面向ADAS感知系统的机器视觉算法研究

发布时间：2023-03-03 10:25

　　高级驾驶辅助系统(Advanced Driving Assistant System,ADAS)是无人驾驶车辆发展的低级阶段,主要包括了碰撞避免或预避免系统、车道保持系统、车道偏移报警系统等等。高级驾驶辅助系统可以帮助驾驶员作出正确的判断,对于减少交通事故发挥着重要的作用。在实现高级驾驶辅助系统中,车道线检测算法和障碍物检测算法作为ADAS的感知系统,对于ADAS的决策起着至关重要的作用。高级驾驶辅助系统的实现需要大量的传感器,包括雷达传感器、激光传感器、视频传感器等等。雷达传感器和激光传感器的造价高昂,成本较贵。视频传感器价格较为低廉,本文基于机器视觉的方法,使用视频传感器,研究了可以用于高级驾驶辅助系统的车道线检测算法和障碍物检测算法。本文的主要内容包括:首先,利用计器视觉的方法对车道线进行提取,通过分析图像中黄色和白色车道线在多个通道中以及对图像在边缘提取中的不同表现,联合多种方法对图像中的车道线进行提取,使得对车道线尽可能完整的提取出来,避免了对车道线的漏检情况,然后对图像进行透视变换为俯视图并且使用二次函数来拟合车道线,提高了车道线检测的完整度和实时性,同时可以计算出车道线的...

【文章页数】：91 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 课题提出的背景及研究意义
        1.1.1 课题的背景
        1.1.2 课题提出的意义
    1.2 国内外研究现状
        1.2.1 车道线检测算法
        1.2.2 障碍物检测算法
    1.3 主要研究内容
    1.4 论文的结构安排
    1.5 本章小结
第二章 总体研究方案设计
    2.1 车道线检测方案设计
    2.2 障碍物检测方案设计
    2.3 卷积神经网络结构分析
        2.3.1 卷积神经网络概述
        2.3.2 卷积层
        2.3.3 激活函数
        2.3.4 池化层
        2.3.5 残差层
        2.3.6 route层
        2.3.7 全连接层
        2.3.8 非极大值抑制
        2.3.9 感受野
    2.4 卷积神经网络模型训练
        2.4.1 损失函数
        2.4.2 卷积核权值更新
    2.5 实验设备选择
    2.6 本章小结
第三章 车道线检测
    3.1 镜头畸变及其校准
        3.1.1 径向畸变
        3.1.2 切向畸变
        3.1.3 畸变校准
    3.2 颜色空间分析
        3.2.1 颜色空间定义
        3.2.2 颜色空间表现分析
    3.3 边缘提取
        3.3.1 Sobel算子边缘提取
        3.3.2 Laplacian算子边缘提取
        3.3.3 高斯拉普拉斯算子边缘检测
        3.3.4 Canny算子边缘提取
        3.3.5 图像二值化
    3.4 透视变换
        3.4.1 欧式空间和齐次坐标
        3.4.2 透视变换
    3.5 车道线检测和车辆偏离预测
        3.5.1 车道线检测
        3.5.2 车道线半径和车辆偏离预测
    3.6 本章小结
第四章 车道线检测算法测试
    4.1 测试流程
    4.2 测试条件的选取
        4.2.1 驾驶人员的选取
        4.2.2 车速的选取
        4.2.3 试验设备选取
        4.2.4 试验路段选取
    4.3 测试数据分析
    4.4 测试结果分析
    4.5 本章小结
第五章 障碍物识别
    5.1 测试数据集
    5.2 YOLOv3—VPC训练网络
        5.2.1 Darknet框架
        5.2.2 YOLOv3 结构
        5.2.3 YOLOv3 检测过程
        5.2.4 YOLOv3 的损失函数
    5.3 SSD网络训练网络
        5.3.1 Caffe框架
        5.3.2 SSD检测过程
        5.3.3 SSD的损失函数
    5.4 SSD和 YOLOv3 模型对比
    5.5 模型训练
        5.5.1 网络选择
        5.5.2 预训练
        5.5.3 训练结果的评价及分析
        5.5.4 结果分析
    5.6 本章小结
总结与展望
    总结
    展望
参考文献
攻读学位期间的科研成果
致谢



本文编号：3752664