当前位置:主页 > 科技论文 > 交通工程论文 >

基于多层次融合与卷积神经网络的道路交通标线检测与识别

发布时间:2024-04-02 01:08
  在无人驾驶汽车智能导航系统中,道路交通标线检测与识别是实现自主驾驶的关键技术之一,对车辆环境感知和导航有着重要的意义。由于道路交通标线因长期日晒雨淋、遭受车辆磨耗导致污损、褪色、缺失等非理想情况存在,大多数算法的鲁棒性较差、识别准确率较低,并且有关道路信息检测与识别算法主要针对车道线、路侧交通标志,很少有道路交通标线的检测与识别算法。因此,本文针对道路交通标线检测与识别方面存在的问题,设计并实现了一种改进的基于多层次融合与卷积神经网络的道路交通标线检测与识别方法。首先,根据图像的纹理特征与颜色特征,采用基于消失点的方法检测道路区域;然后,利用已检测道路区域的位置,通过多层次融合的显著性检测方法提取图像中感兴趣区域;最后,根据同层多尺度卷积神经网络识别感兴趣区域,进而确定交通标线类型。论文主要研究内容有以下几个方面:(1)为了提高交通标线的检测精度,本文采用基于消失点的方法检测道路区域。利用参数为1个尺度、4个方向的Gabor变换,通过校正纹理、限定消失点的选取范围,采用局部软投票方法快速地确定道路的最佳消失点,并根据图像的方向一致性与颜色特征,实现道路区域的分割,从而消除非道路区域的影...

【文章页数】:71 页

【学位级别】:硕士

【文章目录】:
摘要
abstract
第一章 绪论
    1.1 论文研究背景及意义
    1.2 国内外研究现状
        1.2.1 道路交通标线检测与识别的研究概况
        1.2.2 道路交通标线检测与识别的主要方法
        1.2.3 道路交通标线检测与识别存在的难点
    1.3 论文主要研究内容和结构安排
        1.3.1 论文主要研究内容
        1.3.2 论文结构安排
第二章 建立道路交通标线数据集
    2.1 交通标线的定义与分类
    2.2 图像采集
    2.3 建立数据集
    2.4 本章小结
第三章 基于消失点的道路区域检测
    3.1 道路区域检测的主要方法
        3.1.1 基于特征的道路区域检测方法
        3.1.2 基于模型的道路区域检测方法
    3.2 Gabor纹理响应
    3.3 Gabor纹理主方向提取
        3.3.1 置信度计算
        3.3.2 垂直投影校正
    3.4 最优消失点选取
    3.5 道路区域分割
    3.6 算法流程
    3.7 实验结果分析与对比
    3.8 本章小结
第四章 基于多层次融合的道路交通标线检测
    4.1 显著性检测研究现状
    4.2 区域分割
    4.3 单层显著图生成
    4.4 显著性融合
    4.5 感兴趣区域提取
    4.6 实验结果分析与对比
    4.7 本章小结
第五章 基于同层多尺度卷积神经网络的道路交通标线识别
    5.1 卷积神经网络
        5.1.1 卷积神经网络结构
        5.1.2 卷积神经网络的特点
        5.1.3 卷积神经网络训练过程
    5.2 LeNet-5网络模型
    5.3 网络模型设计
    5.4 算法实现
        5.4.1 ROI预处理
        5.4.2 配置网络
        5.4.3 网络训练
        5.4.4 网络测试
    5.5 实验结果分析与对比
        5.5.1 各类交通标线识别结果
        5.5.2 预处理方法有效性测试
        5.5.3 网络模型有效性测试
        5.5.4 扩充前后各类交通标线识别结果
        5.5.5 算法对比
    5.6 本章小结
总结与展望
参考文献
攻读硕士学位期间的研究成果
致谢



本文编号:3945582

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/3945582.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户6e266***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com