基于机器视觉的汽车安全辅助驾驶系统研究
发布时间：2021-01-04 09:39
随着我国汽车保有量的持续增长,现代道路交通环境的复杂化,交通安全问题日益突出。为了提高机动车行驶安全性,有效地避免交通事故的发生,基于机器视觉的汽车安全辅助驾驶系统成为当前智能车的一个研究热点。本文围绕辅助驾驶系统中车道线检测与偏离预警和交通标志识别两大功能展开关键技术问题研究。针对车道线检测的问题,本文提出基于小波变换改进Canny边缘检测算法,将连续小波变换引入传统Canny算子使得在边缘提取和图像处理过程中能更好控制噪声信号,从而大幅度提高了车道线检测的准确率。针对车道偏离预警功能,本研究根据设计需求选择基于车辆位置的方法和基于经验阈值的预警决策算法并建立车道偏离预警决策模型。针对交通标志识别功能,本研究采用深度学习方法,使用GTSRB数据集作为训练样本。首先通过更改传统SSD网络模型的基础网络VGG16为ResNet-50增强特征提取能力,在改进网络中添加了反卷积模块,引入了空间上下文信息,从而大幅度提高了检测准确率。改进SSD网络将考虑特征金字塔中各层之间的关系,使得只有特征金字塔中的图层才允许增加特征图的数量,有效地增加了特征图的数量使网络可以检测更多的小尺寸物体。针对车道...
【文章来源】：华东交通大学江西省
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景和意义
1.2 国内外相关领域研究现状
1.2.1 辅助驾驶系统研究现状
1.2.2 相关视觉算法研究现状
1.3 研究内容与论文框架
1.3.1 研究内容
1.3.2 论文框架
第二章 汽车安全辅助驾驶系统的设计
2.1 系统基本结构
2.2 人机交互模块设计
2.2.1 交互模块功能选择
2.2.2 人机交互界面设计
2.3 系统硬软件平台
2.3.1 硬件平台选择
2.3.2 软件平台及环境
2.4 本章小结
第三章 车道线检测与偏离预警
3.1 图像预处理
3.1.1 图像尺度缩放与检测区域划分
3.1.2 图像滤波
3.2 车道线检测
3.2.1 改进Canny的图像边缘检测
3.2.2 霍夫变换检测车道线
3.3 车道偏离预警
3.3.1 车道偏离预警模型
3.3.2 预警决策模型建立
3.4 本章小结
第四章 基于深度学习的交通标志识别
4.1 交通标志数据集与预处理
4.1.1 GTSRB数据集
4.1.2 数据集预处理
4.1.3 二进制数据集制作
4.2 卷积神经网络
4.2.1 卷积运算
4.2.2 反向传播
4.3 基于改进SSD网络的交通标志识别
4.3.1 改进SSD网络模型
4.3.2 改进SSD网络模型建立
4.3.3 训练与验证测试
4.4 本章小结
第五章 基于机器视觉的汽车辅助驾驶系统实验结果分析
5.1 车道线检测与偏离预警实验
5.1.1 实验条件
5.1.2 实验方法与结果分析
5.2 交通标志识别实验
5.2.1 实验条件
5.2.2 实验方法
5.3 本章小结
第六章 总结与展望
6.1 本文总结
6.2 研究展望
参考文献
个人简历 在读期间发表的学术论文
致谢
【参考文献】：
期刊论文
[1]嵌入式图像边缘检测系统设计与实现[J]. 陈鹏展,杨希. 计算机应用与软件. 2017(07)
[2]基于Canny算子和Hough变换的夜间车道线检测[J]. 李亚娣,黄海波,李相鹏,陈立国. 科学技术与工程. 2016(31)
[3]基于网格搜索的PCA-SVM道路交通标志识别[J]. 吴峰,陈后金,姚畅,郝晓莉. 铁道学报. 2014(11)
[4]基于联合卷积和递归神经网络的交通标志识别[J]. 宣森炎,龚小谨,刘济林. 传感器与微系统. 2014(08)
[5]基于颗粒分析和骨架化的车道线检测方法[J]. 刘超,穆平安,戴曙光. 计算机应用与软件. 2014(04)
[6]无人驾驶汽车的先进技术与发展[J]. 端木庆玲,阮界望,马钧. 农业装备与车辆工程. 2014(03)
[7]几种CUDA加速高斯滤波算法的比较[J]. 刘进锋. 计算机工程与应用. 2013(23)
[8]利用ASIFT算法实现多视角静态交通标志识别[J]. 陈龙,潘志敏,李清泉,萧世伦. 武汉大学学报(信息科学版). 2013(05)
