自动驾驶场景下的实时单目测距研究

发布时间：2024-01-17 19:52

　　汽车,作为18世纪以来最为重要的发明之一,极大地提升了人们的生活节奏并促进了文明的发展进程,现如今,汽车行业的发展水平,俨然已经成为了一种科技进步的标杆。但是,人们在享受汽车带来便利的同时,也饱受着交通事故的折磨。据不完全统计,全球每年因为交通事故伤亡的人不少于1000万。为了预防交通事故的发生,行驶车辆必须与前方行人车辆保持安全距离。及时感知交通环境和测量前方行人车辆的距离作为自动驾驶系统的重要组成部分,对于提高自动驾驶系统的可靠性和安全性也是至关重要的。目标检测是目标测距的基础,本文针对自动驾驶场景提出了基于轻量化YOLOv3的行人检测算法;结合行人检测结果,提出了一种包含pitch(俯仰角)、yaw(偏航角)的相似三角形测距算法。随着对深度估计任务的深入研究,提出了基于深度感知协同网络的单目深度估计与检测算法(Monocular Depth Detection Network,MDDN)。针对当前目标检测算法达不到实时性且准确率较低等问题,本文结合行人检测的场景,基于通用目标检测算法YOLOv3,提出了轻量化的、高精度的行人检测算法。讨论了现有网络输入尺寸设计的局限性,提出了有效...

【文章页数】：73 页

【学位级别】：硕士

本文编号：3879553