汽車,作為18世紀以來最為重要的發(fā)明之一,極大地提升了人們的生活節(jié)奏并促進了文明的發(fā)展進程,現(xiàn)如今,汽車行業(yè)的發(fā)展水平,儼然已經成為了一種科技進步的標桿。但是,人們在享受汽車帶來便利的同時,也飽受著交通事故的折磨。據(jù)不完全統(tǒng)計,全球每年因為交通事故傷亡的人不少于1000萬。為了預防交通事故的發(fā)生,行駛車輛必須與前方行人車輛保持安全距離。及時感知交通環(huán)境和測量前方行人車輛的距離作為自動駕駛系統(tǒng)的重要組成部分,對于提高自動駕駛系統(tǒng)的可靠性和安全性也是至關重要的。目標檢測是目標測距的基礎,本文針對自動駕駛場景提出了基于輕量化YOLOv3的行人檢測算法;結合行人檢測結果,提出了一種包含pitch(俯仰角)、yaw(偏航角)的相似三角形測距算法。隨著對深度估計任務的深入研究,提出了基于深度感知協(xié)同網(wǎng)絡的單目深度估計與檢測算法(Monocular Depth Detection Network,MDDN)。針對當前目標檢測算法達不到實時性且準確率較低等問題,本文結合行人檢測的場景,基于通用目標檢測算法YOLOv3,提出了輕量化的、高精度的行人檢測算法。討論了現(xiàn)有網(wǎng)絡輸入尺寸設計的局限性,提出了有效...

【文章頁數(shù)】：73 頁

【學位級別】：碩士

本文編號：3879553