隨著無(wú)人機(jī)在城市交通管理中應(yīng)用越來(lái)越廣泛。車(chē)道線以及車(chē)輛檢測(cè)作為無(wú)人機(jī)交通環(huán)境感知的基礎(chǔ)而重要部分,起到對(duì)道路中車(chē)輛違法行為的智能監(jiān)測(cè),特殊路段的車(chē)流狀況統(tǒng)計(jì),城市道路巡檢自動(dòng)化等作用,為促進(jìn)城市交通健康發(fā)展具有實(shí)際意義。通過(guò)對(duì)國(guó)內(nèi)外的研究現(xiàn)狀進(jìn)行大量調(diào)研與分析,現(xiàn)有基于車(chē)道線與車(chē)輛檢測(cè)方法大多數(shù)是應(yīng)用在智能車(chē)的環(huán)境感知領(lǐng)域,針對(duì)無(wú)人機(jī)領(lǐng)域研究較少。本文以無(wú)人機(jī)的車(chē)道線與車(chē)輛檢測(cè)為研究對(duì)象,在車(chē)道線檢測(cè)方面,針對(duì)傳統(tǒng)手工提取車(chē)道線特征算法存在特征難以提取,在受光照、遮擋情況下,檢測(cè)精度低,且現(xiàn)有基于深度學(xué)習(xí)的車(chē)道線檢測(cè)算法存在檢測(cè)耗時(shí)等問(wèn)題,本文提出基于可分離卷積的快速車(chē)道線實(shí)例分割網(wǎng)絡(luò),將車(chē)道線劃分為不同的實(shí)例,實(shí)現(xiàn)多條車(chē)道線的檢測(cè)。在車(chē)輛檢測(cè)方面,針對(duì)現(xiàn)有無(wú)人機(jī)對(duì)小尺度目標(biāo)車(chē)輛的檢測(cè)精度低、魯棒性不好等問(wèn)題,本文提出基于多尺度優(yōu)化的車(chē)輛檢測(cè)算法,將不同尺度的下采樣語(yǔ)義特征與上采樣特征進(jìn)行融合,對(duì)多種尺度車(chē)輛進(jìn)行預(yù)測(cè),提高對(duì)車(chē)輛的檢測(cè)精度。本文主要內(nèi)容如下:1.總結(jié)當(dāng)前車(chē)道線與車(chē)輛檢測(cè)方法研究的國(guó)內(nèi)外現(xiàn)狀,分析其存在的不足,提出本文的研究課題。2.提出一種基于快速實(shí)例分割的車(chē)道線檢測(cè)...

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 無(wú)人機(jī)航拍車(chē)道線檢測(cè)研究現(xiàn)狀
        1.2.2 無(wú)人機(jī)航拍車(chē)輛檢測(cè)研究現(xiàn)狀
    1.3 論文主要工作
    1.4 本文組織結(jié)構(gòu)
第2章 深度學(xué)習(xí)相關(guān)技術(shù)分析
    2.1 人工神經(jīng)網(wǎng)絡(luò)
        2.1.1 人工神經(jīng)網(wǎng)絡(luò)模型
        2.1.2 激活函數(shù)
        2.1.3 反向傳播算法
        2.1.4 過(guò)擬合處理方法
    2.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.2.1 卷積與池化
        2.2.2 損失函數(shù)
        2.2.3 卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展及應(yīng)用
    2.3 本章小結(jié)
第3章 基于實(shí)例分割的車(chē)道線檢測(cè)方法研究
    3.1 車(chē)道線特征編碼網(wǎng)絡(luò)
        3.1.1 深度可分離卷積
        3.1.2 特征編碼網(wǎng)絡(luò)結(jié)構(gòu)
    3.2 車(chē)道線特征解碼網(wǎng)絡(luò)
        3.2.1 基于全卷積車(chē)道線語(yǔ)義分割網(wǎng)絡(luò)
        3.2.2 車(chē)道線嵌入分支網(wǎng)絡(luò)
        3.2.3 構(gòu)建損失函數(shù)
    3.3 實(shí)驗(yàn)結(jié)果與分析
        3.3.1 構(gòu)建車(chē)道線數(shù)據(jù)集
        3.3.2 評(píng)價(jià)指標(biāo)
        3.3.3 訓(xùn)練策略及結(jié)果分析
        3.3.4 不同算法對(duì)比分析
    3.4 本章小結(jié)
第4章 基于多尺度優(yōu)化的車(chē)輛檢測(cè)算法研究
    4.1 基于候選區(qū)域的兩階段車(chē)輛檢測(cè)方法
    4.2 基于回歸的單階段車(chē)輛檢測(cè)方法
    4.3 基于多尺度優(yōu)化的車(chē)輛檢測(cè)方法
        4.3.1 總體網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)
        4.3.2 特征解碼層多尺度優(yōu)化策略
        4.3.3 損失函數(shù)設(shè)計(jì)
    4.4 實(shí)驗(yàn)結(jié)果與分析
        4.4.1 無(wú)人機(jī)車(chē)輛數(shù)據(jù)集
        4.4.2 評(píng)價(jià)指標(biāo)
        4.4.3 訓(xùn)練策略及結(jié)果
        4.4.4 不同算法對(duì)比分析
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 課題總結(jié)
    5.2 課題展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果



本文編號(hào)：3766855