目前智能交通的發(fā)展已上升為國家戰(zhàn)略,成為推動國家戰(zhàn)略轉(zhuǎn)型的重要推手。目標檢測技術(shù)作為交通智能化的基礎(chǔ)支撐技術(shù),其實現(xiàn)了對感知目標的精確分類和定位,檢測性能的好壞直接影響后續(xù)的融合決策控制環(huán)節(jié),是大量智能高級任務(wù)的必備前提。目標檢測技術(shù)在智能交通領(lǐng)域具有重要的研究意義和應(yīng)用價值。二維目標檢測技術(shù)無法適應(yīng)當前復雜的道路環(huán)境,針對三維目標檢測技術(shù),僅僅依靠單一攝像頭很難獲取準確三維信息,雙目或三目視覺技術(shù)的準確性仍然不高,且攝像頭性能受環(huán)境影響較大。相比技術(shù)上的創(chuàng)新,激光雷達能夠獲取目標準確三維信息、穩(wěn)定性高等優(yōu)勢彌補了攝像頭的不足,同時圖像數(shù)據(jù)具有豐富的顏色信息以及稠密的像素點等優(yōu)勢。因此本文面向智能駕駛環(huán)境,利用多傳感器間的互補特性以及神經(jīng)網(wǎng)絡(luò)強大的特征提取性能,提出基于激光雷達與攝像頭的三維目標檢測技術(shù)。從深度特征信息表達和多源數(shù)據(jù)融合兩方面對三維目標檢測算法進行如下改進:(1)針對深度特征信息表達的特征提取階段,提出拓撲結(jié)構(gòu)優(yōu)化的殘差網(wǎng)絡(luò),并利用卷積核變換實現(xiàn)網(wǎng)絡(luò)輕量化。在復雜度不變、輸出維度不變的原則下,通過對比實驗確定最佳拓撲結(jié)構(gòu)優(yōu)化模型,目標檢測準確率較傳統(tǒng)算法提升了4.6%。...

【文章頁數(shù)】：79 頁

【學位級別】：碩士

【部分圖文】：

圖1-1智能駕駛技術(shù)在交通車輛中的應(yīng)用DARPA也迎合國家發(fā)展需求，2008年后將一成不變的沙漠背景更換為城市背景，該項賽事代表了世界最先進水平，是科研工作者研究學習的風向標

哈爾濱工業(yè)大學工程碩士學位論文-2-1.2國內(nèi)外研究現(xiàn)狀及分析智能輔助駕駛技術(shù)的發(fā)展與科技進步和社會需求休戚相關(guān)，其早期興起的動力主要來源于國防需求，以美國國防部高級研究規(guī)劃局（DefenseAdvancedResearchProjectsAgency，DARPA）發(fā)起的無人駕駛....

圖1-3智能駕駛系統(tǒng)的模塊劃分從圖1-3中可以看出，車輛的環(huán)境感知模塊是智能駕駛系統(tǒng)的基礎(chǔ)貫穿車輛行

哈爾濱工業(yè)大學工程碩士學位論文-3-從圖1-2中可以看出，車輛的硬件設(shè)備必不可少的就是傳感器，沒有哪一輛無人駕駛車輛可以完全脫離傳感設(shè)備，它是車輛行進的“觸角”，是車輛做出正確判斷預警控制的依據(jù)。每一輛智能駕駛車輛上都會安裝智能駕駛系統(tǒng)，其按照功能模塊劃分感知模塊、決策模塊、控制....

圖2-1目標檢測流程圖

挑戰(zhàn)。本節(jié)將對卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)理論、基于候選區(qū)域的神經(jīng)網(wǎng)絡(luò)目標檢測算法、基于端-端回歸的神經(jīng)網(wǎng)絡(luò)目標檢測算法作進一步闡述、分析和對比。2.2.1卷積神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)卷積神經(jīng)網(wǎng)絡(luò)是一種前饋網(wǎng)絡(luò)，主要用于處理具有網(wǎng)絡(luò)結(jié)構(gòu)的輸入數(shù)據(jù)，如具有相關(guān)性的一維時間序列和二維圖像序列等。針對二維....

圖2-2卷積運算操作示意圖

哈爾濱工業(yè)大學工程碩士學位論文-12-數(shù)據(jù)進行卷積操作的一層。從數(shù)學上講，卷積是一種抽象的數(shù)學運算，稱(*)nfg為f和g的卷積，其連續(xù)形式定義式（2-1），離散形式定義為式（2-2）：(*)()()tfgfgtd（2-1）(*)()()nfgfgn（2-2）神經(jīng)網(wǎng)絡(luò)中數(shù)據(jù)卷積層....

本文編號：3908356