道路環(huán)境感知系統(tǒng)作為汽車輔助系統(tǒng)中的重要組成部分得到了研究學(xué)者們的廣泛研究。本文建立的道路環(huán)境感知系統(tǒng)主要包含車道線檢測(cè)和移動(dòng)障礙物識(shí)別。大多數(shù)研究學(xué)者是通過(guò)基于卷積神經(jīng)網(wǎng)絡(luò)算法來(lái)實(shí)現(xiàn)兩個(gè)任務(wù)。然而這些算法面對(duì)實(shí)際應(yīng)用時(shí),其實(shí)時(shí)性、魯棒性以及內(nèi)存方面會(huì)有一定局限性。本文對(duì)復(fù)雜天氣復(fù)雜交通場(chǎng)景下的道路環(huán)境感知系統(tǒng)實(shí)際應(yīng)用問(wèn)題進(jìn)行研究,并提出全天候道路環(huán)境感知系統(tǒng)。論文主要開(kāi)展的工作如下:（1）采用級(jí)聯(lián)多任務(wù)網(wǎng)絡(luò)思想,建立能夠同時(shí)實(shí)現(xiàn)目標(biāo)檢測(cè)和車道線識(shí)別的多任務(wù)網(wǎng)絡(luò)Cascading D-SNet（Cascading Detection and Segmentation Network）,將車道線識(shí)別準(zhǔn)確率提高3.5%,運(yùn)行時(shí)間比兩個(gè)任務(wù)分別完成時(shí)間之和減少73.72ms。（2）利用并聯(lián)多任務(wù)網(wǎng)絡(luò)思想,建立多天氣網(wǎng)絡(luò)結(jié)構(gòu)MWNet（Multi-Weather Net）。通過(guò)大量的實(shí)驗(yàn)證明,利用該網(wǎng)絡(luò)結(jié)構(gòu)可以將惡劣天氣情況下的車道線識(shí)別和目標(biāo)檢測(cè)準(zhǔn)確率提高3.6%和3.3%。（3）針對(duì)道路環(huán)境感知系統(tǒng)在實(shí)際應(yīng)用中魯棒性、實(shí)時(shí)性以及硬件內(nèi)存能力的要求,建立全天候道路環(huán)境感知系統(tǒng)。該系統(tǒng)通過(guò)共享... 

【文章來(lái)源】：北京交通大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
1 引言
    1.1 研究意義與背景
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 汽車輔助駕駛系統(tǒng)國(guó)內(nèi)外研究現(xiàn)狀
        1.2.2 道路環(huán)境感知算法國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文主要內(nèi)容和安排
        1.3.1 主要研究?jī)?nèi)容
        1.3.2 論文各章安排
2 相關(guān)算法簡(jiǎn)介
    2.1 基礎(chǔ)網(wǎng)絡(luò)
        2.1.1 VGGNet基礎(chǔ)網(wǎng)絡(luò)
        2.1.2 ResNet基礎(chǔ)網(wǎng)絡(luò)
        2.1.3 DarkNet基礎(chǔ)網(wǎng)絡(luò)
    2.2 目標(biāo)檢測(cè)算法
        2.2.1 SSD目標(biāo)檢測(cè)算法
        2.2.2 YOLOv3目標(biāo)檢測(cè)算法
    2.3 圖像分割算法
    2.4 多任務(wù)網(wǎng)絡(luò)
    2.5 本章小結(jié)
3 建立車道線與移動(dòng)目標(biāo)檢測(cè)多任務(wù)網(wǎng)絡(luò)
    3.1 建立多任務(wù)網(wǎng)絡(luò)
    3.2 多任務(wù)網(wǎng)絡(luò)損失函數(shù)設(shè)計(jì)
    3.3 訓(xùn)練參數(shù)設(shè)計(jì)與訓(xùn)練方式
        3.3.1 訓(xùn)練參數(shù)設(shè)計(jì)
        3.3.2 訓(xùn)練方法
    3.4 數(shù)據(jù)集構(gòu)建
        3.4.1 數(shù)據(jù)庫(kù)數(shù)據(jù)采集
        3.4.2 數(shù)據(jù)標(biāo)定
        3.4.3 數(shù)據(jù)集具體信息
    3.5 實(shí)驗(yàn)
        3.5.1 算法評(píng)價(jià)指標(biāo)
        3.5.2 實(shí)驗(yàn)設(shè)計(jì)
        3.5.3 實(shí)驗(yàn)結(jié)果
        3.5.4 實(shí)驗(yàn)分析
    3.6 本章小結(jié)
4 多天氣網(wǎng)絡(luò)構(gòu)建
    4.1 多天氣目標(biāo)檢測(cè)網(wǎng)絡(luò)
        4.1.1 分類子網(wǎng)絡(luò)
        4.1.2 目標(biāo)檢測(cè)子網(wǎng)絡(luò)
        4.1.3 檢測(cè)網(wǎng)絡(luò)損失函數(shù)
        4.1.4 檢測(cè)網(wǎng)絡(luò)訓(xùn)練過(guò)程
        4.1.5 實(shí)驗(yàn)設(shè)計(jì)
        4.1.6 實(shí)驗(yàn)結(jié)果
    4.2 多天氣車道線分割網(wǎng)絡(luò)
        4.2.1 車道線分割任務(wù)子網(wǎng)絡(luò)
        4.2.2 分割網(wǎng)絡(luò)損失函數(shù)
        4.2.3 實(shí)驗(yàn)設(shè)計(jì)
        4.2.4 實(shí)驗(yàn)結(jié)果
    4.3 實(shí)驗(yàn)結(jié)果分析
    4.4 本章小結(jié)
5 建立全天候道路環(huán)境感知系統(tǒng)
    5.1 全天候道路環(huán)境感知系統(tǒng)
    5.2 損失函數(shù)以及訓(xùn)練方式
    5.3 實(shí)驗(yàn)結(jié)果
    5.4 實(shí)驗(yàn)分析
    5.5 本章小結(jié)
6 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 后續(xù)工作展望
參考文獻(xiàn)
作者簡(jiǎn)歷及攻讀碩士學(xué)位期間取得的研究成果
學(xué)位論文數(shù)據(jù)集


