴油机状态识别[A];第十届全国振动理论及应用学术会议论文集（2011）上册[C];2011年

8 李宏坤;周帅;孙志辉;;基于Hilbert时频谱重心与支持向量机的设备状态识别[A];第八届全国动力学与控制学术会议论文集[C];2008年

9 赵伟;黄春琳;;生命探测技术研究[A];2008年中国高校通信类院系学术研讨会论文集（下册）[C];2009年

10 陈锴;徐柏龄;;基于最佳维纳解的双通道话者状态识别方法[A];中国声学学会2006年全国声学学术会议论文集[C];2006年

相关重要报纸文章 前2条

1 本报记者 何事勇;欧姆龙在中国成立首家研发机构[N];中国工业报;2005年

2 徐欣蔚 余大成 董柏锋;“替人上岗”的机器人[N];国家电网报;2017年

相关博士学位论文 前10条

1 詹益旺;基于手机信令的道路交通状态识别及预测研究[D];华南理工大学;2017年

2 李娜;基于人体运动状态识别的可穿戴健康监测系统研究[D];北京工业大学;2013年

3 刘海宁;基于稀疏编码的设备状态识别及其重型轧辊磨床监测应用[D];上海交通大学;2011年

4 田毅;电动汽车运行状态识别及HEV控制策略研究[D];北京交通大学;2010年

5 李帷韬;水泥回转窑烧成状态识别与熟料质量指标软测量的研究[D];东北大学;2012年

6 王英;设备状态维修系统结构与决策模型研究[D];哈尔滨工业大学;2007年

7 司垒;采煤机智能控制关键技术研究[D];中国矿业大学;2015年

8 王志欣;岸桥机械动态特征信息的数据挖掘与状态识别[D];上海交通大学;2008年

9 曾庆虎;机械传动系统关键零部件故障预测技术研究[D];国防科学技术大学;2010年

10 周宏娣;基于核熵成分分析的滚动轴承状态识别方法研究[D];华中科技大学;2017年

相关硕士学位论文 前10条

1 张颜;基于计算机视觉的人眼状态识别方法研究[D];重庆邮电大学;2019年

2 刘红东;人车路协同环境下的行人状态识别方法的研究与设计[D];重庆邮电大学;2019年

3 叶贝鸽;基于KPCA的疲劳驾驶状态识别方法的研究[D];南昌大学;2019年

4 罗颢文;基于最短路径树的功能性脑网络在疲劳驾驶状态识别中的应用研究[D];南昌大学;2019年

5 翟晓娟;基于HMM的随机驾驶人疲劳状态识别研究[D];大连理工大学;2019年

6 曹君苏;步态快速识别策略及其模型的研究[D];南京邮电大学;2019年

7 昝清增;基于SVM的人体运动状态识别技术研究与系统开发[D];山东科技大学;2018年

8 梁曹佳;基于深度语义分割网络的路面状态识别算法研究[D];华中科技大学;2019年

9 黄业昌;基于深度学习的轴承故障状态识别方法研究[D];华中科技大学;2019年

10 柏志明;基于重点营运车辆数据的高速公路交通状态识别与行程速度预测[D];北京交通大学;2019年

本文编号：2790927