面向小型四旋翼无人机的车道线与车辆检测方法研究

发布时间：2023-03-20 09:08

　　随着无人机在城市交通管理中应用越来越广泛。车道线以及车辆检测作为无人机交通环境感知的基础而重要部分,起到对道路中车辆违法行为的智能监测,特殊路段的车流状况统计,城市道路巡检自动化等作用,为促进城市交通健康发展具有实际意义。通过对国内外的研究现状进行大量调研与分析,现有基于车道线与车辆检测方法大多数是应用在智能车的环境感知领域,针对无人机领域研究较少。本文以无人机的车道线与车辆检测为研究对象,在车道线检测方面,针对传统手工提取车道线特征算法存在特征难以提取,在受光照、遮挡情况下,检测精度低,且现有基于深度学习的车道线检测算法存在检测耗时等问题,本文提出基于可分离卷积的快速车道线实例分割网络,将车道线划分为不同的实例,实现多条车道线的检测。在车辆检测方面,针对现有无人机对小尺度目标车辆的检测精度低、鲁棒性不好等问题,本文提出基于多尺度优化的车辆检测算法,将不同尺度的下采样语义特征与上采样特征进行融合,对多种尺度车辆进行预测,提高对车辆的检测精度。本文主要内容如下:1.总结当前车道线与车辆检测方法研究的国内外现状,分析其存在的不足,提出本文的研究课题。2.提出一种基于快速实例分割的车道线检测...

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 无人机航拍车道线检测研究现状
        1.2.2 无人机航拍车辆检测研究现状
    1.3 论文主要工作
    1.4 本文组织结构
第2章 深度学习相关技术分析
    2.1 人工神经网络
        2.1.1 人工神经网络模型
        2.1.2 激活函数
        2.1.3 反向传播算法
        2.1.4 过拟合处理方法
    2.2 卷积神经网络
        2.2.1 卷积与池化
        2.2.2 损失函数
        2.2.3 卷积神经网络的发展及应用
    2.3 本章小结
第3章 基于实例分割的车道线检测方法研究
    3.1 车道线特征编码网络
        3.1.1 深度可分离卷积
        3.1.2 特征编码网络结构
    3.2 车道线特征解码网络
        3.2.1 基于全卷积车道线语义分割网络
        3.2.2 车道线嵌入分支网络
        3.2.3 构建损失函数
    3.3 实验结果与分析
        3.3.1 构建车道线数据集
        3.3.2 评价指标
        3.3.3 训练策略及结果分析
        3.3.4 不同算法对比分析
    3.4 本章小结
第4章 基于多尺度优化的车辆检测算法研究
    4.1 基于候选区域的两阶段车辆检测方法
    4.2 基于回归的单阶段车辆检测方法
    4.3 基于多尺度优化的车辆检测方法
        4.3.1 总体网络结构设计
        4.3.2 特征解码层多尺度优化策略
        4.3.3 损失函数设计
    4.4 实验结果与分析
        4.4.1 无人机车辆数据集
        4.4.2 评价指标
        4.4.3 训练策略及结果
        4.4.4 不同算法对比分析
    4.5 本章小结
第5章 总结与展望
    5.1 课题总结
    5.2 课题展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果



本文编号：3766855