智能辅助驾驶场景典型目标识别技术研究
发布时间：2021-10-22 12:58
随着科技的不断发展和人们生活水平的提高,越来越多的家庭拥有自己的私家车,并普遍选择私家车出行。随之带来的便是道路拥挤、交通事故、环境污染等问题的加重。为了解决和缓解以上问题,各国学者和相关人士都致力于智能交通系统的研究工作。作为先进辅助驾驶系统（ADAS）重要组成部分的“车辆——行人——车道线”检测技术的研究具有巨大的实际应用意义。近期,由于计算机硬件和GPU的计算力大幅度提升,深度学习再次得到人们的关注,基于深度学习的目标检测算法层出不穷。因此,本文立足于深度学习理论,对智能辅助驾驶场景中车辆、行人、车道线检测进行研究。主要内容如下:针对智能驾驶辅助系统中对实时性和硬件内存的要求,本文提出了一种基于YOLOv3和密集连接网络改进的轻量化目标检测模型,解决了因模型参数量大而无法在硬件上移植的问题,同时利用KL损失解决了YOLOv3中存在对预测框定位不准确的问题。实现了牺牲少量检测精度来有效降低模型参数量,并同时保证了模型的实时性。针对车道线检测中模型检测不精确和困难场景（如夜间或大雾天气）下检测失败的问题,本文提出了一种车道线后处理的方法,利用传统图像处理的知识与循环矩阵核相关跟踪算法...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：83 页
【学位级别】：硕士
【部分图文】：
自动驾驶环境感知与高级语义分割框架
第一章绪论3半导体及元器件的消费量从13.7亿美元上升到25亿美元。图1-2全球ADAS市场规模预测（亿欧元）目前，国内先进的辅助驾驶系统在新车中的普及率仍处于较低水平，从2%到4%不等，盲点检测的普及率最高，达到6.9%。而在美国、英国等一些发达国家，有8%的新车已经装有ADAS。由于经济水平的提高，越来越多的家庭拥有自己的私家车，截止到2017年底，中国机动车保有量达到3.1亿辆，中国的汽车销售额快速增长，但是汽车的ADAS安装率较低，这将成为各大汽车厂商竞争制胜的最大卖点，所以在中国ADAS拥有良好的市场前景。随着相关政策的出台，预计国内ADAS市场将快速增长。据有效数据估计，中国ADAS市场增长率将超过国际市场的增长率。国外智能汽车的发展较早，2010年谷歌公司正式进军自动驾驶汽车，经过两年的研发，在2012年谷歌的第一个二级别的自动驾驶汽车问世，后来研发的“GoogleFleet”的自动驾驶车[7]辆完成了1000公里的完全自动驾驶。2020年特斯拉已经由超过60万辆配有“完全自动驾驶硬件”的汽车。这些车辆每天可以创造2000万英里的行驶路程，可以为神将网络提供强大的数据支持。在国内，百度无疑是自动驾驶行业中的领军代表，2019年，百度首批45辆Apollo与一汽红旗联合研发的“红旗EV”Robotaxi车队在长沙部分已开放测试路段开始试运营。同年丰田将加入百度推动的自动驾驶开发联盟“阿波罗计划”。丰田希望通过加入该计划，加速技术实用化进程。中国智能手机制造商华为目前正在大力推进5G产业。华为已明确表示不会生产汽车，但计划帮助发展自动驾驶汽车技
电子科技大学硕士学位论文4术。最近，华为正在利用其在5G领域的专业知识，与上汽集团和中国移动合力打造5G互联汽车。这些汽车将具有5G/LTE-V功能并支持C-ITS驾驶员辅助功能。并且具有智能的语音交互功能，甚至内置视频通话功能。图1-3国内外推出的自动驾驶汽车(Google、TLSA、百度、华为)1.2.2深度学习研究现状早在20世纪中期，Wiesel和Hubel[8]在研究猫的大脑皮层结构时，无意中发现皮层中脑神经元的独特结构，该结构简洁高效的实现了网络之间的反馈操作。通过进一步的研究其结构，他们提出了最原始的卷积神经网络。1980年，K.Fukushima[9]等人利用自己发明的识别模型实现了利用卷积神经网络来进行目标识别。通过进一步发展，利用滑动窗口的方法进行目标特征提取，大幅度提升了多类别目标检测的效率。在2003年Viola和Jones[10]等人研究出一种滤波器，该滤波器是基于矩形框的，通过对图像所提取的特征向量用一个分类器训练（比如：adaboost[11]），就可以用来对行人进行检测。2005年，梯度直方图（HOG）特征提取方法被Dalal[12]等人提出，该方法主要是对图像中每个像素点求梯度，然后使用直方图进行统计，就可以描述出图像中物体的边缘信息，然后通过分类器对这些特征进行训练就可以对行人进行检测，该方法的检测效果良好，运用十分广泛。2010年，StefenWalk[13]提出了光流方向直方图(HistogramsofOrientedOpticalFlow,HOF)特征和颜色自相似性（colorselfsimilarity,CSS）特征。深度学习中最具有里程碑意义的就是Hinton[14]的贡献，在2010和2012年的
【参考文献】：
期刊论文
[1]基于机器学习的小目标检测与追踪的算法研究[J]. 林晓林,孙俊. 计算机应用研究. 2018(11)
[2]卷积定理与傅里叶变换性质及其应用的关系探讨[J]. 黄金平,张正炳. 长江大学学报(自科版). 2016(19)
