發(fā)布時間：2022-01-28 01:22

　　現(xiàn)階段人工智能的迅速發(fā)展對汽車行業(yè)產(chǎn)生了巨大的影響,汽車行業(yè)正在向更加智能,更加清潔、更加安全的方向發(fā)展。其中無人駕駛車輛發(fā)展對于提高交通安全、社會效益、經(jīng)濟效益具有重要意義。本文針對車輛的交通場景,基于立體視覺傳感器對車輛環(huán)境的幾何信息、語義信息、狀態(tài)信息進行建模計算,并且將其三者融合構(gòu)建語義地圖,為無人駕駛車輛行為決策奠定基礎(chǔ)。首先,針對環(huán)境中語義信息,基于緊湊型全卷積網(wǎng)絡對交通場景進行像素級別的語義分割。同時,為提高語義分割的精確率,將深度圖與彩色圖相融合構(gòu)建RGB-D四通道圖像作為卷積神經(jīng)網(wǎng)絡的輸入。語義分割的結(jié)果表明,所提出的網(wǎng)絡具有良好的實時性和精度。所獲得的語義圖像為后續(xù)構(gòu)建語義地圖提供語義信息。然后,針對ORB-SLAM2中地圖信息不夠豐富、地圖可用性不足的缺點,提出一種語義SLAM方法,在原ORB-SLAM2的基礎(chǔ)上提出了稠密地圖構(gòu)建線程,基于立體視覺對車輛進行準確定位的同時,對環(huán)境進行幾何建模,將幾何信息與之前獲得語義信息相融合構(gòu)建語義地圖,實現(xiàn)可行駛區(qū)域和障礙物區(qū)分,并且通過數(shù)據(jù)集實驗以及實車實驗驗證了算法的有效性和普適性。最后,在構(gòu)建語義地圖的基礎(chǔ)上,估計語義地... 

【文章來源】：大連理工大學遼寧省211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：68 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景和意義
    1.2 研究動態(tài)與現(xiàn)狀
        1.2.1 SLAM研究現(xiàn)狀
        1.2.2 語義理解研究現(xiàn)狀
        1.2.3 語義 SLAM 研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容
2基于全卷積網(wǎng)絡的語義分割方法
    2.1 引言
    2.2 卷積神經(jīng)網(wǎng)絡
    2.3 全卷積神經(jīng)網(wǎng)絡設計
    2.4 網(wǎng)絡訓練
    2.5 基于立體視覺的視差圖獲取
    2.6 實驗結(jié)果與分析
        2.6.1 樣本庫建立
        2.6.2 網(wǎng)絡訓練與測試
    2.7 本章小結(jié)
3 基于立體視覺的語義SLAM方法
    3.1 引言
    3.2 語義SLAM方法設計
    3.3 Stereo-ORB-SLAM模塊
        3.3.1 ORB特征點
        3.3.2 追蹤線程
        3.3.3 局部地圖構(gòu)建線程
        3.3.4 回環(huán)檢測線程
    3.4 語義理解模塊
        3.4.1 稠密地圖構(gòu)建
        3.4.2 八叉樹地圖構(gòu)建
    3.5 實驗結(jié)果分析
        3.5.1 構(gòu)建數(shù)據(jù)集
        3.5.2 ORB特征點匹配驗證
        3.5.3 SLAM以及回環(huán)檢測結(jié)果
        3.5.4 語義地圖構(gòu)建結(jié)果
    3.6 本章小結(jié)
4 基于深度學習的移動車輛狀態(tài)估計方法研究
    4.1 引言
    4.2 系統(tǒng)整體框架
    4.3 車輛檢測
    4.4 車輛跟蹤
        4.4.1 光流跟蹤
        4.4.2 融合算法
    4.5 車輛狀態(tài)估計
    4.6 實驗結(jié)果分析
        4.6.1 車輛檢測實驗結(jié)果
        4.6.2 光流跟蹤實驗結(jié)果
        4.6.3 車輛位姿計算結(jié)果
    4.7 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻
攻讀碩士學位期間發(fā)表學術(shù)論文情況
致謝


【參考文獻】：
期刊論文
[1]深度學習在語音識別中的研究進展綜述[J]. 侯一民,周慧瓊,王政一.  計算機應用研究. 2017(08)
[2]基于圖優(yōu)化的同時定位與地圖創(chuàng)建綜述[J]. 梁明杰,閔華清,羅榮華.  機器人. 2013(04)
[3]基于立體視覺平面單應性的智能車輛可行駛道路邊界檢測[J]. 郭春釗,山部尚孝,三田誠一.  自動化學報. 2013(04)

碩士論文
[1]基于深度學習的交通場景理解方法研究[D]. 錢波.大連理工大學 2018
[2]基于立體視覺的車輛檢測與運動估計方法研究[D]. 黃海洋.大連理工大學 2016



本文編號：3613427