針對(duì)智能車(chē)輛核心功能中的視覺(jué)感知存在識(shí)別準(zhǔn)確度低、實(shí)時(shí)性差、導(dǎo)航系統(tǒng)功能單一以及抗干擾能力不足等問(wèn)題,提出了一種改進(jìn)的孿生神經(jīng)網(wǎng)絡(luò)目標(biāo)識(shí)別算法,解決了傳統(tǒng)圖像處理算法誤差大、識(shí)別率低等問(wèn)題。改進(jìn)U-Net網(wǎng)絡(luò)的遙感圖像路徑分割算法,優(yōu)化了全局道路信息的識(shí)別能力,為自主導(dǎo)航、路徑規(guī)劃及控制提供了先驗(yàn)信息,豐富了導(dǎo)航系統(tǒng)功能及其可靠性。最后,搭建嵌入式小車(chē)實(shí)驗(yàn)平臺(tái)對(duì)開(kāi)發(fā)的算法進(jìn)行驗(yàn)證。本文主要研究?jī)?nèi)容和結(jié)果如下:(1)分析和綜述了國(guó)內(nèi)外智能車(chē)輛及其目標(biāo)識(shí)別跟蹤、智能導(dǎo)航等相關(guān)技術(shù)的研究現(xiàn)狀和發(fā)展趨勢(shì),介紹了本文主要研究?jī)?nèi)容及目標(biāo)。(2)針對(duì)智能車(chē)的視頻目標(biāo)識(shí)別與導(dǎo)航控制功能,對(duì)比研究了相關(guān)的深度學(xué)習(xí)網(wǎng)絡(luò),對(duì)用于目標(biāo)跟蹤的堆疊自編碼器、卷積神經(jīng)網(wǎng)絡(luò)、孿生神經(jīng)網(wǎng)絡(luò)以及用于道路提取的全卷積網(wǎng)絡(luò)、反卷積網(wǎng)絡(luò)、U-Net網(wǎng)絡(luò)的不同特性進(jìn)行討論,結(jié)合應(yīng)用環(huán)境對(duì)算法進(jìn)行了比較分析。(3)引入通道加權(quán)和邊框回歸策略,改進(jìn)了基于孿生神經(jīng)網(wǎng)絡(luò)的目標(biāo)識(shí)別跟蹤模型,克服了陰影、光照及背景頻繁變化造成目標(biāo)丟失的問(wèn)題。通過(guò)標(biāo)準(zhǔn)數(shù)據(jù)集訓(xùn)練和跟蹤實(shí)驗(yàn),計(jì)算得到本文改進(jìn)后的平均IoU(Intersection over U...

【文章頁(yè)數(shù)】：82 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 引言
    1.2 課題背景及意義
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 智能車(chē)輛研究現(xiàn)狀
        1.3.2 目標(biāo)識(shí)別、跟蹤技術(shù)研究現(xiàn)狀
        1.3.3 導(dǎo)航技術(shù)研究現(xiàn)狀
    1.4 本文主要工作
        1.4.1 研究目標(biāo)
        1.4.2 主要研究?jī)?nèi)容與關(guān)鍵技術(shù)問(wèn)題
        1.4.3 文章總體安排
    1.5 本章小結(jié)
第2章 神經(jīng)網(wǎng)絡(luò)算法研究
    2.1 深度學(xué)習(xí)相關(guān)知識(shí)
    2.2 基于深度學(xué)習(xí)的目標(biāo)跟蹤模型
        2.2.1 堆疊自編碼器
        2.2.2 卷積神經(jīng)網(wǎng)絡(luò)原理
        2.2.3 孿生神經(jīng)網(wǎng)絡(luò)原理
    2.3 基于深度學(xué)習(xí)的路徑提取模型
        2.3.1 全卷積網(wǎng)絡(luò)
        2.3.2 反卷積網(wǎng)絡(luò)
        2.3.3 U-Net網(wǎng)絡(luò)
    2.4 本章小結(jié)
第3章 基于改進(jìn)的孿生神經(jīng)網(wǎng)絡(luò)的目標(biāo)跟蹤
    3.1 目標(biāo)跟蹤算法
    3.2 針對(duì)Siamese-FC網(wǎng)絡(luò)的改進(jìn)
        3.2.1 加權(quán)特征通道
        3.2.2 邊框回歸
    3.3測(cè)試實(shí)驗(yàn)
        3.3.1 數(shù)據(jù)集
        3.3.2 實(shí)驗(yàn)平臺(tái)與環(huán)境
    3.4 實(shí)驗(yàn)結(jié)果及分析
    3.5 本章小結(jié)
第4章 基于改進(jìn)U-Net網(wǎng)絡(luò)的遙感圖像道路提取
    4.1 全局路徑信息獲取的意義
    4.2 遙感圖像預(yù)處理
        4.2.1 灰度梯度直方圖自適應(yīng)均衡化
        4.2.2 實(shí)驗(yàn)結(jié)果
        4.2.3 結(jié)果分析
    4.3 改進(jìn)U-Net網(wǎng)絡(luò)
    4.4 路徑分割實(shí)驗(yàn)
        4.4.1 數(shù)據(jù)集
        4.4.2 實(shí)驗(yàn)平臺(tái)與環(huán)境
        4.4.3 訓(xùn)練與測(cè)試
    4.5 實(shí)驗(yàn)結(jié)果分析
    4.6 本章小結(jié)
第5章 跟蹤實(shí)驗(yàn)與自主導(dǎo)航
    5.1 系統(tǒng)總體設(shè)計(jì)
        5.1.1 系統(tǒng)硬件設(shè)計(jì)
        5.1.2 系統(tǒng)軟件設(shè)計(jì)
    5.2 動(dòng)力學(xué)分析及導(dǎo)航信息提取
        5.2.1 小車(chē)運(yùn)動(dòng)分析
        5.2.2 目標(biāo)定位
    5.3 目標(biāo)跟蹤與自主導(dǎo)航實(shí)驗(yàn)結(jié)果分析
        5.3.1 嵌入式系統(tǒng)的識(shí)別測(cè)試實(shí)驗(yàn)
        5.3.2 目標(biāo)跟蹤與自主導(dǎo)航實(shí)驗(yàn)
        5.3.3 實(shí)驗(yàn)結(jié)果及分析
    5.4 本章小結(jié)
總結(jié)與展望
    總結(jié)
    展望
參考文獻(xiàn)
致謝



本文編號(hào)：3766817