【摘要】：自動駕駛汽車是一種不需要人為操作就能感知其周圍的環(huán)境及實現(xiàn)導(dǎo)航的輪式機器人。近幾年隨著機器人技術(shù)的不斷創(chuàng)新和發(fā)展,自動駕駛汽車雖沒有完全實現(xiàn)商用化,但關(guān)于自動駕駛汽車的設(shè)想已經(jīng)逐漸成為現(xiàn)實,引起了很多有關(guān)行車安全性的討論。夜間由于光線不充足,人們識別周圍場景的能力大大降低,自動駕駛汽車的夜間行車安全也越來越受到人們的關(guān)注。自動駕駛汽車對于夜間周圍場景的識別能力是其能否在夜間安全行駛的關(guān)鍵,因此,研究如何提高自動駕駛汽車對夜視圖像的感知能力,對夜間自動駕駛汽車的安全行駛具有重要意義。在白天,普通的攝像機可以輕易地采集到需要利用的圖像,然而在夜間,由于光線不充足,普通的可見光成像相機無法勝任這個任務(wù)。因此,在夜間通常會采用紅外攝像機來采集圖像,它與普通的攝像機相比,可以在無光條件下工作,利用不同的物體之間通常具有不同的溫度差異,從而形成一幅具有不同的灰度值的圖像。由于它特殊的成像機制,在軍事、醫(yī)學(xué)和工業(yè)等多個領(lǐng)域的應(yīng)用中均取得了不錯的成果。但是,夜視圖像也具有可見光圖像沒有的一些缺點,例如缺乏色彩信息,對比度和信噪比都比較低等。這使得對夜視圖像的理解極具挑戰(zhàn)。為了增強自動駕駛汽車對夜間周圍場景的理解,可以更有效、更準(zhǔn)確地預(yù)知周圍環(huán)境的變化并通過通順的語言將場景的內(nèi)容表示出來,以便無人車能夠及時做出相應(yīng)的決策,本論文以夜視圖像的成像特性為基礎(chǔ),對夜間自動駕駛汽車的場景預(yù)測與語義理解進(jìn)行了深入的研究。本文的主要研究內(nèi)容包括兩個部分:第一部分為基于預(yù)測編碼網(wǎng)絡(luò)的夜視圖像場景預(yù)測算法;第二部分為基于深度卷積神經(jīng)-長短期記憶網(wǎng)絡(luò)的夜視圖像語義理解算法。論文的主要創(chuàng)新點包括以下兩點:1、將深度學(xué)習(xí)應(yīng)用于夜視圖像的場景預(yù)測,采用了一種預(yù)測編碼網(wǎng)絡(luò)來預(yù)測夜視圖像的場景變化,在傳統(tǒng)的深度卷積-循環(huán)神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上,對網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行了一定的調(diào)整,將預(yù)測圖像與實際圖像的誤差在網(wǎng)絡(luò)中進(jìn)行前向傳遞,不斷更新預(yù)測誤差來調(diào)整預(yù)測結(jié)果。訓(xùn)練得到的場景預(yù)測模型,可以預(yù)測夜間駕駛場景0.4s后的合理未來圖像,且改善了一直以來在長時間預(yù)測任務(wù)中預(yù)測效果不好的問題,預(yù)留了足夠的時間供無人車及時做出相應(yīng)的決策。從實驗結(jié)果上看,本文的夜視圖像場景預(yù)測方法具備良好的準(zhǔn)確性和實時性。2、為了加強自動駕駛汽車在夜間行車時對于預(yù)測出的夜視圖像的理解,若在行車過程中,通過機器讀取夜視圖像的內(nèi)容,并通過通順的語言將這幅圖像的內(nèi)容表達(dá)出來,就可以輔助無人車或者車內(nèi)人員更好更快地理解預(yù)測出的圖像所傳遞的信息。本文提出了一種基于卷積神經(jīng)-長短期記憶網(wǎng)絡(luò)的夜視圖像語義理解方法,首先通過卷積神經(jīng)網(wǎng)絡(luò)提取特征,再通過長短期記憶網(wǎng)絡(luò)對提取的特征生成相對應(yīng)的語義理解語句。該網(wǎng)絡(luò)采用端到端的訓(xùn)練模式,輸出與原始夜視圖像特征相匹配的概率最大的單詞,組成一個語義解釋的句子。實驗結(jié)果證明,該方法具有很好的準(zhǔn)確性和實時性。
【圖文】：

