大型客车环境感知系统设计及前方障碍物检测方法研究
发布时间：2023-08-15 19:05
随着国民经济和交通运输业的发展,机动车的保有量迅速增加,道路交通运输给人们的生活和出行带来了极大的便利,但是由此引发的道路交通事故每年给人民的生命和财产带来了巨大的损失。道路交通事故调查显示,大型客车由于其载客量多,动能大的特点,成为造成群死群伤重大交通事故的主要原因。汽车安全辅助驾驶技术能有效地对车辆运行环境进行检测,当发现潜在危险时能够及时提醒驾驶员采取有效的应对措施,消除安全隐患。目前该技术已经不同程度地应用于各类中小型车辆,但是鲜见于大型客车中的应用。本文以国家基金为依托,针对于大型客车运行环境设计了一套环境感知系统,并利用毫米波雷达与机器视觉融合算法对前方障碍物进行检测。主要研究内容如下:针对于大型客车的环境感知系统,本文设计了一套毫米波雷达与机器视觉相结合的前方障碍物检测系统。首先分析各类型传感器的工作性能和成本效益,确定了传感器类型,然后结合大型客车环境感知需求,对毫米波雷达和摄像机进行型号选择和参数配置。该系统既保障了大客车的环境感知满足不同道路状况和天气环境的要求,同时又兼顾硬件的设计成本。针对毫米波雷达目标检测区分能力弱的问题,本文提出了一种基于深度置信网络的车辆有...
【文章页数】：103 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景与意义
1.2 国内外车辆检测研究现状
1.2.1 基于机器视觉的车辆检测
1.2.2 基于毫米波雷达的车辆检测
1.2.3 基于激光雷达的车辆检测
1.2.4 基于多传感器融合的车辆检测
1.3 国内外行人检测研究现状
1.3.1 基于CCD/CMOS相机的行人检测
1.3.2 基于红外相机的行人检测
1.3.3 基于激光雷达与相机融合的行人检测
1.4 论文的主要工作与章节安排
第二章 大型客车环境感知系统设计
2.1 各传感器性能对比与分析
2.1.1 激光雷达
2.1.2 CCD/CMOS摄像相机
2.1.3 毫米波雷达
2.1.4 红外传感器
2.1.5 超声波传感器
2.2 传感器选型与参数配置
2.2.1 摄像机选型与参数配置
2.2.2 毫米波雷达选型与参数配置
2.2.3 其他附属设备选型与参数配置
2.2.4 传感器布置与安装
2.3 本章小结
第三章 基于深度置信网络的雷达车辆目标提取
3.1 毫米波雷达数据解析与采集
3.1.1 毫米波雷达数据解析
3.1.2 毫米波雷达数据采集
3.2 基于深度置信网络的车辆目标提取
3.2.1 深度置信网络模型原理分析
3.2.2 深度置信网络训练与参数求解
3.3 训练结果分析与实验验证
3.4 本章小结
第四章 卷积神经网络的基本原理分析与对比
4.1 卷积神经网络原理分析
4.1.1 局部连接与权值共享
4.1.2 卷积层
4.1.3 激活层
4.1.4 下采样层
4.1.5 网络输出层
4.2 快速卷积神经网络目标检测对比分析
4.2.1 R-CNN网路模型
4.2.2 FastR-CNN网路模型
4.2.3 FasterR-CNN网路模型
4.3 本章小结
第五章 基于FASTERR-CNN的前方障碍物检测与测距
5.1 模型选择与分析
5.2 多交通环境训练下的FASTERR-CNN车辆检测
5.2.1 训练样本采集与预处理
5.2.2 车辆检测网络的构建与参数设置
5.2.3 车辆检测网络训练与测试
5.2.4 实验验证与分析
5.3 多交通环境训练下的FASTERR-CNN行人检测
5.3.1 行人检测训练样本采集
5.3.2 行人检测网络构建与参数设置
5.3.3 行人检测网络训练与测试
5.3.4 实验验证与分析
5.4 改进的单目视觉前方障碍物测距
5.4.1 传统单目视觉测距方法
5.4.2 基于像素标定与拟合的单目测距
5.4.3 实验验证与误差分析
5.5 本章小结
第六章 雷达与相机融合的障碍物检测系统设计
6.1 毫米波雷达与视觉信息融合
6.1.1 相机标定试验与参数求解
