轻量化地标感知算法及认知地图中的应用

发布时间：2022-07-20 18:00

　　地标作为智能驾驶环境感知以及认知地图语义层的重要组成部分,不仅可以提供必要的交通信息,还可用于辅助定位与规划、控制与决策,参与分析给出相应的定位结果与决策方案以控制智能车辆进行正确的操作。因此,对地标感知这一任务展开研究具有重要的理论与现实意义。为了高效地识别出地标信息,本文基于摄像头对驾驶环境采集到的视觉信息,针对交通标志牌、建筑物、路灯等显著地面标志物进行感知算法研究,基于深度学习算法进行相关的实验与分析。主要工作内容如下:1、针对真实驾驶场景下的地标分布特点以及目标尺寸变化等问题,本文利用卷积神经网络提出了基于超特征金字塔的地标感知算法。通过对深层特征与浅层特征的有机组合,基于特征金字塔结构提出计算更加友好的超特征金字塔结构,融合不同尺度的特征信息以生成更有代表性、多层次的多尺度特征。此外,本文还设计了一种新型特征提取网络并将超特征金字塔结构集成其中,使用地标综合数据集进行训练与测试。实验结果表明,本文设计的网络模型取得了81.79%的mAP@0.5,同比学术界与工业界使用最广泛的目标识别网络YOLOv3上升了6.2%,且模型更小。2、针对复杂的深度模型对实际智能驾驶场景硬件有较... 

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究工作的背景与意义
    1.2 国内外研究现状
        1.2.1 地标感知算法的研究现状
        1.2.2 深度模型轻量化算法的研究现状
        1.2.3 认知地图的研究现状
    1.3 研究内容
    1.4 章节架构
第二章 轻量化地标感知算法综述
    2.1 引言
    2.2 卷积神经网络主要结构
    2.3 基于卷积神经网络的目标识别算法
        2.3.1 基于候选区域的目标识别算法
        2.3.2 基于回归的目标识别算法
    2.4 基于网络剪枝的深度模型轻量化算法
        2.4.1 权重剪枝
        2.4.2 滤波器剪枝
    2.5 本章小结
第三章 基于超特征金字塔的地标感知算法
    3.1 引言
    3.2 训练数据集的获取
        3.2.1 数据库介绍
        3.2.2 数据集建立
    3.3 基于超特征金字塔的地标感知网络设计
        3.3.1 特征提取网络设计
        3.3.2 超特征金字塔网络设计
        3.3.3 预测结构设计
        3.3.4 损失函数的设计
    3.4 实验与结果分析
        3.4.1 实验环境
        3.4.2 评判指标
        3.4.3 训练策略
        3.4.4 结果分析
    3.5 本章小结
第四章 基于注意力机制的地标感知轻量化算法
    4.1 引言
    4.2 基于通道注意力模块的滤波器剪枝方法设计
        4.2.1 通道注意力模块
        4.2.2 参数量与计算量
        4.2.3 剪枝流程
        4.2.4 剪枝策略
    4.3 实验与结果分析
        4.3.1 实验环境
        4.3.2 评判指标
        4.3.3 实验及分析
    4.4 本章小结
第五章 认知地图中的地标感知
    5.1 认知地图中的应用
        5.1.1 认知地图中的地标表达
        5.1.2 认知地图地标语义生成与定位
    5.2 智能驾驶实车试验平台
        5.2.1 智能车平台
        5.2.2 车载计算平台
        5.2.3 软件架构
    5.3 校园区域地标感知测试
        5.3.1 地标感知节点
        5.3.2 地标感知测试
    5.4 本章小结
第六章 总结与展望
    6.1 本文总结
    6.2 未来展望
致谢
参考文献


【参考文献】：
期刊论文
[1]基于权值相似性的神经网络剪枝[J]. 黄聪,常滔,谭虎,吕绍和,王晓东.  计算机科学与探索. 2018(08)
[2]基于不变矩和神经网络的交通标志识别方法研究[J]. 王坤明,许忠仁.  计算机应用研究. 2004(03)



本文编号：3664480