基于边缘计算和深度学习的车道保持系统设计与实现

发布时间：2021-07-15 15:25

　　车道保持是自动驾驶的基本功能之一,可以避免车辆行驶中因车道偏离而造成交通事故。自动驾驶是一项多学科领域交叉的技术平台,各种先进技术可以在此平台上相互促进发展,共同完成目标。近几年深度学习技术领域得到较多突破,其原因主要归功于当前硬件计算能力的发展,以及大数据时代训练数据样本的大量增加,不少学者也将深度学习应用于自动驾驶领域,以实现车辆道路标志识别、自动避障或车道保持等功能。在此背景下,本文基于边缘计算的系统架构,应用端到端的卷积神经网络（CNN）,设计一套集合数据采集、传输和训练的车道保持系统,并在车辆终端应用深度学习模型实现车道保持的功能。设计采用一台搭载单目摄像头的树莓派控制的小车,通过遥控方式进行道路图像采集并自动标注,通过物联网传输协议将训练样本文件传输至边缘端服务器,在服务器应用端到端的卷积神经网络进行训练,并最终在小车终端应用模型以实现车道保持的功能。由于自动驾驶领域数据集的采集和标注工作是一项繁琐的工作,因此本文提出应用边缘计算框架实现训练数据的传输,有效节省采集和标注数据样本的时间成本,从软件架构层面上对数据样本的收集方式进行改进,实现深度学习样本数据在自动驾驶领域的扩... 

【文章来源】：南京大学江苏省 211工程院校 985工程院校 教育部直属院校

【文章页数】：80 页

【学位级别】：硕士

【部分图文】：

图２．１树莓派３Ｂ型开发板??

??ＥｄｇｅＸＦｏｕｎｄｒｙ由一系列开源、松耦合的微服务集合而成，其软件架构如??图２．２所示［Ｅｄｇｅｘｆｏｕｎｄｒｙ，?２０１７］。软件框架一共包含四个微服务层以及两个基??础系统服务。框架定义了南北两个方向，南向是由众多传感器、网关以及边缘设??备构成的物理域，是边缘计算中信息数据的产生源；北向代表由边缘端服务器和??服务程序组成的信息域，是数据集中和处理的聚集地。四个微服务层从下往上依??次是：设备服务层、核心服务层、支持服务层和开放服务层，这也是数据由南向??１０??

ＭＱＴＴ是一种面向连接的协议，它指定了如何组织数据字节并通过网络的??ＴＣＰ／ＩＰ层传输它们。在网络模型中，ＴＣＰ是传输层协议，而ＭＱＴＴ位于ＴＣＰ??的上层应用层，保障了消息传输的可靠性，其网络层级关系如图２．３所示。??ＭＱＴＴ协议提供基于订阅／发布的消息传输，可以解除应用程序耦合，信息??冗余小。ＭＱＴＴ协议的中心是ｂｒｏｋｅｒ?（服务器／代理），客户端通过订阅消息和??发布消息进行数据交互，其通讯原理如图２．４所示。该协议需要客户端和服务端，??协议主要由三种身份组成：发布者（Ｐｕｂｌｉｓｈｅｒ）、代理（Ｂｒｏｋｅｒ，服务器）、??１３??

【参考文献】：
期刊论文
[1]边缘计算下的多无人机野外协同作业机制研究[J]. 季鹏飞,徐曾春,胡平.  小型微型计算机系统. 2019(05)
[2]车联网中基于停车协同的边缘计算卸载方法[J]. 吴振铨,叶东东,余荣,周文辉,何昭水.  北京邮电大学学报. 2019(02)
[3]AI在边缘设备上的发展机会[J]. 王莹,王金旺.  电子产品世界. 2018(05)
[4]自动驾驶汽车感知系统关键技术综述[J]. 王艺帆.  汽车电器. 2016(12)
[5]车联网无线传输技术研究[J]. 杨淼,潘冀.  中国无线电. 2015(08)
[6]汽车智能化的道路:智能汽车、自动驾驶汽车安全监管研究[J]. 翁岳暄,多尼米克·希伦布兰德.  科技与法律. 2014(04)

博士论文
[1]序列图像光流计算关键技术研究及其在三维重建中的应用[D]. 袁建英.西南交通大学 2015
[2]异质数据融合的道路场景语义理解[D]. 黄文琦.浙江大学 2015
[3]基于图像深度感知中的立体匹配和深度增强算法研究[D]. 张康.清华大学 2015

硕士论文
[1]深度学习神经网络在语音识别中的应用研究[D]. 陈硕.华南理工大学 2013



本文编号：3285969