6.1.2 雷达与视觉信息空间上的同步
6.1.3 雷达与视觉信息时间上的同步
6.2 障碍物检测目标匹配与有效目标生成
6.2.1 基于多检测特征的雷达与视觉目标匹配
6.2.2 障碍物检测有效目标生成
6.3 障碍物检测目标跟踪与管理
6.3.1 基于卡尔曼滤波的单目标跟踪
6.3.2 多目标跟踪与管理
6.4 融合系统搭建与实验验证
6.5 本章小结
第七章 全文总结与展望
7.1 全文总结
7.2 不足与展望
参考文献
在读期间研究成果
致谢
本文编号：3842098
【文章页数】：103 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景与意义
1.2 国内外车辆检测研究现状
1.2.1 基于机器视觉的车辆检测
1.2.2 基于毫米波雷达的车辆检测
1.2.3 基于激光雷达的车辆检测
1.2.4 基于多传感器融合的车辆检测
1.3 国内外行人检测研究现状
1.3.1 基于CCD/CMOS相机的行人检测
1.3.2 基于红外相机的行人检测
1.3.3 基于激光雷达与相机融合的行人检测
1.4 论文的主要工作与章节安排
第二章 大型客车环境感知系统设计
2.1 各传感器性能对比与分析
2.1.1 激光雷达
2.1.2 CCD/CMOS摄像相机
2.1.3 毫米波雷达
2.1.4 红外传感器
2.1.5 超声波传感器
2.2 传感器选型与参数配置
2.2.1 摄像机选型与参数配置
2.2.2 毫米波雷达选型与参数配置
2.2.3 其他附属设备选型与参数配置
2.2.4 传感器布置与安装
2.3 本章小结
第三章 基于深度置信网络的雷达车辆目标提取
3.1 毫米波雷达数据解析与采集
3.1.1 毫米波雷达数据解析
3.1.2 毫米波雷达数据采集
3.2 基于深度置信网络的车辆目标提取
3.2.1 深度置信网络模型原理分析
3.2.2 深度置信网络训练与参数求解
3.3 训练结果分析与实验验证
3.4 本章小结
第四章 卷积神经网络的基本原理分析与对比
4.1 卷积神经网络原理分析
4.1.1 局部连接与权值共享
4.1.2 卷积层
4.1.3 激活层
4.1.4 下采样层
4.1.5 网络输出层
4.2 快速卷积神经网络目标检测对比分析
4.2.1 R-CNN网路模型
4.2.2 FastR-CNN网路模型
4.2.3 FasterR-CNN网路模型
4.3 本章小结
第五章 基于FASTERR-CNN的前方障碍物检测与测距
5.1 模型选择与分析
5.2 多交通环境训练下的FASTERR-CNN车辆检测
5.2.1 训练样本采集与预处理
5.2.2 车辆检测网络的构建与参数设置
5.2.3 车辆检测网络训练与测试
5.2.4 实验验证与分析
5.3 多交通环境训练下的FASTERR-CNN行人检测
5.3.1 行人检测训练样本采集
5.3.2 行人检测网络构建与参数设置
5.3.3 行人检测网络训练与测试
5.3.4 实验验证与分析
5.4 改进的单目视觉前方障碍物测距
5.4.1 传统单目视觉测距方法
5.4.2 基于像素标定与拟合的单目测距
5.4.3 实验验证与误差分析
5.5 本章小结
第六章 雷达与相机融合的障碍物检测系统设计
6.1 毫米波雷达与视觉信息融合
6.1.1 相机标定试验与参数求解
6.1.2 雷达与视觉信息空间上的同步
6.1.3 雷达与视觉信息时间上的同步
6.2 障碍物检测目标匹配与有效目标生成
6.2.1 基于多检测特征的雷达与视觉目标匹配
6.2.2 障碍物检测有效目标生成
6.3 障碍物检测目标跟踪与管理
6.3.1 基于卡尔曼滤波的单目标跟踪
6.3.2 多目标跟踪与管理
6.4 融合系统搭建与实验验证
6.5 本章小结
第七章 全文总结与展望
7.1 全文总结
7.2 不足与展望
参考文献
在读期间研究成果
致谢
本文编号：3842098
本文链接：https://www.wllwen.com/kejilunwen/qiche/3842098.html