[9]基于Mean Shift的视觉目标跟踪算法综述[J]. 顾幸方,茅耀斌,李秋洁. 计算机科学. 2012(12)
[10]一种基于单目视觉的车道偏离检测与预警方法[J]. 郭子逸. 机械制造. 2012(05)
硕士论文
[1]基于DNN技术的交通标志识别方法研究[D]. 于雅洁.沈阳工业大学 2016
[2]基于车载辅助驾驶系统的行人检测模块设计[D]. 苏云鹏.哈尔滨工业大学 2013
[3]基于单目视觉的辅助驾驶系统中的图像处理研究[D]. 韦庭.电子科技大学 2012
本文编号：2956554
【文章来源】：华东交通大学江西省
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景和意义
1.2 国内外相关领域研究现状
1.2.1 辅助驾驶系统研究现状
1.2.2 相关视觉算法研究现状
1.3 研究内容与论文框架
1.3.1 研究内容
1.3.2 论文框架
第二章 汽车安全辅助驾驶系统的设计
2.1 系统基本结构
2.2 人机交互模块设计
2.2.1 交互模块功能选择
2.2.2 人机交互界面设计
2.3 系统硬软件平台
2.3.1 硬件平台选择
2.3.2 软件平台及环境
2.4 本章小结
第三章 车道线检测与偏离预警
3.1 图像预处理
3.1.1 图像尺度缩放与检测区域划分
3.1.2 图像滤波
3.2 车道线检测
3.2.1 改进Canny的图像边缘检测
3.2.2 霍夫变换检测车道线
3.3 车道偏离预警
3.3.1 车道偏离预警模型
3.3.2 预警决策模型建立
3.4 本章小结
第四章 基于深度学习的交通标志识别
4.1 交通标志数据集与预处理
4.1.1 GTSRB数据集
4.1.2 数据集预处理
4.1.3 二进制数据集制作
4.2 卷积神经网络
4.2.1 卷积运算
4.2.2 反向传播
4.3 基于改进SSD网络的交通标志识别
4.3.1 改进SSD网络模型
4.3.2 改进SSD网络模型建立
4.3.3 训练与验证测试
4.4 本章小结
第五章 基于机器视觉的汽车辅助驾驶系统实验结果分析
5.1 车道线检测与偏离预警实验
5.1.1 实验条件
5.1.2 实验方法与结果分析
5.2 交通标志识别实验
5.2.1 实验条件
5.2.2 实验方法
5.3 本章小结
第六章 总结与展望
6.1 本文总结
6.2 研究展望
参考文献
个人简历 在读期间发表的学术论文
致谢
【参考文献】：
期刊论文
[1]嵌入式图像边缘检测系统设计与实现[J]. 陈鹏展,杨希. 计算机应用与软件. 2017(07)
[2]基于Canny算子和Hough变换的夜间车道线检测[J]. 李亚娣,黄海波,李相鹏,陈立国. 科学技术与工程. 2016(31)
[3]基于网格搜索的PCA-SVM道路交通标志识别[J]. 吴峰,陈后金,姚畅,郝晓莉. 铁道学报. 2014(11)
[4]基于联合卷积和递归神经网络的交通标志识别[J]. 宣森炎,龚小谨,刘济林. 传感器与微系统. 2014(08)
[5]基于颗粒分析和骨架化的车道线检测方法[J]. 刘超,穆平安,戴曙光. 计算机应用与软件. 2014(04)
[6]无人驾驶汽车的先进技术与发展[J]. 端木庆玲,阮界望,马钧. 农业装备与车辆工程. 2014(03)
[7]几种CUDA加速高斯滤波算法的比较[J]. 刘进锋. 计算机工程与应用. 2013(23)
[8]利用ASIFT算法实现多视角静态交通标志识别[J]. 陈龙,潘志敏,李清泉,萧世伦. 武汉大学学报(信息科学版). 2013(05)
[9]基于Mean Shift的视觉目标跟踪算法综述[J]. 顾幸方,茅耀斌,李秋洁. 计算机科学. 2012(12)
[10]一种基于单目视觉的车道偏离检测与预警方法[J]. 郭子逸. 机械制造. 2012(05)
硕士论文
[1]基于DNN技术的交通标志识别方法研究[D]. 于雅洁.沈阳工业大学 2016
[2]基于车载辅助驾驶系统的行人检测模块设计[D]. 苏云鹏.哈尔滨工业大学 2013
[3]基于单目视觉的辅助驾驶系统中的图像处理研究[D]. 韦庭.电子科技大学 2012
本文编号：2956554
本文链接：https://www.wllwen.com/kejilunwen/qiche/2956554.html
