基于近红外成像的路况识别技术研究
发布时间：2022-02-19 21:10
路况识别是日益发展的自动驾驶技术中的关键环节,其作用是把车辆驾驶环境中待识别的障碍物从复杂的背景中识别出来并加以定位,为车辆后续的分析决策提供前导信息。在路况识别中,对行人与车辆的检测尤其获得了广泛的关注。本文以自动驾驶车辆为研究对象,重点研究了驾驶环境中行人与车辆的检测问题。在目前的路况识别技术中,对驾驶环境信息的获取主要是基于可见光的成像系统。然而,基于可见光的成像系统受天气与光线的影响较大,在天气恶劣,光照较差的环境中,难以清晰的成像,从而给环境中行人与车辆的检测带来严重干扰。本文以光照条件较差环境下行人与车辆的检测为研究方向,做了以下工作:1)采用基于近红外的成像系统,构建了较为完备的驾驶环境数据库。本文通过采用主动式近红外成像技术来获取车辆驾驶环境信息,解决了在光照条件较差环境下对车辆行驶环境清晰成像的难题。为了训练并测试算法模型,本文采集了光照较差环境下不同场景的驾驶环境信息,对获得的图像中的行人与车辆进行了有效标注,构建了较为完备的行人车辆数据集。2)提出了基于背景分割的目标候选区域生成算法。利用在近红外图像中,反射红外线的物体明显高亮于四周的背景环境这一特点,本文提出了...
【文章来源】：湖南大学湖南省211工程院校985工程院校教育部直属院校
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景及研究意义
1.2 国内外研究现状
1.2.1 自动驾驶车辆
1.2.2 传感器
1.2.3 目标检测方法
1.3 本文主要研究内容与章节安排
第2章 近红外成像与行人车辆数据集
2.1 近红外成像
2.1.1 近红外线概述
2.1.2 近红外成像原理
2.2 本文使用的近红外成像系统
2.2.1 硬件设备及其连接
2.2.2 成像效果
2.3 基于近红外成像的图像特点
2.4 行人车辆数据集
2.5 实验与对比
2.6 本章小结
第3章 基于背景分割的目标候选区域生成算法
3.1 背景分割
3.1.1 传统Otsu阈值分割算法
3.1.2 改进的阈值分割算法及分割流程
3.2 选择性搜索算法
3.3 实验与分析
3.3.1 图像分割实验与对比
3.3.2 候选框提取实验与对比
3.4 本章小结
第4章 自适应尺度感知目标检测模型
4.1 卷积神经网络概述
4.2 分治策略
4.3 检测框架
4.3.1 AlexNet网络模型
4.3.2 RoI pooling层
4.3.3 多任务损失函数
4.3.4 非极大值抑制
4.3.5 检测框架
4.4 实验与讨论
4.4.1 实验结果与对比
4.4.2 检测子网络分析
4.5 本章小结
结论与展望
参考文献
致谢
附录 A 攻读学位期间所发表的学术论文目录
【参考文献】：
期刊论文
[1]无人驾驶汽车环境感知技术综述[J]. 王世峰,戴祥,徐宁,张鹏飞. 长春理工大学学报(自然科学版). 2017(01)
[2]基于卷积神经网络的目标检测研究综述[J]. 李旭冬,叶茂,李涛. 计算机应用研究. 2017(10)
[3]一种改进的二维Otsu阈值分割算法[J]. 徐超,黄风华,毛政元. 电子技术应用. 2016(12)
[4]基于多特征融合的红外图像行人检测[J]. 胡庆新,吕鹏. 计算机应用. 2016(S1)
[5]为极速智能车保驾护航——记清华大学计算机系THMR课题组之智能汽车研究[J]. 肖延胜. 中国发明与专利. 2011(12)
[6]车辆辅助驾驶系统中基于计算机视觉的行人检测研究综述[J]. 贾慧星,章毓晋. 自动化学报. 2007(01)
[7]激光辅助照明主动红外成像研究[J]. 董明礼,张晶,李银柱,杨培志,何嵩,李萍,张剑家. 红外技术. 2006(02)
[8]图像分割的阈值法综述[J]. 韩思奇,王蕾. 系统工程与电子技术. 2002(06)
硕士论文
[1]红外探测器片上校正及红外图像缺陷检测研究与实现[D]. 李成世.电子科技大学 2018
[2]基于超像素的神经元电镜图像分割算法及校验工具[D]. 肖振鹏.哈尔滨理工大学 2018
[3]目标检测网络SSD的区域候选框的设置问题研究[D]. 翁昕.西安电子科技大学 2017
[4]基于夜间交通视频的车辆检测与跟踪[D]. 冯毅超.北京交通大学 2016
