本文關(guān)鍵詞：支持無(wú)人駕駛車(chē)輛的交通標(biāo)志檢測(cè)

  更多相關(guān)文章： 無(wú)人駕駛 計(jì)算機(jī)視覺(jué) 交通標(biāo)志 物體檢測(cè) 視頻跟蹤

【摘要】：隨著我國(guó)國(guó)民經(jīng)濟(jì)的快速增長(zhǎng),國(guó)民生活水平的日益提高,汽車(chē)的家庭普及率不斷提高,對(duì)交通安全以及解決交通擁堵問(wèn)題提出了新的挑戰(zhàn)。作為一項(xiàng)新的科技創(chuàng)新,車(chē)輛無(wú)人駕駛系統(tǒng)有著廣泛的經(jīng)濟(jì)效益和深遠(yuǎn)的社會(huì)影響力。而無(wú)人駕駛車(chē)輛技術(shù)發(fā)展中的一項(xiàng)重要需求就是對(duì)于道路交通標(biāo)志的準(zhǔn)確識(shí)別。本文通過(guò)車(chē)載拍攝裝置進(jìn)行視頻采集,對(duì)杭州市區(qū)周邊的交通標(biāo)志進(jìn)行了采集、標(biāo)注,得到適用于中國(guó)道路的交通標(biāo)志數(shù)據(jù)集。其中包括城市道路、郊區(qū)道路和高速公路3種主要的道路。本文在上下文無(wú)關(guān)和上下文相關(guān)兩方面設(shè)計(jì)檢測(cè)算法,提出了多尺度特征計(jì)算優(yōu)化、Cascade-Adaboost算法、空間、時(shí)間的上下文信息融合算法,使得原有高精確度高耗時(shí)的算法能夠在筆記本電腦上達(dá)到實(shí)時(shí)且較高的檢測(cè)精度,探索了一種支持無(wú)人駕駛車(chē)輛的交通標(biāo)志檢測(cè)算法。
【關(guān)鍵詞】：無(wú)人駕駛 計(jì)算機(jī)視覺(jué) 交通標(biāo)志 物體檢測(cè) 視頻跟蹤
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：U495;U463.6
【目錄】：

• 摘要4-5
• Abstract5-12
• 第1章 緒論12-19
• 1.1 研究背景及意義12
• 1.2 研究現(xiàn)狀及存在問(wèn)題12-14
• 1.3 研究難點(diǎn)14-15
• 1.4 研究目標(biāo)和內(nèi)容15-17
• 1.4.1 中國(guó)道路交通標(biāo)志數(shù)據(jù)的采集與標(biāo)注16
• 1.4.2 上下文無(wú)關(guān)的交通標(biāo)志檢測(cè)算法設(shè)計(jì)16-17
• 1.4.3 上下文相關(guān)的交通標(biāo)志檢測(cè)算法設(shè)計(jì)17
• 1.5 本文組織結(jié)構(gòu)17-18
• 1.6 本章小結(jié)18-19
• 第2章 中國(guó)交通標(biāo)志數(shù)據(jù)集19-27
• 2.1 交通標(biāo)志數(shù)據(jù)采集19-22
• 2.1.1 采集設(shè)備19-20
• 2.1.2 采集路線(xiàn)20-22
• 2.2 交通標(biāo)志數(shù)據(jù)集分析22-26
• 2.2.1 交通標(biāo)志數(shù)據(jù)類(lèi)別定義22-23
• 2.2.2 交通標(biāo)志數(shù)據(jù)統(tǒng)計(jì)信息23-26
• 2.3 本章小結(jié)26-27
• 第3章 上下文無(wú)關(guān)的交通標(biāo)志檢測(cè)算法27-45
• 3.1 基本算法簡(jiǎn)介27-31
• 3.1.1 圖像特征27-29
• 3.1.1.1 積分圖像應(yīng)用原理27-28
• 3.1.1.2 Integral Channel Features28-29
• 3.1.2 Adaboost算法29-30
• 3.1.2.1 Adaboost訓(xùn)練29-30
• 3.1.2.2 Adaboost檢測(cè)30
• 3.1.3 整體訓(xùn)練流程30-31
• 3.2 多尺度(Multi-scale)特征估計(jì)算法31-39
• 3.2.1 積分特征近似計(jì)算34-35
• 3.2.1.1 上采樣梯度積分特征估計(jì)34
• 3.2.1.2 降采樣梯度積分特征估計(jì)34-35
• 3.2.2 特征近似計(jì)算的應(yīng)用35-38
• 3.2.3 實(shí)驗(yàn)結(jié)果38-39
• 3.3 Cascade-Adaboost串行算法39-44
• 3.3.1 Cascade-Adaboost理論基礎(chǔ)及應(yīng)用框架39-40
• 3.3.2 閾值σ*i的選擇40-42
• 3.3.3 實(shí)驗(yàn)結(jié)果42-44
• 3.4 本章小結(jié)44-45
• 第4章 上下文有關(guān)的交通標(biāo)志檢測(cè)算法45-56
• 4.1 空間上下文信息引入45-49
• 4.1.1 空間上下文信息引入的理論基礎(chǔ)45-46
• 4.1.2 評(píng)價(jià)函數(shù)設(shè)計(jì)46-48
• 4.1.3 實(shí)驗(yàn)結(jié)果48-49
• 4.2 時(shí)間結(jié)合空間上下文信息引入49-55
• 4.2.1 時(shí)間結(jié)合空間上下文信息的理論基礎(chǔ)49-50
• 4.2.2 評(píng)價(jià)函數(shù)設(shè)計(jì)50-51
• 4.2.3 CMCAD算法51-53
• 4.2.4 實(shí)驗(yàn)結(jié)果53-55
• 4.3 本章小結(jié)55-56
• 第5章 實(shí)驗(yàn)結(jié)果56-67
• 5.1 實(shí)驗(yàn)環(huán)境56-57
• 5.2 算法參數(shù)選擇實(shí)驗(yàn)57-62
• 5.2.1 Cascade-Adaboost逐層閡值選擇57-58
• 5.2.2 引入空間上下文信息參數(shù)選擇58-60
• 5.2.3 引入時(shí)間結(jié)合空間上下文信息參數(shù)選擇60-62
• 5.3 分類(lèi)別實(shí)驗(yàn)結(jié)果62-66
• 5.4 本章小結(jié)66-67
• 第6章 總結(jié)及展望67-69
• 6.1 工作總結(jié)67
• 6.2 未來(lái)展望67-69
• 參考文獻(xiàn)69-74
• 致謝74