【參考文獻(xiàn)】：
期刊論文
[1]ADAS,向自動(dòng)駕駛演進(jìn)的必經(jīng)之路[J]. 華詩(shī)顯.  單片機(jī)與嵌入式系統(tǒng)應(yīng)用. 2018(06)
[2]人工神經(jīng)網(wǎng)絡(luò)中損失函數(shù)的研究[J]. 任進(jìn)軍,王寧.  甘肅高師學(xué)報(bào). 2018(02)
[3]汽車輔助駕駛?cè)遮叧墒焱耆詣?dòng)還需時(shí)日[J]. 付靖軒,尚文軍.  數(shù)碼世界. 2018(04)
[4]金龍客車百度阿波龍領(lǐng)銜最強(qiáng)自動(dòng)駕駛戰(zhàn)隊(duì)[J]. 商車.  商用汽車新聞. 2018(04)
[5]無(wú)人駕駛汽車的法律沖突探究[J]. 王心鈺,張長(zhǎng)青.  科技導(dǎo)報(bào). 2017(19)
[6]無(wú)人駕駛車輛智能水平等級(jí)劃分[J]. 孫揚(yáng),楊賀.  科技導(dǎo)報(bào). 2017(17)
[7]基于HSV顏色空間與邊緣特征的黃色車道線檢測(cè)[J]. 王懷濤,曹明偉,邢皎玉.  北京汽車. 2017(03)
[8]汽車安全駕駛輔助系統(tǒng)的研究綜述[J]. 薛玉斌,王祥,石晶.  黑龍江交通科技. 2016(02)
[9]基于SIFT和SSDA特征匹配的實(shí)時(shí)車道線檢測(cè)[J]. 呂亞運(yùn),郎朗,楊會(huì)成.  安徽工程大學(xué)學(xué)報(bào). 2015(04)
[10]谷歌無(wú)人駕駛汽車[J].   中國(guó)戰(zhàn)略新興產(chǎn)業(yè). 2014(13)

碩士論文
[1]基于車載視覺(jué)系統(tǒng)的道路環(huán)境感知技術(shù)研究[D]. 黃偉杰.北京交通大學(xué) 2018
[2]基于深度學(xué)習(xí)的車道線和車輛檢測(cè)[D]. 羅森.電子科技大學(xué) 2018
[3]基于深度學(xué)習(xí)的車道線檢測(cè)與分類研究[D]. 代小崗.西南交通大學(xué) 2018
[4]基于深度學(xué)習(xí)的全天車輛檢測(cè)[D]. 谷頎.北京交通大學(xué) 2018



本文編號(hào)：3193675