基于双目视觉的无人驾驶汽车测距、追踪与仿真研究
发布时间：2021-07-12 12:06
无人驾驶汽车作为未来出行的交通方式,吸引着国内外各大高校及科研机构对其孜孜不倦的研究。作为一台集人工智能、视觉计算、自动控制和软件开发等的技术结合体,无人驾驶汽车可以大幅降低交通事故发生率,减少交通拥堵,提高交通运行效率,为国民出行提供便利。无人驾驶汽车涉及多学科知识,并且主要从环境感知、路径规划、定位导航和决策控制四个方面来进行研究,环境感知作为无人驾驶汽车接收周围环境信息的部分,发挥着极其重要的作用。因此,如何高效准确的识别车辆周围环境信息,是实现无人驾驶的重中之重。本文在总结现有成果的基础上,利用双目视觉摄像头采集图像信息,针对无人驾驶汽车行驶道路环境中的车辆和行人进行测距、追踪和仿真,主要包括以下几个方面:1)对近年来国内外无人驾驶汽车的研究现状进行分析,对目标检测与跟踪的研究技术进行探索,指出单目视觉在目标检测与追踪方面的劣势,确定以双目视觉为主要研究对象,确立本课题需要解决的关键问题和本课题的技术路线。2)针对不同空间尺度的车辆表现出显著不同的特征使得检测算法效率低,并且单目难以准确获取车辆距离信息的问题,提出了一种改进Faster-RCNN对汽车目标进行检测,然后利用双目...
【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
图无人驾驶汽车系统架构
西南交通大学硕士研究生学位论文第2页图1-1图无人驾驶汽车系统架构算法端主要利用传感器采集的信息来工作，包含了如激光雷达在内的多个传感器及采集器探头。主流的无人驾驶传感平台主要以雷达（百度和Google为首）和车载摄像头（特斯拉为首）为主，并呈现多传感器融合发展的趋势。相比其他传感器，车载摄像头是以最接近人眼的工作模式来获取周围环境信息的，利用较小的数据量就可以得到最全面的图像信息。然而它也有一定的局限性，会受到光线和天气的影响；而且，高速工况实时性、随机扰动等也会严重影响视觉信息的获取和处理。此外，由于单目摄像头的畸变影响，距离准确度偏低。因此，利用双目立体摄像头对前方景物进行检测分类和距离测量并进行跟踪仿真，有着非常重要的价值与意义。1.3国内外研究现状1.3.1无人驾驶汽车国外发展现状图1-2（1）科研院校在20世纪70年代早期，美国的研究机构和大学院校开始率先研究无人驾驶汽车。1984年，美国高级研究计划局（DARPA）发起了一项自主地面车辆计划。为了促进无人驾驶技术的发展，美国高级研究计划局在2004-2007年举办了三次DARPA无人驾驶汽车挑战赛[5]，如图1-3所示。图谱国外无人驾驶汽车发展
西南交通大学硕士研究生学位论文第3页图1-3DARPA无人驾驶汽车挑战赛意大利帕尔玛大学VisLab实验室研制出自己的ARGO测试车，具体研究开发历程如图1-4和图1-5所示。图1-4ARGO试验车发展历程图1-5ARGO试验车
【参考文献】：
期刊论文
[1]改进Fast-RCNN的双目视觉车辆检测方法[J]. 张琦,胡广地,李雨生,赵鑫. 应用光学. 2018(06)
[2]Lie群下利用改进JPDA滤波器的智能车立体视觉多目标跟踪方法[J]. 张琦,胡广地,朱晓媛,陈亚东. 计算机应用研究. 2019(10)
[3]无线传感器网络基于2阶段聚合的目标跟踪算法[J]. 任倩倩,刘红阳,刘勇,李金宝,王楠. 计算机研究与发展. 2017(09)
[4]基于双目序列图像的测距定位与自车速度估计[J]. 同志学,赵涛,王消为. 应用光学. 2017(05)
[5]基于粒子滤波和背景减除的多目标检测与跟踪算法[J]. 李明杰,刘小飞,张福泉,翟萍. 计算机应用研究. 2018(08)
[6]基于DST-PCR5多目标自适应视觉跟踪方法[J]. 王轶,方英武. 计算机应用研究. 2018(02)
[7]基于全球定位系统的相机标定方法研究[J]. 孔筱芳,陈钱,顾国华,钱惟贤,任侃,王佳节. 兵工学报. 2016(12)
[8]一种新的车辆辅助驾驶动态障碍物检测与分类方法[J]. 韩飞龙,应捷,朱丹丹. 计算机应用研究. 2017(06)
[9]基于软特征理论的目标跟踪研究[J]. 姜文涛,刘万军,袁姮. 计算机学报. 2016(07)
[10]结合SVM分类器与HOG特征提取的行人检测[J]. 徐渊,许晓亮,李才年,姜梅,张建国. 计算机工程. 2016(01)
硕士论文
[1]基于双目视觉的车辆前方障碍物检测方法研究[D]. 岳欣羽.吉林大学 2018
[2]基于单目视觉的车辆行人检测与测距技术研究[D]. 赵东.电子科技大学 2017
