基于车载视觉全天候道路环境感知系统研究
发布时间：2021-05-18 10:59
道路环境感知系统作为汽车辅助系统中的重要组成部分得到了研究学者们的广泛研究。本文建立的道路环境感知系统主要包含车道线检测和移动障碍物识别。大多数研究学者是通过基于卷积神经网络算法来实现两个任务。然而这些算法面对实际应用时,其实时性、鲁棒性以及内存方面会有一定局限性。本文对复杂天气复杂交通场景下的道路环境感知系统实际应用问题进行研究,并提出全天候道路环境感知系统。论文主要开展的工作如下:（1）采用级联多任务网络思想,建立能够同时实现目标检测和车道线识别的多任务网络Cascading D-SNet（Cascading Detection and Segmentation Network）,将车道线识别准确率提高3.5%,运行时间比两个任务分别完成时间之和减少73.72ms。（2）利用并联多任务网络思想,建立多天气网络结构MWNet（Multi-Weather Net）。通过大量的实验证明,利用该网络结构可以将恶劣天气情况下的车道线识别和目标检测准确率提高3.6%和3.3%。（3）针对道路环境感知系统在实际应用中鲁棒性、实时性以及硬件内存能力的要求,建立全天候道路环境感知系统。该系统通过共享...
【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
ABSTRACT
1 引言
1.1 研究意义与背景
1.2 国内外研究现状
1.2.1 汽车辅助驾驶系统国内外研究现状
1.2.2 道路环境感知算法国内外研究现状
1.3 本文主要内容和安排
1.3.1 主要研究内容
1.3.2 论文各章安排
2 相关算法简介
2.1 基础网络
2.1.1 VGGNet基础网络
2.1.2 ResNet基础网络
2.1.3 DarkNet基础网络
2.2 目标检测算法
2.2.1 SSD目标检测算法
2.2.2 YOLOv3目标检测算法
2.3 图像分割算法
2.4 多任务网络
2.5 本章小结
3 建立车道线与移动目标检测多任务网络
3.1 建立多任务网络
3.2 多任务网络损失函数设计
3.3 训练参数设计与训练方式
3.3.1 训练参数设计
3.3.2 训练方法
3.4 数据集构建
3.4.1 数据库数据采集
3.4.2 数据标定
3.4.3 数据集具体信息
3.5 实验
3.5.1 算法评价指标
3.5.2 实验设计
3.5.3 实验结果
3.5.4 实验分析
3.6 本章小结
4 多天气网络构建
4.1 多天气目标检测网络
4.1.1 分类子网络
4.1.2 目标检测子网络
4.1.3 检测网络损失函数
4.1.4 检测网络训练过程
4.1.5 实验设计
4.1.6 实验结果
4.2 多天气车道线分割网络
4.2.1 车道线分割任务子网络
4.2.2 分割网络损失函数
4.2.3 实验设计
4.2.4 实验结果
4.3 实验结果分析
4.4 本章小结
5 建立全天候道路环境感知系统
5.1 全天候道路环境感知系统
5.2 损失函数以及训练方式
5.3 实验结果
5.4 实验分析
5.5 本章小结
6 总结与展望
6.1 本文工作总结
6.2 后续工作展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集
【参考文献】：
期刊论文
[1]ADAS,向自动驾驶演进的必经之路[J]. 华诗显. 单片机与嵌入式系统应用. 2018(06)
[2]人工神经网络中损失函数的研究[J]. 任进军,王宁. 甘肃高师学报. 2018(02)
[3]汽车辅助驾驶日趋成熟完全自动还需时日[J]. 付靖轩,尚文军. 数码世界. 2018(04)
[4]金龙客车百度阿波龙领衔最强自动驾驶战队[J]. 商车. 商用汽车新闻. 2018(04)
[5]无人驾驶汽车的法律冲突探究[J]. 王心钰,张长青. 科技导报. 2017(19)
[6]无人驾驶车辆智能水平等级划分[J]. 孙扬,杨贺. 科技导报. 2017(17)
[7]基于HSV颜色空间与边缘特征的黄色车道线检测[J]. 王怀涛,曹明伟,邢皎玉. 北京汽车. 2017(03)
[8]汽车安全驾驶辅助系统的研究综述[J]. 薛玉斌,王祥,石晶. 黑龙江交通科技. 2016(02)
