基于深度学习框架的车路环境视觉感知技术研究

发布时间：2021-11-03 03:27

　　复杂条件下的行车环境感知是当前车辆辅助驾驶研究的热点课题,也是交通领域面临的难题之一。本文针对复杂行车环境的信息多样性,提出车路环境中多种成像目标深度稀疏优化分类识别的感知方法,并在不同目标感知基础上进行行车环境表征研究。论文以车路环境下图像的目标分类表征为研究对象,针对车路视觉图像的预处理,车路场景中图像目标分类,图像目标边界优化,以及视觉协同感知的行车环境表征等关键技术展开研究,为智能辅助驾驶提供一定的理论支持。在复杂车路行车环境感知方面,首先,构建车路图像获取的方案框架并选取相关器件,由于摄像头采集的图像易受噪声影响,出现目标与背景区分不明显等问题,本文采用双边滤波算法对图像进行滤波去噪,并提出一种针对彩色图像的图像增强算法,提升图像全局亮度,同时图像边缘细节对比度增强。其次,针对车路目标比较复杂且种类颇多,难以利用图像的单一特征进行目标分类表征,提出了多源融合及多尺度池化的图像分类算法,通过在网络输入端加上灰度图像和canny算子变换的图像,丰富图像特征的表达能力,引入多尺度池化提取图像更多细节特征,通过融合得到图像全局信息,增强了网络对车路环境目标识别的能力,提高了目标识别的... 

【文章来源】：长安大学陕西省 211工程院校 教育部直属院校

【文章页数】：86 页

【学位级别】：硕士

【部分图文】：

本文主要研究内容结构图

非极大值抑制原理图

边缘检测效果图

【参考文献】：
期刊论文
[1]卷积神经网络中激活函数的一种改进[J]. 刘小文,郭大波,李聪.  测试技术学报. 2019(02)
[2]智能交通系统的研究现状及发展趋势分析[J]. 杨博文.  中国设备工程. 2019(02)
[3]基于改进Canny算法的道路标线自动识别及定位[J]. 罗文婷,李中轶,李林,甘宏,郭建钢.  西南交通大学学报. 2018(06)
[4]上海市“智慧交通安全管理系统”构建内容[J]. 张宇飞,王伟.  交通与运输. 2018(06)
[5]基于区域生长算法的脑肿瘤图像分割[J]. 蒋秋霖,王昕.  长春工业大学学报. 2018(05)
[6]基于多维高斯分布概率模型的软件缺陷预测[J]. 苏娜,方景龙.  杭州电子科技大学学报(自然科学版). 2018(05)
[7]超速失控闯入对向车道 迎面撞车造成多人死亡——京港澳高速新乡段“9.26”重大道路交通事故分析[J]. 韩金良.  吉林劳动保护. 2018(07)
[8]成像偏振在车道线检测与识别中的应用[J]. 王会峰,张佳佳,赵祥模,魏飞婷,汪贵平.  西南交通大学学报. 2019(02)
[9]基于动态概率网格和贝叶斯决策网络的车辆变道辅助驾驶决策方法[J]. 惠飞,穆柯楠,赵祥模.  交通运输工程学报. 2018(02)
[10]位置敏感探测器非线性校正的神经网络设计[J]. 樊昭阳,李君波.  光学与光电技术. 2018(02)

博士论文
[1]基于车—路视觉协同的行车环境感知方法研究[D]. 穆柯楠.长安大学 2016

硕士论文
[1]基于深度卷积神经网络的图像语义分割[D]. 马骁.中国科学院大学(中国科学院光电技术研究所) 2018
[2]基于卷积神经网络的街景图像分割方法研究[D]. 张文海.电子科技大学 2018
[3]车载全景视觉系统的研究与实现[D]. 郑忠慧.哈尔滨工业大学 2017
[4]复杂条件下车路视觉感知与识别[D]. 陈世秦.长安大学 2017
[5]基于激光测距的高速公路汽车防碰撞预警装置的研究[D]. 王少勇.长安大学 2014
[6]基于CMOS传感器的小型光谱仪研制[D]. 孙小小.上海交通大学 2013
[7]基于重心法的模糊系统和模糊推理建模法[D]. 杨雪.大连理工大学 2011



本文编号：3472947