[3]基于立体视觉的测量系统的设计与实现[D]. 刘中正.电子科技大学 2016
[4]基于形状和表观约束活动基模型的车辆检测技术[D]. 刘赛.北京理工大学 2016
[5]基于深度学习的行人检测[D]. 王斌.北京交通大学 2015
[6]背景固定视频中的行人检测技术研究[D]. 徐盼盼.北京交通大学 2013
[7]基于双目立体视觉的高速铁路异物侵限检测系统研究[D]. 何茜.北京交通大学 2011
本文编号：3279884
【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
图无人驾驶汽车系统架构
西南交通大学硕士研究生学位论文第2页图1-1图无人驾驶汽车系统架构算法端主要利用传感器采集的信息来工作，包含了如激光雷达在内的多个传感器及采集器探头。主流的无人驾驶传感平台主要以雷达（百度和Google为首）和车载摄像头（特斯拉为首）为主，并呈现多传感器融合发展的趋势。相比其他传感器，车载摄像头是以最接近人眼的工作模式来获取周围环境信息的，利用较小的数据量就可以得到最全面的图像信息。然而它也有一定的局限性，会受到光线和天气的影响；而且，高速工况实时性、随机扰动等也会严重影响视觉信息的获取和处理。此外，由于单目摄像头的畸变影响，距离准确度偏低。因此，利用双目立体摄像头对前方景物进行检测分类和距离测量并进行跟踪仿真，有着非常重要的价值与意义。1.3国内外研究现状1.3.1无人驾驶汽车国外发展现状图1-2（1）科研院校在20世纪70年代早期，美国的研究机构和大学院校开始率先研究无人驾驶汽车。1984年，美国高级研究计划局（DARPA）发起了一项自主地面车辆计划。为了促进无人驾驶技术的发展，美国高级研究计划局在2004-2007年举办了三次DARPA无人驾驶汽车挑战赛[5]，如图1-3所示。图谱国外无人驾驶汽车发展
西南交通大学硕士研究生学位论文第3页图1-3DARPA无人驾驶汽车挑战赛意大利帕尔玛大学VisLab实验室研制出自己的ARGO测试车，具体研究开发历程如图1-4和图1-5所示。图1-4ARGO试验车发展历程图1-5ARGO试验车
【参考文献】：
期刊论文
[1]改进Fast-RCNN的双目视觉车辆检测方法[J]. 张琦,胡广地,李雨生,赵鑫. 应用光学. 2018(06)
[2]Lie群下利用改进JPDA滤波器的智能车立体视觉多目标跟踪方法[J]. 张琦,胡广地,朱晓媛,陈亚东. 计算机应用研究. 2019(10)
[3]无线传感器网络基于2阶段聚合的目标跟踪算法[J]. 任倩倩,刘红阳,刘勇,李金宝,王楠. 计算机研究与发展. 2017(09)
[4]基于双目序列图像的测距定位与自车速度估计[J]. 同志学,赵涛,王消为. 应用光学. 2017(05)
[5]基于粒子滤波和背景减除的多目标检测与跟踪算法[J]. 李明杰,刘小飞,张福泉,翟萍. 计算机应用研究. 2018(08)
[6]基于DST-PCR5多目标自适应视觉跟踪方法[J]. 王轶,方英武. 计算机应用研究. 2018(02)
[7]基于全球定位系统的相机标定方法研究[J]. 孔筱芳,陈钱,顾国华,钱惟贤,任侃,王佳节. 兵工学报. 2016(12)
[8]一种新的车辆辅助驾驶动态障碍物检测与分类方法[J]. 韩飞龙,应捷,朱丹丹. 计算机应用研究. 2017(06)
[9]基于软特征理论的目标跟踪研究[J]. 姜文涛,刘万军,袁姮. 计算机学报. 2016(07)
[10]结合SVM分类器与HOG特征提取的行人检测[J]. 徐渊,许晓亮,李才年,姜梅,张建国. 计算机工程. 2016(01)
硕士论文
[1]基于双目视觉的车辆前方障碍物检测方法研究[D]. 岳欣羽.吉林大学 2018
[2]基于单目视觉的车辆行人检测与测距技术研究[D]. 赵东.电子科技大学 2017
[3]基于立体视觉的测量系统的设计与实现[D]. 刘中正.电子科技大学 2016
[4]基于形状和表观约束活动基模型的车辆检测技术[D]. 刘赛.北京理工大学 2016
[5]基于深度学习的行人检测[D]. 王斌.北京交通大学 2015
[6]背景固定视频中的行人检测技术研究[D]. 徐盼盼.北京交通大学 2013
[7]基于双目立体视觉的高速铁路异物侵限检测系统研究[D]. 何茜.北京交通大学 2011
本文编号：3279884
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3279884.html
最近更新
教材专著
