基于计算机视觉的智能车辆防碰预警系统研究

发布时间：2021-03-15 11:55

　　随着经济水平提高,国内汽车保有量也不断增加。汽车给人们出行提供了便利的同时,道路事故频发造成的问题日益引起人们的关注。根据科研文献表明,事故发生前对驾驶员发出警告可以有效地降低事故发生率。因此以防碰预警系统为代表的高级驾驶辅助系统对于降低事故发生率、提高行车安全显得尤为重要。而计算机视觉凭借着低成本、丰富信息量等优点担负起了感知环境的重任。本课题基于计算机视觉技术研究并实现车辆检测与车型识别、视觉测距系统。运用卷积神经网络实现车辆检测与车型识别、基于数据拟合建模的前车车距测量模型。论文所做主要工作如下:基于YOLOv2目标检测模型改进的车型识别系统。在建立的车型识别数据集上,将车辆类型分为Car、Bus、Truck三类。通过K均值聚类确定本数据集的Anchor尺寸。改进YOLOv2目标检测框架网络结构,将密集连接网络DenseNet-121替换原Darknet-19网络作为改进模型的特征提取模块。改进后的YOLOv2-DenseNet网络较原YOLOv2的mAP提升了 1.36个百分点。针对One Stage的车型识别系统中正负样本不均衡问题,通过Focal Loss优化损失函数。在定... 

【文章来源】：湖南大学湖南省 211工程院校 985工程院校 教育部直属院校

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

智能车辆传感器布置图

美国NavLab1

意大利ARGO系统

【参考文献】：
期刊论文
[1]基于深度卷积神经网络的车型识别方法[J]. 袁公萍,汤一平,韩旺明,陈麒.  浙江大学学报(工学版). 2018(04)
[2]车辆识别技术综述[J]. 张强,李嘉锋,卓力.  北京工业大学学报. 2018(03)
[3]Faster-RCNN的车型识别分析[J]. 桑军,郭沛,项志立,罗红玲,陈欣.  重庆大学学报. 2017(07)
[4]基于Fast R-CNN的车辆目标检测[J]. 曹诗雨,刘跃虎,李辛昭.  中国图象图形学报. 2017(05)
[5]基于NI EVS和PXI的机器视觉驾驶辅助系统开发技术研究[J]. 高锋,黄赛赛,李希鹏.  国外电子测量技术. 2016(02)
[6]基于双目立体视觉的目标测距系统[J]. 沈彤,刘文波,王京.  电子测量技术. 2015(04)
[7]基于三帧差法和交叉熵阈值法的车辆检测[J]. 李秋林,何家峰.  计算机工程. 2011(04)
[8]美国公路交通安全的新焦点[J]. 荣德.  综合运输. 2005(08)
[9]现代汽车的四种测距方法[J]. 钟勇,姚剑峰.  汽车工业研究. 2001(02)
[10]日本ASV安全汽车的技术研究动向[J]. 黄智伟,李富英.  世界产品与技术. 1997(03)

硕士论文
[1]基于深度神经网络的车型识别设计与实现[D]. 石维康.西安电子科技大学 2018
[2]基于多尺度卷积神经网络的车型识别[D]. 王亚敏.郑州大学 2017
[3]基于单目视觉的前向车辆检测、跟踪与测距[D]. 赵轩.北京工业大学 2017
[4]基于视频的车辆信息提取与检索技术研究[D]. 宋嘉冀.东南大学 2017
[5]基于智能终端的车辆碰撞预警系统的设计与实现[D]. 刘媛媛.南京理工大学 2017
[6]基于车路协同的车辆追尾预警系统的研究与实现[D]. 景首才.长安大学 2016



本文编号：3084133