【摘要】：隨著交通事故的頻發(fā),交通事故引發(fā)的一系列安全問題已經(jīng)受到了社會(huì)的廣泛關(guān)注。面對(duì)日益嚴(yán)峻的交通安全形勢(shì),發(fā)展汽車智能輔助駕駛系統(tǒng)已成為當(dāng)前汽車行業(yè)的迫切要求,而車輛前向碰撞預(yù)警系統(tǒng)則是汽車智能輔助駕駛系統(tǒng)中重要的一部分。車輛的檢測(cè)與跟蹤算法在該系統(tǒng)中起到了至關(guān)重要的作用。視覺系統(tǒng)可以從周圍環(huán)境中獲取豐富的內(nèi)容,因而利用視覺進(jìn)行車輛的檢測(cè)與跟蹤一直是研究人員的研究熱點(diǎn)。近年來(lái)深度學(xué)習(xí)發(fā)展迅速,本文致力于基于深度學(xué)習(xí)的單目視覺車輛檢測(cè)與跟蹤算法研究,設(shè)計(jì)了一套車輛前向碰撞預(yù)警系統(tǒng)。論文首先對(duì)圖像進(jìn)行預(yù)處理,并基于車道線特征設(shè)計(jì)了邊緣檢測(cè)算法檢測(cè)車道線的邊緣;利用車道線的感興趣區(qū)域改進(jìn)Hough變換,對(duì)預(yù)處理后的圖像進(jìn)行車道線的識(shí)別。結(jié)果表明本文的邊緣檢測(cè)算法可以有效地過濾干擾物體,以便更為準(zhǔn)確地識(shí)別車道線。其次研究了深度學(xué)習(xí)算法,采集視頻并標(biāo)注訓(xùn)練樣本,設(shè)計(jì)卷積神經(jīng)網(wǎng)絡(luò)并基于Faster-RCNN對(duì)其進(jìn)行訓(xùn)練,同時(shí)利用車道線區(qū)域進(jìn)行車輛感興趣區(qū)域的劃分,最后完成車輛的檢測(cè)任務(wù)。結(jié)果表明深度學(xué)習(xí)算法可以提高車輛的正確識(shí)別率,在多種復(fù)雜狀況下對(duì)車輛仍具有很好的檢測(cè)效果。再次研究了卡爾曼濾波跟蹤算法以及全局域最近鄰(Global Nearest Neighbor,GNN)數(shù)據(jù)關(guān)聯(lián)算法,將卡爾曼濾波跟蹤算法以及全局域最近鄰數(shù)據(jù)關(guān)聯(lián)算法應(yīng)用于視頻序列的車輛目標(biāo)跟蹤,結(jié)果表明應(yīng)用本文的車輛跟蹤算法可以進(jìn)一步提高車輛的檢測(cè)效果。最后對(duì)攝像機(jī)的參數(shù)進(jìn)行了標(biāo)定,并通過逆透視變換完成了圖像空間與實(shí)際空間的轉(zhuǎn)換,從而計(jì)算出圖像目標(biāo)的實(shí)際距離,利用攝像機(jī)采集的數(shù)據(jù)與標(biāo)準(zhǔn)PC機(jī)進(jìn)行車輛前向碰撞預(yù)警系統(tǒng)的設(shè)計(jì)。
【圖文】：

