基于深度学习的无人驾驶图像分割算法研究

发布时间：2021-11-08 17:41

　　近年来,随着技术的发展及政策的开放,无人驾驶成为目前发展最为迅猛的人工智能产业之一。基于视觉的环境感知是无人驾驶系统的基础环节,鱼眼图像因具有视角大,信息丰富的特点,在视觉感知中被广泛使用。本文在深度学习的基础上,分别设计并实现了基于鱼眼图像的语义分割（像素级别）算法和实例分割（实例级别）算法,主要工作内容如下:1、构建了无人驾驶鱼眼图像分割数据集,数据采集自北京、上海等地的停车场及城市道路,拍摄了约180个小时的鱼眼摄像头视频（帧速:30FPS,分辨率:1280*720）,从中抽取12000张鱼眼图像并使用标注工具LabelMe进行手动标注,生成语义分割标注图像和实例分割标注图像各6000张。2、针对无人驾驶像素级别的场景解析需求,提出了基于深度卷积网层间级联的鱼眼图像语义分割算法。设计了一个具有两段不同深度卷积层分支的语义分割网络,通过对像素正确分类置信度与预设阈值进行比较,将高于或低于阈值的像素分别输入浅层或深层的网络分支,实现层间级联的学习模式,此外对深层的网络分支利用了密集特征聚合的方式,最终输出语义分割结果。实验结果表明,相比主流的语义分割方法FCN（Fully Convo... 

【文章来源】：大连交通大学辽宁省

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

图１．１无人驾驶核心技术??Ｆｉｇ．?１．１?Ｃｏｒｅ?ｔｅｃｈｎｏｌｏｇｉｅｓ?ｏｆ?ｕｎｐｉｌｏｔｅｄ?ｄｒｉｖｉｎｇ??１??

第一章绪论??进入量产阶段［１２］。纵目科技作为重要的无人驾驶解决方案供应商，２０１８年１２月获得了??中国一汽项目定点通知书，将在一汽红旗品牌２０２０年的量产车型上，部署低速自动驾??驶Ｌ４级自主代客泊车系统［１３］。此外，国内还有小马智行、图森未来等多家Ｌ４级别场景??服务商，与国内知名院校及研宄院展开了合作，推动无人驾驶技术的发展。??目前，国内外的无人驾驶技术公司都显示了不错的实力，图１．２所示为目前己经实??现量产的无人驾驶车辆。随着科学技术的发展及政策的改革，无人驾驶技术将逐渐向更??加智能化、高效化、安全化发展，同时应用领域也从军用走向日常生活中，制造成本将??逐步降低，逐渐成为大众都可以消费得起的智能产品。??（ａ）?Ｗａｙｍｏ?（ｂ）?Ｔｅｓｌａ?Ｍｏｄｅｌ?Ｘ?（ｃ）阿波龙??图１．２无人驾驶车辆??Ｆｉｇ．?１．２?Ｕｎｐｉｌｏｔｅｄ?ｃａｒｓ??１．２．２深度学习??深度学习［Ｍ］的概念是Ｈｉｎｔｏｎ等人于２００６年提出的，深度学习通过利用神经网络来??实现对图像或语音等数据的特征提取，并将其与分类任务统一在一个模型中，实现自动??提取特征及分类。ＬｅＮｅｔ－５［１５】，是最早的用于深度学习的神经网络，随后不断涌现出更强??大的神经网络包括?ＡｌｅｘＮｅｔ［ｌ６］、ＶＧＧ－１６［１７］、ＧｏｏｇｌｅＮｅｔ［ｌ８］、ＲｅｓＮｅｔ［１９＾，网络层数不断??增加，学习能力越来越强，同时缓解了随着网络深度加深而出现的梯度消失或弥散的问??题，推动了深度学习在图像分类［２（＾１］、图像识别Ｐ２］、语音识别［２３］等多个任务上的发展，??同时促进了深度学习向强化学习［２４］、迁移学习［２５］等领域的拓展

车辆的前方车标处，通过在不同的交通路段、时间段及天气状况下进??行视频拍摄，共采集了约１８０个小时的视频，视频帧率为３０ＦＰＳ，分辨率为１２８０＊７２０；??从中抽取并手动标注１２０００张鱼眼图像，其中语义分割标注６０００张，标注类别包括道??路边线、可通行区域、车辆；实例分割标注６０００张，类别包括小汽车、卡车、行人。??本文使用的标注工具为ＬａｂｅｌＭＰ％是麻省理工大学计算机科学和人工智能实验室??研发的开源图像标注软件，其优点是可以在线使用，从而避免在本机中安装大型数据集。??图１．３所示为ＬａｂｅｌＭｅ的标注界面，通过利用多边形工具将车辆、车道线等标注元??素的边缘完整地描绘出来，并键入对应的标注类别，此外，对于实例分割标注，还要给??予每个实例一个独立的编号。??ｅ－??＾Ｔ｜ｌ?Ｏ＾ｅｃｔｈａｓｎｏｐａｒｉｓ??１?Ｉ?…．＇Ｉ??〇??图１．３?ＬａｂｅｌＭｅ标注界面??Ｆｉｇ．?１．３?Ｔｈｅ?ａｎｎｏｔａｔｉｏｎ?ｉｎｔｅｒｆａｃｅ?ｏｆ?ＬａｂｅｌＭｅ??５??


本文编号：3483938