隨著無人駕駛技術(shù)的發(fā)展,智能車輛與智能檢測系統(tǒng)相配合,使汽車逐步代替人類獲得周圍駕駛環(huán)境信息并做出決策判斷,先進(jìn)駕駛輔助系統(tǒng)（ADAS）是無人駕駛技術(shù)的重要前提,隨著無人駕駛技術(shù)的發(fā)展,這種被動(dòng)的示警作用逐步變?yōu)橹鲃?dòng)的決策干預(yù),因此ADAS技術(shù)的完善是無人駕駛技術(shù)安全性、先進(jìn)性、穩(wěn)定性的重要前提條件。本文設(shè)計(jì)了一種基于單目視覺的交通感知系統(tǒng),為ADAS系統(tǒng)處理采集的視頻信息提供了系統(tǒng)方案。一般的視覺駕駛輔助系統(tǒng)主要基于計(jì)算機(jī)視覺,傳感器分為單目和雙目相機(jī)兩種,相比較來說,單目相機(jī)的成本較低,需要的計(jì)算資源較少,因此本文優(yōu)先選擇單目作為技術(shù)路線。本交通感知系統(tǒng)設(shè)計(jì)架構(gòu)如下:首先,本文設(shè)計(jì)了一種基于視覺的卡爾曼濾波車道線檢測和跟蹤系統(tǒng),通過對(duì)視頻圖像預(yù)處理,使用滑動(dòng)窗口提取左右線路的特征信息,將這些特征點(diǎn)使用二次擬合,繪制出完整的車道線。同時(shí)為了提高算法的魯棒性和準(zhǔn)確性,加入了卡爾曼濾波算法,當(dāng)遇到圖像道路信息不完整,特殊行駛情況和路面干擾信息較多時(shí),仍然可以保持車道線的完整提取,精確度達(dá)到74.8%,速度達(dá)到332幀每秒。其次設(shè)計(jì)基于深度學(xué)習(xí)的目標(biāo)檢測算法,識(shí)別車身周圍環(huán)境的車輛種類,圖... 

【文章頁數(shù)】：71 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 論文主要研究內(nèi)容和結(jié)構(gòu)
        1.3.1 論文主要研究內(nèi)容
        1.3.2 論文結(jié)構(gòu)框架
第2章 車道線檢測算法研究
    2.1 引言
    2.2 車道線檢測方法研究
    2.3 結(jié)合卡爾曼濾波的車道線檢測算法設(shè)計(jì)
    2.4 相機(jī)標(biāo)定
    2.5 圖像預(yù)處理
        2.5.1 ROI選擇
        2.5.2 透視變換
        2.5.3 圖像閾值化
        2.5.4 邊緣檢測
    2.6 滑動(dòng)窗口提取與二次擬合
    2.7 卡爾曼濾波跟蹤算法設(shè)計(jì)
    2.8 本章小結(jié)
第3章 基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測和跟蹤研究
    3.1 引言
    3.2 卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
        3.2.1 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        3.2.2 卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練
    3.3 目標(biāo)檢測算法研究
        3.3.1 傳統(tǒng)目標(biāo)檢測
        3.3.2 深度學(xué)習(xí)目標(biāo)檢測
    3.4 目標(biāo)跟蹤算法研究
    3.5 本章小結(jié)
第4章 交通感知系統(tǒng)整體實(shí)現(xiàn)設(shè)計(jì)
    4.1 引言
    4.2 帶卡爾曼濾波的車道線檢測算法設(shè)計(jì)
    4.3 目標(biāo)檢測算法設(shè)計(jì)
    4.4 基于位置信息的跟蹤算法設(shè)計(jì)
    4.5 本章小結(jié)
第5章 交通感知系統(tǒng)算法測試和驗(yàn)證
    5.1 引言
    5.2 系統(tǒng)環(huán)境配置和測試集
    5.3 車道線算法測試
        5.3.1 算法評(píng)價(jià)標(biāo)準(zhǔn)
        5.3.2 算法性能測試
    5.4 基于MASK R-CNN的訓(xùn)練和測試
        5.4.1 算法性能檢測指標(biāo)
        5.4.2 算法訓(xùn)練和測試
    5.5 目標(biāo)跟蹤算法測試
    5.6 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]上半年全國機(jī)動(dòng)車和駕駛?cè)吮３指呶辉鲩L[J].   道路交通管理. 2018(08)
[2]道路交通事故損失統(tǒng)計(jì)分析[J]. 秦恩國.  內(nèi)燃機(jī)與配件. 2018(15)
[3]自適應(yīng)巡航控制系統(tǒng)對(duì)駕駛安全性的影響研究[J]. 劉新雨,吳學(xué)勤,王暢,張瑞賓,宋柱.  中國安全科學(xué)學(xué)報(bào). 2017(04)
[4]通用Onstar（通用安吉星）服務(wù)系統(tǒng)（上）[J]. 紀(jì)石.  汽車維修技師. 2010(03)

博士論文
[1]基于機(jī)器視覺的先進(jìn)輔助駕駛系統(tǒng)關(guān)鍵技術(shù)研究[D]. 范延軍.東南大學(xué) 2016
[2]城市智能交通系統(tǒng)交通流協(xié)同優(yōu)化與誘導(dǎo)關(guān)鍵技術(shù)研究[D]. 文孟飛.中南大學(xué) 2013
[3]城市動(dòng)態(tài)路況信息下交通行為的研究[D]. 周偉.大連理工大學(xué) 2012

碩士論文
[1]基于深度學(xué)習(xí)的車道線和車輛檢測[D]. 羅森.電子科技大學(xué) 2018
[2]基于機(jī)器視覺的車道線識(shí)別與預(yù)警[D]. 陳家凡.浙江理工大學(xué) 2018
[3]基于深度學(xué)習(xí)的車道線檢測算法研究[D]. 梁樂穎.北京交通大學(xué) 2018
[4]車道偏離預(yù)警視覺系統(tǒng)算法改進(jìn)研究[D]. 葛平淑.吉林大學(xué) 2008



本文編號(hào)：3672828