圖 1.1 百度無(wú)人車Fig 1.1 Baidu unmanned vehicle課題來(lái)源與本文主要工作1 課題來(lái)源本課題來(lái)源于安徽省科技重大專項(xiàng)計(jì)劃項(xiàng)目《智能純電動(dòng)汽車整車控制術(shù)研究》。2 論文主要研究?jī)?nèi)容本文主要對(duì)先進(jìn)駕駛輔助系統(tǒng)的車輛檢測(cè)與跟蹤算法進(jìn)行研究。首先對(duì)預(yù)處理并基于車道線特征完成邊緣檢測(cè)，對(duì)車道線進(jìn)行擬合，，利用識(shí)別的域提取出車輛的感興趣區(qū)域，然后采集道路視頻制作車輛數(shù)據(jù)集，將數(shù)據(jù)域生成網(wǎng)絡(luò)（RegionProposalNetwork，RPN）訓(xùn)練直至網(wǎng)絡(luò)收斂，再提取訓(xùn)練得到的卷積層網(wǎng)絡(luò)參數(shù)，將這些卷積層網(wǎng)絡(luò)參數(shù)輸入 Fast-RCNN 網(wǎng)練直至網(wǎng)絡(luò)收斂，最后將各個(gè)網(wǎng)絡(luò)層的參數(shù)輸入車輛檢測(cè)模型。最后對(duì)感

1 2 1 用上述的高斯卷積模板對(duì)圖像進(jìn)行高斯平滑濾波的處理結(jié)果如圖 2 2.2（a）表示的是高斯濾波前的圖像，圖 2.2（b）表示的是使用高斯后的圖像。（a）高斯濾波前
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：U463.6

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王寶鋒;齊志權(quán);馬國(guó)成;陳思忠;;一種基于雷達(dá)和機(jī)器視覺信息融合的車輛識(shí)別方法[J];汽車工程;2015年06期

2 易世春;李克強(qiáng);郭君斌;高秀麗;;基于邊緣分布及特征聚類的車道標(biāo)記線檢測(cè)[J];汽車工程;2014年10期

3 張海林;羅禹貢;江青云;李克強(qiáng);;基于電動(dòng)助力轉(zhuǎn)向的車道保持系統(tǒng)[J];汽車工程;2013年06期

4 陳中華;王國(guó)宏;關(guān)成斌;譚順成;;基于修正全局最近鄰的有系統(tǒng)偏差的航跡關(guān)聯(lián)算法[J];彈箭與制導(dǎo)學(xué)報(bào);2012年01期

5 唐永鶴;胡謀法;盧煥章;;抗噪型Sobel邊緣檢測(cè)算法及其硬件加速設(shè)計(jì)[J];計(jì)算機(jī)工程;2011年24期

6 孔軍;湯心溢;蔣敏;劉士建;李丹;;基于多尺度特征提取的Kalman濾波跟蹤[J];紅外與毫米波學(xué)報(bào);2011年05期

7 趙高長(zhǎng);張磊;武風(fēng)波;;改進(jìn)的中值濾波算法在圖像去噪中的應(yīng)用[J];應(yīng)用光學(xué);2011年04期

8 鄭俊;龔聲蓉;劉純平;;一種使用校正模板的非線性攝像機(jī)標(biāo)定方法[J];計(jì)算機(jī)工程與應(yīng)用;2011年31期

9 羅敏;王琰;;一種利用Roberts-Zernike矩的亞像素邊緣檢測(cè)方法[J];計(jì)算機(jī)工程與應(yīng)用;2011年05期

10 張鋮偉;王彪;徐貴力;;攝像機(jī)標(biāo)定方法研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2010年11期

相關(guān)碩士學(xué)位論文 前5條

1 周洋;結(jié)合彎道檢測(cè)的車輛前向碰撞預(yù)警系統(tǒng)研究[D];北京理工大學(xué);2016年

2 韋唯;基于單目視覺的車道線識(shí)別方法研究[D];吉林大學(xué);2015年

3 劉媛;基于機(jī)器視覺的車道偏離預(yù)警系統(tǒng)關(guān)鍵算法研究[D];湖南大學(xué);2013年

4 胡波;基于Mean Shift算法和卡爾曼濾波的視頻目標(biāo)跟蹤技術(shù)研究[D];寧波大學(xué);2010年

5 鄧明哲;高速公路追尾碰撞預(yù)防報(bào)警系統(tǒng)的研究[D];武漢理工大學(xué);2006年

本文編號(hào)：2623217