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 郝建綱;無(wú)人駕駛的汽車(chē)[J];世界科學(xué);2002年03期

2 林一平;無(wú)人駕駛技術(shù)探秘[J];交通與運(yùn)輸;2003年03期

3 朱蓓玲;宋鍵;;全自動(dòng)無(wú)人駕駛車(chē)輛功能與特點(diǎn)[J];地下工程與隧道;2005年04期

4 占強(qiáng);;從科幻到現(xiàn)實(shí)——無(wú)人駕駛城市挑戰(zhàn)賽[J];世界汽車(chē);2007年12期

5 ;無(wú)人駕駛可以有[J];中國(guó)企業(yè)家;2013年09期

6 譚爍;;讓“無(wú)人駕駛”駛?cè)肷頪J];環(huán)境;2013年02期

7 龔惠明;無(wú)人駕駛空中警戒系統(tǒng)[J];上海航天;1988年05期

8 楊鉑;劉敏;;改進(jìn)汽車(chē)無(wú)人駕駛技術(shù)的思考[J];科技創(chuàng)新與品牌;2014年02期

9 ;無(wú)人駕駛還有多遠(yuǎn)?[J];裝飾;2014年02期

10 博洋;;無(wú)人駕駛會(huì)使汽車(chē)更安全嗎?[J];汽車(chē)與安全;2010年11期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前4條

1 王當(dāng)利;;無(wú)人駕駛船舶的發(fā)展途徑[A];中國(guó)航海學(xué)會(huì)內(nèi)河船舶駕駛專(zhuān)業(yè)委員會(huì)學(xué)術(shù)年會(huì)論文集[C];2004年

2 李振宇;;基于Boids群聚模型的無(wú)人駕駛機(jī)群[A];中國(guó)力學(xué)學(xué)會(huì)學(xué)術(shù)大會(huì)'2009論文摘要集[C];2009年

3 蔣蘋(píng);羅亞輝;孫松林;謝方平;肖明濤;;機(jī)滾船遙控駕駛系統(tǒng)的研究[A];2007年中國(guó)農(nóng)業(yè)工程學(xué)會(huì)學(xué)術(shù)年會(huì)論文摘要集[C];2007年

4 朱建坤;徐友春;李永樂(lè);趙玉t，

本文編號(hào)：803457