巡航无人车自动驾驶关键技术研究
发布时间：2021-08-07 19:46
无人车自动驾驶关键技术是当前学术各界研究的热门课题之一,其潜在的巨大商业价值引领着一代代研究者不断向更广更深的领域探索。自动驾驶技术一旦成熟,随之而来的智慧交通、智慧城市将颠覆人类对于交通出行的认知,甚至影响到人类生活的方方面面。因此,本文关于无人车自动驾驶关键技术的研究具有重要的实用价值和意义。论文首先研究了图像测距领域的各坐标系的变换关系,同时按照双目视觉测距的主要流程,通过实验分析图像预处理、相机标定、立体匹配、后处理等过程中各算法的优劣,给出了基于十字窗的代价函数聚合立体匹配算法的无人车双目测距方案,并验证该算法在巡航无人车工况下测距的可行性和实时性。接下来论文研究了各种图像特征检测、特征描述以及特征匹配算法,给出了基于ORB的旋转自适应图像拼接算法,满足无人车自动驾驶过程中的平移不变性、旋转不变性以及一定的尺度不变性要求,通过实验对比并结合数据分析,证明了基于ORB的旋转自适应图像拼接算法在无人车自动驾驶领域的优越性。最后,论文研究了全卷积神经网络的基本结构,分析各部分结构模块的作用,并给出了基于FCN-8S的优化模型,即在FCN-8S的结构上增加空洞卷积、反卷积和反池化等模...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
刚体变换示意图
00 01 0210 11 1220 21 22C W xC W yC W zY r r r Y TZ r r r Z T C WX RX T物理意义为：机坐标系；坐标系；T：平移。机的外参矩阵的参数，取决于相机之间的相对位姿和参数矩阵记为：W [R T]像机坐标系投影到图像坐标系—投影变换：投影变换标系将物体投影至图像中，从而得到的由三维降为二
证了匹配效果。基于十字窗的代价函数算法打破了之前固定窗口的限定，通过灰度和距离信息构造全新的窗口。如图2-8所示，在图像中定义目标像素点p的上下左右四条臂为, , ,u d l rp p p p，臂的条件为像素灰度与目标像素点灰度差小于阈值 ，且臂长不大于阈值L。如下所示：| I ( p ) I ( p)|p p L (2-23)其中p代表目标像素点，p 代表臂上其余任意像素点，I ( p)代表像素点p的
【参考文献】：
期刊论文
[1]基于改进ORB和PROSAC的无人机航拍图像拼接算法[J]. 李振宇,田源,陈方杰,韩军. 激光与光电子学进展. 2019(23)
[2]一种改进的SIFT算法在图像拼接算法中的应用[J]. 冯言荣. 计算机产品与流通. 2019(06)
[3]基于卷积神经网络的多任务图像语义分割[J]. 梁博,于蕾,李爽. 无线电工程. 2019(07)
[4]5G Flexible Optical Transport Networks with Large-Capacity, Low-Latency and High-Efficiency[J]. Yuefeng Ji,Jiawei Zhang,Yuming Xiao,Zhen Liu. 中国通信. 2019(05)
[5]基于SIFT的自适应旋转图像无缝拼接算法[J]. 姚伟,胡虹. 南京理工大学学报. 2019(02)
[6]结合变形函数和幂函数权重的图像拼接[J]. 李加亮,蒋品群. 计算机应用. 2019(10)
[7]无人驾驶技术综述[J]. 汪榆程. 科技传播. 2019(06)
[8]Improved SLIC Segmentation Algorithm for Artificial Structure Images[J]. Jianzhong Wang,Pengzhan Liu,Jiadong Shi,Guodong Yan. Journal of Beijing Institute of Technology. 2019(03)
[9]基于深度学习的图像语义分割方法综述[J]. 田萱,王亮,丁琪. 软件学报. 2019(02)
[10]图像语义分割问题研究综述[J]. 肖朝霞,陈胜. 软件导刊. 2018(08)
硕士论文
[1]机器视觉与毫米波雷达融合的前方车辆检测方法研究[D]. 谭力凡.湖南大学 2018
[2]基于计算机视觉的前方车辆检测及测距研究[D]. 李佳旺.浙江工商大学 2018
[3]基于特征描述的图像匹配技术研究[D]. 李倩.桂林电子科技大学 2017
[4]基于ORB特征的视频图像拼接技术研究[D]. 姜鹏飞.电子科技大学 2016