[5]风管机器人同时定位与地图创建方法研究[D]. 贺博.湖南大学 2016
[6]基于机器视觉的场景目标检测与分类研究[D]. 任陈俊.杭州电子科技大学 2016
[7]监控视频中的行人与车辆的在线跟踪[D]. 廖锦毅.浙江大学 2016
[8]基于近红外图片的人脸检测识别算法的研究与应用[D]. 秦连杰.西安电子科技大学 2013
[9]隧道变形监测中的近景摄影测量技术研究[D]. 桑中顺.同济大学 2008
本文编号：3633626
【文章来源】：湖南大学湖南省211工程院校985工程院校教育部直属院校
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景及研究意义
1.2 国内外研究现状
1.2.1 自动驾驶车辆
1.2.2 传感器
1.2.3 目标检测方法
1.3 本文主要研究内容与章节安排
第2章 近红外成像与行人车辆数据集
2.1 近红外成像
2.1.1 近红外线概述
2.1.2 近红外成像原理
2.2 本文使用的近红外成像系统
2.2.1 硬件设备及其连接
2.2.2 成像效果
2.3 基于近红外成像的图像特点
2.4 行人车辆数据集
2.5 实验与对比
2.6 本章小结
第3章 基于背景分割的目标候选区域生成算法
3.1 背景分割
3.1.1 传统Otsu阈值分割算法
3.1.2 改进的阈值分割算法及分割流程
3.2 选择性搜索算法
3.3 实验与分析
3.3.1 图像分割实验与对比
3.3.2 候选框提取实验与对比
3.4 本章小结
第4章 自适应尺度感知目标检测模型
4.1 卷积神经网络概述
4.2 分治策略
4.3 检测框架
4.3.1 AlexNet网络模型
4.3.2 RoI pooling层
4.3.3 多任务损失函数
4.3.4 非极大值抑制
4.3.5 检测框架
4.4 实验与讨论
4.4.1 实验结果与对比
4.4.2 检测子网络分析
4.5 本章小结
结论与展望
参考文献
致谢
附录 A 攻读学位期间所发表的学术论文目录
【参考文献】：
期刊论文
[1]无人驾驶汽车环境感知技术综述[J]. 王世峰,戴祥,徐宁,张鹏飞. 长春理工大学学报(自然科学版). 2017(01)
[2]基于卷积神经网络的目标检测研究综述[J]. 李旭冬,叶茂,李涛. 计算机应用研究. 2017(10)
[3]一种改进的二维Otsu阈值分割算法[J]. 徐超,黄风华,毛政元. 电子技术应用. 2016(12)
[4]基于多特征融合的红外图像行人检测[J]. 胡庆新,吕鹏. 计算机应用. 2016(S1)
[5]为极速智能车保驾护航——记清华大学计算机系THMR课题组之智能汽车研究[J]. 肖延胜. 中国发明与专利. 2011(12)
[6]车辆辅助驾驶系统中基于计算机视觉的行人检测研究综述[J]. 贾慧星,章毓晋. 自动化学报. 2007(01)
[7]激光辅助照明主动红外成像研究[J]. 董明礼,张晶,李银柱,杨培志,何嵩,李萍,张剑家. 红外技术. 2006(02)
[8]图像分割的阈值法综述[J]. 韩思奇,王蕾. 系统工程与电子技术. 2002(06)
硕士论文
[1]红外探测器片上校正及红外图像缺陷检测研究与实现[D]. 李成世.电子科技大学 2018
[2]基于超像素的神经元电镜图像分割算法及校验工具[D]. 肖振鹏.哈尔滨理工大学 2018
[3]目标检测网络SSD的区域候选框的设置问题研究[D]. 翁昕.西安电子科技大学 2017
[4]基于夜间交通视频的车辆检测与跟踪[D]. 冯毅超.北京交通大学 2016
[5]风管机器人同时定位与地图创建方法研究[D]. 贺博.湖南大学 2016
[6]基于机器视觉的场景目标检测与分类研究[D]. 任陈俊.杭州电子科技大学 2016
[7]监控视频中的行人与车辆的在线跟踪[D]. 廖锦毅.浙江大学 2016
[8]基于近红外图片的人脸检测识别算法的研究与应用[D]. 秦连杰.西安电子科技大学 2013
[9]隧道变形监测中的近景摄影测量技术研究[D]. 桑中顺.同济大学 2008
本文编号：3633626
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3633626.html
最近更新
教材专著