系統(tǒng)設(shè)計框圖

夜間模式下自動駕駛場景預(yù)測與語義理解作，然后固定一個相同大小的步長滑動，再通過激勵函數(shù)形成下一個網(wǎng)絡(luò)層的特征圖。卷積層特征圖的數(shù)量是由卷積核的數(shù)量來控制的，卷積層輸入特征圖的尺寸、卷積核的大小和卷積核的步長這三個因素也會影響著卷積層輸出的特征圖的大小[51]。假設(shè)某一個卷積層，它的輸入特征圖為 W1 H1 D1大小，，這里的W1和 H1分別代表特征圖的寬和高，D1代表的是顏色通道。如果假定這里的卷積核有 K 個，大小為 F ×F，步長為 S，P 代表的是特征圖的邊界填充。邊界填充的意思是在特征圖的周圍不能被剛好用卷積核覆蓋的部分用 0 補全。假定這個卷積層輸出的特征圖大小為 W2 H2 D2，則計算公式如(2-1)(2-2)(2-3)所示。
【學(xué)位授予單位】：東華大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：U463.6

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張wF;辛自強;陳英和;胡衛(wèi)平;;分?jǐn)?shù)概念語義理解對兒童乘法應(yīng)用題表征的影響[J];數(shù)學(xué)教育學(xué)報;2017年04期

2 從楚晗;;分析矛盾 挖掘小說文本內(nèi)涵[J];科普童話;2017年24期

3 彭華茂;王大華;申繼亮;林崇德;;老年期語義理解能力與空間定向能力的交叉滯后分析[J];心理學(xué)報;2009年07期

4 趙鳴九,萬明鋼,馬明強;7-9歲漢、藏、東鄉(xiāng)、保安、裕固、哈薩克族兒童語義理解的比較研究[J];心理學(xué)報;1989年02期

5 陳強;戴齊;;搜索廣告中語義理解方法的研究與應(yīng)用[J];單片機與嵌入式系統(tǒng)應(yīng)用;2019年06期

6 蘇得權(quán);葉浩生;;大腦理解語言還是身體理解語言——具身認(rèn)知視角下的語義理解[J];華中師范大學(xué)學(xué)報(人文社會科學(xué)版);2013年06期

7 吳為善;節(jié)奏停頓與語義理解[J];漢語學(xué)習(xí);1990年06期

8 李成華;張世娟;劉磊;江小平;;基于條件隨機場的自然口語語義理解方法[J];中南民族大學(xué)學(xué)報(自然科學(xué)版);2017年02期

9 徐健鋒;許園;許元辰;張遠(yuǎn)健;劉清;;基于語義理解和機器學(xué)習(xí)的混合的中文文本情感分類算法框架[J];計算機科學(xué);2015年06期

10 周穎;任峗;;應(yīng)用題自動解答系統(tǒng)中“有”字句的語義理解[J];中國電化教育;2011年04期

相關(guān)會議論文 前10條

1 徐琳宏;林鴻飛;楊志豪;;基于語義理解的文本傾向性識別機制[A];第三屆學(xué)生計算語言學(xué)研討會論文集[C];2006年

2 劉建萍;葉邦彥;;基于工程語義理解的工程圖三維重建算法的研究[A];第十二屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2005年

3 陳青筱;呂培軍;;基于語音識別和語義理解的口腔電子病歷記錄系統(tǒng)效果評價[A];第十六次全國口腔醫(yī)學(xué)數(shù)字化學(xué)術(shù)會議暨中華口腔醫(yī)學(xué)會第四屆口腔醫(yī)學(xué)計算機專業(yè)委員會第二次全體委員會議論文匯編[C];2018年

4 楊波;楊凱;林毅;武喜萍;余靜;;基于深度學(xué)習(xí)的空管指揮安全監(jiān)控技術(shù)研究[A];第一屆空中交通管理系統(tǒng)技術(shù)學(xué)術(shù)年會論文集[C];2018年

5 李曉慶;Yufang Yang;Guiqin Ren;;時間和語義預(yù)期影響并預(yù)測語義理解的認(rèn)知神經(jīng)機制[A];第十九屆全國心理學(xué)學(xué)術(shù)會議摘要集[C];2016年

6 宋春陽;;從字到字組的語義解釋模型[A];全國第八屆計算語言學(xué)聯(lián)合學(xué)術(shù)會議（JSCL-2005）論文集[C];2005年

7 汪潔;方琴;;運動性失語癥動作命名困難的語言治療[A];中國醫(yī)師協(xié)會第二屆康復(fù)醫(yī)學(xué)論壇、中國康復(fù)醫(yī)學(xué)會第四屆青年學(xué)術(shù)會議、北京康復(fù)醫(yī)學(xué)會第三屆會員代表大會論文集[C];2005年

8 吳晨;張全;繆建明;韋向峰;;自然語言語義理解下的信息檢索模型[A];第三屆學(xué)生計算語言學(xué)研討會論文集[C];2006年

9 曾良;;俗字與古籍整理舉隅[A];福建省語言學(xué)會2002年學(xué)術(shù)年會論文集[C];2002年

10 伍春香;陳世鴻;;基于特征的教育資源庫系統(tǒng)[A];第二屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議（NCIRCS-2005）論文集[C];2005年

相關(guān)重要報紙文章 前1條

1 本報記者 劉錕 任

本文編號：2597685