[3]基于高阶CRF模型的图像语义分割[J]. 毛凌,解梅. 计算机应用研究. 2013(11)
[4]基于FPGA的曼彻斯特编解码器设计与实现[J]. 刘远峰. 现代计算机(专业版). 2010(12)
[5]基于感受野模型的图像融合算法研究[J]. 赵巍,黄晶晶,田斌. 电子学报. 2008(09)
[6]单目移动拍摄下基于人体部位的行人检测[J]. 田广,戚飞虎,朱文佳,毛欣,陈磐君. 系统仿真学报. 2006(10)
本文编号：3451144
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：83 页
【学位级别】：硕士
【部分图文】：
自动驾驶环境感知与高级语义分割框架
第一章绪论3半导体及元器件的消费量从13.7亿美元上升到25亿美元。图1-2全球ADAS市场规模预测（亿欧元）目前，国内先进的辅助驾驶系统在新车中的普及率仍处于较低水平，从2%到4%不等，盲点检测的普及率最高，达到6.9%。而在美国、英国等一些发达国家，有8%的新车已经装有ADAS。由于经济水平的提高，越来越多的家庭拥有自己的私家车，截止到2017年底，中国机动车保有量达到3.1亿辆，中国的汽车销售额快速增长，但是汽车的ADAS安装率较低，这将成为各大汽车厂商竞争制胜的最大卖点，所以在中国ADAS拥有良好的市场前景。随着相关政策的出台，预计国内ADAS市场将快速增长。据有效数据估计，中国ADAS市场增长率将超过国际市场的增长率。国外智能汽车的发展较早，2010年谷歌公司正式进军自动驾驶汽车，经过两年的研发，在2012年谷歌的第一个二级别的自动驾驶汽车问世，后来研发的“GoogleFleet”的自动驾驶车[7]辆完成了1000公里的完全自动驾驶。2020年特斯拉已经由超过60万辆配有“完全自动驾驶硬件”的汽车。这些车辆每天可以创造2000万英里的行驶路程，可以为神将网络提供强大的数据支持。在国内，百度无疑是自动驾驶行业中的领军代表，2019年，百度首批45辆Apollo与一汽红旗联合研发的“红旗EV”Robotaxi车队在长沙部分已开放测试路段开始试运营。同年丰田将加入百度推动的自动驾驶开发联盟“阿波罗计划”。丰田希望通过加入该计划，加速技术实用化进程。中国智能手机制造商华为目前正在大力推进5G产业。华为已明确表示不会生产汽车，但计划帮助发展自动驾驶汽车技
电子科技大学硕士学位论文4术。最近，华为正在利用其在5G领域的专业知识，与上汽集团和中国移动合力打造5G互联汽车。这些汽车将具有5G/LTE-V功能并支持C-ITS驾驶员辅助功能。并且具有智能的语音交互功能，甚至内置视频通话功能。图1-3国内外推出的自动驾驶汽车(Google、TLSA、百度、华为)1.2.2深度学习研究现状早在20世纪中期，Wiesel和Hubel[8]在研究猫的大脑皮层结构时，无意中发现皮层中脑神经元的独特结构，该结构简洁高效的实现了网络之间的反馈操作。通过进一步的研究其结构，他们提出了最原始的卷积神经网络。1980年，K.Fukushima[9]等人利用自己发明的识别模型实现了利用卷积神经网络来进行目标识别。通过进一步发展，利用滑动窗口的方法进行目标特征提取，大幅度提升了多类别目标检测的效率。在2003年Viola和Jones[10]等人研究出一种滤波器，该滤波器是基于矩形框的，通过对图像所提取的特征向量用一个分类器训练（比如：adaboost[11]），就可以用来对行人进行检测。2005年，梯度直方图（HOG）特征提取方法被Dalal[12]等人提出，该方法主要是对图像中每个像素点求梯度，然后使用直方图进行统计，就可以描述出图像中物体的边缘信息，然后通过分类器对这些特征进行训练就可以对行人进行检测，该方法的检测效果良好，运用十分广泛。2010年，StefenWalk[13]提出了光流方向直方图(HistogramsofOrientedOpticalFlow,HOF)特征和颜色自相似性（colorselfsimilarity,CSS）特征。深度学习中最具有里程碑意义的就是Hinton[14]的贡献，在2010和2012年的
【参考文献】：
期刊论文
[1]基于机器学习的小目标检测与追踪的算法研究[J]. 林晓林,孙俊. 计算机应用研究. 2018(11)
[2]卷积定理与傅里叶变换性质及其应用的关系探讨[J]. 黄金平,张正炳. 长江大学学报(自科版). 2016(19)
[3]基于高阶CRF模型的图像语义分割[J]. 毛凌,解梅. 计算机应用研究. 2013(11)
[4]基于FPGA的曼彻斯特编解码器设计与实现[J]. 刘远峰. 现代计算机(专业版). 2010(12)
[5]基于感受野模型的图像融合算法研究[J]. 赵巍,黄晶晶,田斌. 电子学报. 2008(09)
[6]单目移动拍摄下基于人体部位的行人检测[J]. 田广,戚飞虎,朱文佳,毛欣,陈磐君. 系统仿真学报. 2006(10)
本文编号：3451144
本文链接：https://www.wllwen.com/kejilunwen/qiche/3451144.html