[5]我国智慧城市建设与政府管理问题研究[D]. 焦黎帆.西安建筑科技大学 2015
[6]全景图像的校正与拼接算法[D]. 李洪蕊.天津科技大学 2015
[7]基于亚像素精度的立体图像匹配算法研究[D]. 高素文.广东工业大学 2014
[8]基于图像分割的置信传播立体匹配算法研究[D]. 李彬彬.南京航空航天大学 2011
[9]基于Harris角点检测算法的图像拼接技术研究[D]. 贾莹.吉林大学 2010
本文编号：3328421
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
刚体变换示意图
00 01 0210 11 1220 21 22C W xC W yC W zY r r r Y TZ r r r Z T C WX RX T物理意义为：机坐标系；坐标系；T：平移。机的外参矩阵的参数，取决于相机之间的相对位姿和参数矩阵记为：W [R T]像机坐标系投影到图像坐标系—投影变换：投影变换标系将物体投影至图像中，从而得到的由三维降为二
证了匹配效果。基于十字窗的代价函数算法打破了之前固定窗口的限定，通过灰度和距离信息构造全新的窗口。如图2-8所示，在图像中定义目标像素点p的上下左右四条臂为, , ,u d l rp p p p，臂的条件为像素灰度与目标像素点灰度差小于阈值 ，且臂长不大于阈值L。如下所示：| I ( p ) I ( p)|p p L (2-23)其中p代表目标像素点，p 代表臂上其余任意像素点，I ( p)代表像素点p的
【参考文献】：
期刊论文
[1]基于改进ORB和PROSAC的无人机航拍图像拼接算法[J]. 李振宇,田源,陈方杰,韩军. 激光与光电子学进展. 2019(23)
[2]一种改进的SIFT算法在图像拼接算法中的应用[J]. 冯言荣. 计算机产品与流通. 2019(06)
[3]基于卷积神经网络的多任务图像语义分割[J]. 梁博,于蕾,李爽. 无线电工程. 2019(07)
[4]5G Flexible Optical Transport Networks with Large-Capacity, Low-Latency and High-Efficiency[J]. Yuefeng Ji,Jiawei Zhang,Yuming Xiao,Zhen Liu. 中国通信. 2019(05)
[5]基于SIFT的自适应旋转图像无缝拼接算法[J]. 姚伟,胡虹. 南京理工大学学报. 2019(02)
[6]结合变形函数和幂函数权重的图像拼接[J]. 李加亮,蒋品群. 计算机应用. 2019(10)
[7]无人驾驶技术综述[J]. 汪榆程. 科技传播. 2019(06)
[8]Improved SLIC Segmentation Algorithm for Artificial Structure Images[J]. Jianzhong Wang,Pengzhan Liu,Jiadong Shi,Guodong Yan. Journal of Beijing Institute of Technology. 2019(03)
[9]基于深度学习的图像语义分割方法综述[J]. 田萱,王亮,丁琪. 软件学报. 2019(02)
[10]图像语义分割问题研究综述[J]. 肖朝霞,陈胜. 软件导刊. 2018(08)
硕士论文
[1]机器视觉与毫米波雷达融合的前方车辆检测方法研究[D]. 谭力凡.湖南大学 2018
[2]基于计算机视觉的前方车辆检测及测距研究[D]. 李佳旺.浙江工商大学 2018
[3]基于特征描述的图像匹配技术研究[D]. 李倩.桂林电子科技大学 2017
[4]基于ORB特征的视频图像拼接技术研究[D]. 姜鹏飞.电子科技大学 2016
[5]我国智慧城市建设与政府管理问题研究[D]. 焦黎帆.西安建筑科技大学 2015
[6]全景图像的校正与拼接算法[D]. 李洪蕊.天津科技大学 2015
[7]基于亚像素精度的立体图像匹配算法研究[D]. 高素文.广东工业大学 2014
[8]基于图像分割的置信传播立体匹配算法研究[D]. 李彬彬.南京航空航天大学 2011
[9]基于Harris角点检测算法的图像拼接技术研究[D]. 贾莹.吉林大学 2010
本文编号：3328421
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3328421.html
最近更新
教材专著
