無人駕駛汽車作為智能車最終的發(fā)展方向,它的安全行駛依賴對周圍環(huán)境的準(zhǔn)確理解�，F(xiàn)實(shí)環(huán)境中,存在大量道路特征不明顯的非結(jié)構(gòu)化道路區(qū)域,基于道路模型的道路識別方法具有一定的局限性�；诳赏ㄐ袇^(qū)域的像素級別的區(qū)域分割可以很好避免模型假設(shè)帶來的局限性。通過對獲得的數(shù)據(jù)進(jìn)行像素級別的語義分割,劃分出圖像中的可通行區(qū)域,對于道路識別尤其是非結(jié)構(gòu)化道路識別具有重要意義,可以為智能車提供準(zhǔn)確的可通行區(qū)域,提高智能車行駛的安全性。本文提出了一種基于深度學(xué)習(xí)和數(shù)據(jù)融合的非結(jié)構(gòu)化道路識別算法,主要目的是提取出道路的可通行范圍,具體的過程為:（1）對KITTI數(shù)據(jù)集進(jìn)行預(yù)處理,得到訓(xùn)練用的圖片和標(biāo)簽,對點(diǎn)云進(jìn)行多余點(diǎn)篩選和空間投影。（2）建立FCN-8s模型,利用處理后的數(shù)據(jù)訓(xùn)練模型,得到用于分割的深度學(xué)習(xí)模型并進(jìn)行分割和特征提取。（3）利用處理后的點(diǎn)云,根據(jù)高度信息和橫向信息分割出落在路面上的點(diǎn)云,之后利用alphaShapes算法提取出點(diǎn)云的邊界,通過判斷像素是否在邊界內(nèi)來獲得道路分割。（4）利用深度學(xué)習(xí)得到的數(shù)據(jù)和點(diǎn)云的分割結(jié)果,構(gòu)建馬爾科夫隨機(jī)場模型,并利用迭代條件峰值算法求解能量函數(shù)的全局最小值,能量... 

【文章來源】：燕山大學(xué)河北省

【文章頁數(shù)】：82 頁

【學(xué)位級別】：碩士

【部分圖文】：

本文技術(shù)路線圖

KITTI采集車

g) um_000049 文件篩選前的點(diǎn)云高度圖 h) um_000049 文件篩選后的點(diǎn)云高度圖i) um_000086 文件篩選前的點(diǎn)云高度圖 j) um_000086 文件篩選后的點(diǎn)云高度圖圖 2-5 點(diǎn)云篩選結(jié)果T=Prect×Rrect×Trv2c(2-5)式中 使不同相機(jī)共平面的投影矩陣; 使圖像共平面的旋轉(zhuǎn)矩陣;

【參考文獻(xiàn)】：
期刊論文
[1]基于多線激光雷達(dá)的非結(jié)構(gòu)化道路感知技術(shù)研究[J]. 李寧,郭江華,藍(lán)偉.  車輛與動(dòng)力技術(shù). 2017(03)
[2]基于PCA-SVM準(zhǔn)則改進(jìn)區(qū)域生長的非結(jié)構(gòu)化道路識別[J]. 王新晴,孟凡杰,呂高旺,任國亭.  計(jì)算機(jī)應(yīng)用. 2017(06)
[3]基于DCNN的圖像語義分割綜述[J]. 魏云超,趙耀.  北京交通大學(xué)學(xué)報(bào). 2016(04)
[4]深度學(xué)習(xí)研究綜述[J]. 尹寶才,王文通,王立春.  北京工業(yè)大學(xué)學(xué)報(bào). 2015(01)
[5]遷移學(xué)習(xí)研究進(jìn)展[J]. 莊福振,羅平,何清,史忠植.  軟件學(xué)報(bào). 2015(01)
[6]基于MATLAB圖像處理的非結(jié)構(gòu)化道路識別[J]. 呂艷鵬,潘玉田.  機(jī)械工程與自動(dòng)化. 2014(02)
[7]車載激光掃描數(shù)據(jù)的結(jié)構(gòu)化道路自動(dòng)提取方法[J]. 方莉娜,楊必勝.  測繪學(xué)報(bào). 2013(02)
[8]深度學(xué)習(xí)研究綜述[J]. 孫志軍,薛磊,許陽明,王正.  計(jì)算機(jī)應(yīng)用研究. 2012(08)
[9]基于圖割的圖像分割方法及其新進(jìn)展[J]. 劉松濤,殷福亮.  自動(dòng)化學(xué)報(bào). 2012(06)
[10]利用Alpha Shapes算法提取離散點(diǎn)輪廓線[J]. 周飛.  湖北廣播電視大學(xué)學(xué)報(bào). 2010(02)

博士論文
[1]應(yīng)用于智能車的車道信息感知及增量建模技術(shù)研究[D]. 于泳.吉林大學(xué) 2018
[2]智能車行車環(huán)境視覺感知關(guān)鍵技術(shù)研究[D]. 梁敏健.長安大學(xué) 2017
[3]異質(zhì)數(shù)據(jù)融合的道路場景語義理解[D]. 黃文琦.浙江大學(xué) 2015
[4]基于概率圖模型的場景理解方法研究[D]. 毛凌.電子科技大學(xué) 2013
[5]基于水平集方法的圖像分割關(guān)鍵技術(shù)研究[D]. 林穎.哈爾濱工程大學(xué) 2010

碩士論文
[1]基于激光雷達(dá)與攝像機(jī)的車輛輔助駕駛技術(shù)研究[D]. 王帥.吉林大學(xué) 2018
[2]基于立體視覺的區(qū)域交通智能車障礙物檢測方法研究[D]. 馮興恩.大連理工大學(xué) 2018
[3]深度語義同時(shí)定位與建圖[D]. 嚴(yán)超華.浙江大學(xué) 2018
[4]基于LiDAR的高速公路平整度評價(jià)及行駛質(zhì)量衰減規(guī)律研究[D]. 賈龍超.長安大學(xué) 2017
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像語義分割[D]. 陳鴻翔.浙江大學(xué) 2016
[6]基于紅外圖像的非結(jié)構(gòu)化道路識別[D]. 蘇曉琳.東北大學(xué) 2015
[7]基于LiDAR數(shù)據(jù)提取建筑物頂面輪廓線方法研究[D]. 劉士程.西南交通大學(xué) 2012
[8]地面三維激光掃描數(shù)據(jù)處理及建模研究[D]. 高志國.長安大學(xué) 2010
[9]基于機(jī)器視覺道路識別技術(shù)的研究[D]. 丁俊進(jìn).武漢理工大學(xué) 2007



本文編號：3092513