自动驾驶交通道路环境感知系统研究

发布时间：2021-06-11 00:10

　　2017年7月8日,国务院印发《新一代人工智能发展规划》,规划中多次提到要重点发展自动驾驶技术,在智能交通建设等方面实现突破。自动驾驶系统中,对交通环境的感知是极其重要的一环。利用视觉图像来进行道路静态目标的检测识别具有无可比拟的优势,通过一次视觉图像的获取可同时获得路面的多种目标信息。本文所研究的基于视觉图像的交通环境信息感知算法针对路障、交通标志、车道线三个目标,融合深度学习算法与传统的目标检测算法进行相关实验,论文主要开展的工作如下:在目标检测领域,近些年来深度学习算法取得了显著成果。深度学习目标检测算法大体可被划分为两种主流框架,即基于区域推荐的两阶段网络以及基于回归的一阶段网络,本文整合了两种主流框架,设计了一个基于实采交通道路图像的目标检测神经网络模型,对道路中的路障与交通标志进行检测。在目标分类领域,深度神经网络对于图像的特征拥有强大的学习能力,对于目标的分类拥有极高的准确率。但深度学习算法对数据量依赖性强,在数据量不足的情况下无法发挥其全部性能,而传统的目标分类算法可以克服这一劣势。本文针对路障与交通标志两种目标的差异性,分别应用深度学习算法与传统的目标分类算法完成了4... 

【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

图２－１基于颜色特征的目标检测流程图??Ｆｉｇ．?２－１?Ｏｂｊｅｃｔ?ｄｅｔｅｃｔｉｏｎ?ｆｌｏｗ?ｃｈａｒｔ?ｂａｓｅｄ?ｏｎ?ｃｏｌｏｒ?ｆｅａｔｕｒｅｓ??

０，０）?（１，１，０）??图２－２?ＲＧＢ颜色空间模型??Ｆｉｇ．?２－２?ＲＧＢ?Ｃｏｌｏｒ?ｓｐａｃｅ?ｍｏｄｅｌ??２）?ＨＳＶ颜色空间模型??ＨＳＶ颜色空间模型基于颜色的直观特性，ＨＳＶ分别指的是Ｈｕｅ（色调）、??Ｓａｔｕｒａｔｉｏｎ（饱和度）和Ｖａｌｕｅ（亮度）。ＨＳＶ颜色空间模型以空间坐标系表示如图２－３??所示：??ｖ??八??黄??泛＿红??＼?／?＾ｉｔ５＾３６０°）??、??０?７??图２－３?ＨＳＶ颜色空间模型??Ｆｉｇ．?２－３?ＨＳＶ?Ｃｏｌｏｒ?ｓｐａｃｅ?ｍｏｄｅｌ??ＨＳＶ的优势在于对相似的颜色有更接近的线性数值。ＲＧＢ颜色空间即使是在??描述相似的颜色时，其数值的波动也难以预测，其波动较大，尤其在光照的影响下。??而ＨＳＶ颜色空间由于单独分离出了亮度Ｖ这个维度，故其对相似色调的颜色的大??致描述在另两个维度上不会产生明显的变化，据此便可确定相关数值不同的颜色??７??

２）?ＨＳＶ颜色空间模型??ＨＳＶ颜色空间模型基于颜色的直观特性，ＨＳＶ分别指的是Ｈｕｅ（色调）、??Ｓａｔｕｒａｔｉｏｎ（饱和度）和Ｖａｌｕｅ（亮度）。ＨＳＶ颜色空间模型以空间坐标系表示如图２－３??所示：??ｖ??八??黄??泛＿红??＼?／?＾ｉｔ５＾３６０°）??、??０?７??图２－３?ＨＳＶ颜色空间模型??Ｆｉｇ．?２－３?ＨＳＶ?Ｃｏｌｏｒ?ｓｐａｃｅ?ｍｏｄｅｌ??ＨＳＶ的优势在于对相似的颜色有更接近的线性数值。ＲＧＢ颜色空间即使是在??描述相似的颜色时，其数值的波动也难以预测，其波动较大，尤其在光照的影响下。??而ＨＳＶ颜色空间由于单独分离出了亮度Ｖ这个维度，故其对相似色调的颜色的大??致描述在另两个维度上不会产生明显的变化，据此便可确定相关数值不同的颜色??７??


本文编号：3223390