[9]基于SIFT和SSDA特征匹配的实时车道线检测[J]. 吕亚运,郎朗,杨会成. 安徽工程大学学报. 2015(04)
[10]谷歌无人驾驶汽车[J]. 中国战略新兴产业. 2014(13)
硕士论文
[1]基于车载视觉系统的道路环境感知技术研究[D]. 黄伟杰.北京交通大学 2018
[2]基于深度学习的车道线和车辆检测[D]. 罗森.电子科技大学 2018
[3]基于深度学习的车道线检测与分类研究[D]. 代小岗.西南交通大学 2018
[4]基于深度学习的全天车辆检测[D]. 谷颀.北京交通大学 2018
本文编号：3193675
【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
ABSTRACT
1 引言
1.1 研究意义与背景
1.2 国内外研究现状
1.2.1 汽车辅助驾驶系统国内外研究现状
1.2.2 道路环境感知算法国内外研究现状
1.3 本文主要内容和安排
1.3.1 主要研究内容
1.3.2 论文各章安排
2 相关算法简介
2.1 基础网络
2.1.1 VGGNet基础网络
2.1.2 ResNet基础网络
2.1.3 DarkNet基础网络
2.2 目标检测算法
2.2.1 SSD目标检测算法
2.2.2 YOLOv3目标检测算法
2.3 图像分割算法
2.4 多任务网络
2.5 本章小结
3 建立车道线与移动目标检测多任务网络
3.1 建立多任务网络
3.2 多任务网络损失函数设计
3.3 训练参数设计与训练方式
3.3.1 训练参数设计
3.3.2 训练方法
3.4 数据集构建
3.4.1 数据库数据采集
3.4.2 数据标定
3.4.3 数据集具体信息
3.5 实验
3.5.1 算法评价指标
3.5.2 实验设计
3.5.3 实验结果
3.5.4 实验分析
3.6 本章小结
4 多天气网络构建
4.1 多天气目标检测网络
4.1.1 分类子网络
4.1.2 目标检测子网络
4.1.3 检测网络损失函数
4.1.4 检测网络训练过程
4.1.5 实验设计
4.1.6 实验结果
4.2 多天气车道线分割网络
4.2.1 车道线分割任务子网络
4.2.2 分割网络损失函数
4.2.3 实验设计
4.2.4 实验结果
4.3 实验结果分析
4.4 本章小结
5 建立全天候道路环境感知系统
5.1 全天候道路环境感知系统
5.2 损失函数以及训练方式
5.3 实验结果
5.4 实验分析
5.5 本章小结
6 总结与展望
6.1 本文工作总结
6.2 后续工作展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集
【参考文献】：
期刊论文
[1]ADAS,向自动驾驶演进的必经之路[J]. 华诗显. 单片机与嵌入式系统应用. 2018(06)
[2]人工神经网络中损失函数的研究[J]. 任进军,王宁. 甘肃高师学报. 2018(02)
[3]汽车辅助驾驶日趋成熟完全自动还需时日[J]. 付靖轩,尚文军. 数码世界. 2018(04)
[4]金龙客车百度阿波龙领衔最强自动驾驶战队[J]. 商车. 商用汽车新闻. 2018(04)
[5]无人驾驶汽车的法律冲突探究[J]. 王心钰,张长青. 科技导报. 2017(19)
[6]无人驾驶车辆智能水平等级划分[J]. 孙扬,杨贺. 科技导报. 2017(17)
[7]基于HSV颜色空间与边缘特征的黄色车道线检测[J]. 王怀涛,曹明伟,邢皎玉. 北京汽车. 2017(03)
[8]汽车安全驾驶辅助系统的研究综述[J]. 薛玉斌,王祥,石晶. 黑龙江交通科技. 2016(02)
[9]基于SIFT和SSDA特征匹配的实时车道线检测[J]. 吕亚运,郎朗,杨会成. 安徽工程大学学报. 2015(04)
[10]谷歌无人驾驶汽车[J]. 中国战略新兴产业. 2014(13)
硕士论文
[1]基于车载视觉系统的道路环境感知技术研究[D]. 黄伟杰.北京交通大学 2018
[2]基于深度学习的车道线和车辆检测[D]. 罗森.电子科技大学 2018
[3]基于深度学习的车道线检测与分类研究[D]. 代小岗.西南交通大学 2018
[4]基于深度学习的全天车辆检测[D]. 谷颀.北京交通大学 2018
本文编号：3193675
本文链接：https://www.wllwen.com/kejilunwen/qiche/3193675.html
