智能汽車(chē)作為汽車(chē)工業(yè)的未來(lái)發(fā)展方向,是道路擁堵和交通事故等問(wèn)題的有效解決方案。智能汽車(chē)環(huán)境感知系統(tǒng),主要利用各類(lèi)傳感器準(zhǔn)確獲取車(chē)輛周邊的環(huán)境信息,為智能汽車(chē)做出決策提供參考,是現(xiàn)階段汽車(chē)領(lǐng)域的研究熱點(diǎn)。車(chē)輛是環(huán)境感知系統(tǒng)需要識(shí)別的最重要目標(biāo)之一,本文主要針對(duì)基于毫米波雷達(dá)和機(jī)器視覺(jué)信息融合的車(chē)輛檢測(cè)技術(shù)進(jìn)行了研究。首先,對(duì)當(dāng)前國(guó)內(nèi)外車(chē)輛檢測(cè)技術(shù)的研究現(xiàn)狀進(jìn)行分析,對(duì)比多種傳感器的優(yōu)缺點(diǎn),并總結(jié)現(xiàn)有車(chē)輛檢測(cè)技術(shù)存在的不足,從而明確了本文的主要研究?jī)?nèi)容。然后,對(duì)雷達(dá)原始數(shù)據(jù)進(jìn)行分析,總結(jié)了數(shù)據(jù)中無(wú)效信號(hào)產(chǎn)生的原因,在此基礎(chǔ)上,確定基于分層聚類(lèi)和設(shè)置有效區(qū)域的雷達(dá)數(shù)據(jù)預(yù)處理方法。針對(duì)雷達(dá)工作不穩(wěn)定等特殊情況,利用一致性檢驗(yàn)策略分析目標(biāo)存續(xù)情況,采用生命周期方法研究目標(biāo)的整個(gè)存在過(guò)程,設(shè)定了相應(yīng)規(guī)則完成車(chē)輛目標(biāo)的篩選。其次,融合KITTI數(shù)據(jù)集和自制樣本集得到了適合國(guó)內(nèi)車(chē)輛檢測(cè)的數(shù)據(jù)集,使用數(shù)據(jù)集訓(xùn)練和分析YOLO v2網(wǎng)絡(luò)的車(chē)輛檢測(cè)性能,采用適當(dāng)精簡(jiǎn)網(wǎng)絡(luò)結(jié)構(gòu)和加入多尺度檢測(cè)的方法提升網(wǎng)絡(luò)的實(shí)時(shí)性和小目標(biāo)檢測(cè)能力,得到了改進(jìn)的YOLO v2-mini網(wǎng)絡(luò)模型。再次,通過(guò)坐標(biāo)轉(zhuǎn)換和傳感器標(biāo)定建立... 

【文章來(lái)源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：87 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

智能網(wǎng)聯(lián)汽車(chē)Fig1.1Intelligentconnectedvehicles

谷歌firefly無(wú)人車(chē)Fig1.2Googlefireflyunmannedvehicle

通用Cruise無(wú)人車(chē)Fig1.3GMCruiseunmannedvehicle

【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)的Yolo＿v2違章車(chē)輛檢測(cè)方法[J]. 張成標(biāo),童寶宏,程進(jìn),張炳力,張潤(rùn).  計(jì)算機(jī)工程與應(yīng)用. 2020(20)
[2]基于改進(jìn)Faster R-CNN的無(wú)人機(jī)視頻車(chē)輛自動(dòng)檢測(cè)[J]. 彭博,蔡曉禹,唐聚,謝濟(jì)銘,張媛媛.  東南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(06)
[3]基于改進(jìn)SSD的特種車(chē)輛紅外偽裝檢測(cè)方法[J]. 趙曉楓,徐明揚(yáng),王聃漂,楊佳星,張志利.  紅外與激光工程. 2019(11)
[4]毫米波雷達(dá)研究現(xiàn)狀及其測(cè)試項(xiàng)目[J]. 郭蓬,郭劍銳,戎輝,唐風(fēng)敏,王文揚(yáng),王夢(mèng)丹.  汽車(chē)電器. 2018(10)
[5]基于深度數(shù)據(jù)的車(chē)輛目標(biāo)檢測(cè)與跟蹤方法[J]. 陸德彪,郭子明,蔡伯根,姜維,王劍,上官偉.  交通運(yùn)輸系統(tǒng)工程與信息. 2018(03)
[6]基于深度置信網(wǎng)絡(luò)的多源信息前方車(chē)輛檢測(cè)[J]. 王戰(zhàn)古,高松,邵金菊,譚德榮,孫亮,于杰.  汽車(chē)工程. 2018(05)
[7]基于毫米波雷達(dá)和機(jī)器視覺(jué)信息融合的障礙物檢測(cè)[J]. 翟光耀,陳蓉,張劍鋒,張繼光,吳澄,汪一鳴.  物聯(lián)網(wǎng)學(xué)報(bào). 2017(02)
[8]車(chē)載毫米波雷達(dá)對(duì)前方目標(biāo)的運(yùn)動(dòng)狀態(tài)估計(jì)[J]. 高振海,王竣,佟靜,李紅建,郭章勇,婁方明.  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2014(06)
[9]智能車(chē)輛3-D點(diǎn)云快速分割方法[J]. 王肖,王建強(qiáng),李克強(qiáng),徐成,李曉飛.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(11)
[10]基于HOG特征和機(jī)器學(xué)習(xí)的工程車(chē)輛檢測(cè)[J]. 張全發(fā),蒲寶明,李天然,孫宏國(guó).  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2013(07)

碩士論文
[1]基于雷達(dá)和攝像頭的前方車(chē)輛識(shí)別方法研究[D]. 趙逸群.吉林大學(xué) 2019
[2]空間視覺(jué)相機(jī)內(nèi)參標(biāo)定技術(shù)研究[D]. 關(guān)昭.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院西安光學(xué)精密機(jī)械研究所) 2019
[3]面向智能車(chē)的毫米波雷達(dá)與單目相機(jī)信息融合方法研究[D]. 陳云坤.重慶郵電大學(xué) 2019
[4]基于毫米波雷達(dá)及深度學(xué)習(xí)視覺(jué)信息融合的前方車(chē)輛檢測(cè)方法研究[D]. 梁翼.華南理工大學(xué) 2019
[5]基于毫米波雷達(dá)與視覺(jué)融合的前方車(chē)輛檢測(cè)[D]. 劉雷.天津工業(yè)大學(xué) 2019
[6]基于視覺(jué)與雷達(dá)信息融合的智能車(chē)環(huán)境感知算法研究[D]. 莫春媚.重慶大學(xué) 2018
[7]基于測(cè)距雷達(dá)和機(jī)器視覺(jué)數(shù)據(jù)融合的前方車(chē)輛檢測(cè)系統(tǒng)[D]. 龐成.東南大學(xué) 2015



本文編號(hào)：3396330