【摘要】：無人駕駛車輛行駛范圍生成,是無人駕駛技術(shù)的重要研究?jī)?nèi)容之一。通過檢測(cè)道路前方車輛的位置信息,作為生成本車行駛范圍的一個(gè)依據(jù),為安全駕駛提供數(shù)據(jù)支持。本文主要研究如何準(zhǔn)確實(shí)時(shí)地檢測(cè)車輛、如何融合所檢測(cè)的信息生成行駛范圍。深度學(xué)習(xí)在計(jì)算機(jī)視覺、語音識(shí)別、自然語言處理等領(lǐng)域取得了突破性的進(jìn)展。本文將深度學(xué)習(xí)應(yīng)用于無人駕駛中的車輛檢測(cè)技術(shù)。本文主要研究的內(nèi)容與成果如下:(1)利用FasterR-CNN訓(xùn)練網(wǎng)絡(luò)建立無人駕駛前方車輛檢測(cè)方法。首先通過采集真實(shí)的車輛視頻數(shù)據(jù),構(gòu)建車輛檢測(cè)訓(xùn)練數(shù)據(jù)集,構(gòu)建FasterR-CNN訓(xùn)練網(wǎng)絡(luò),設(shè)置合理的訓(xùn)練參數(shù),訓(xùn)練Faster R-CNN檢測(cè)模型,利用大量測(cè)試數(shù)據(jù)集檢測(cè)系統(tǒng)的可行性。再將基于視頻流的車輛檢測(cè)問題轉(zhuǎn)化為序列圖像的目標(biāo)檢測(cè)問題,利用訓(xùn)練生成的檢測(cè)模型對(duì)圖像中的目標(biāo)車輛進(jìn)行檢測(cè)。該檢測(cè)系統(tǒng)是一個(gè)端到端的檢測(cè)系統(tǒng),輸入為無人駕駛汽車視覺系統(tǒng)的視頻流數(shù)據(jù),輸出為圖像中的車輛檢測(cè)精度及特征點(diǎn)的像素坐標(biāo)。(2)利用數(shù)據(jù)回歸思想和小孔成像原理建立基于數(shù)據(jù)回歸的單目測(cè)距模型和方法。根據(jù)車輛檢測(cè)系統(tǒng)獲取車輛在視頻中的像素坐標(biāo)信息,在得到車輛的運(yùn)動(dòng)信息后,利用測(cè)距模型建立一種基于車載視頻流的無人駕駛車輛行駛范圍生成方法。(3)搭建實(shí)驗(yàn)環(huán)境,設(shè)計(jì)實(shí)驗(yàn)驗(yàn)證所設(shè)計(jì)系統(tǒng)的有效性。實(shí)驗(yàn)結(jié)果表明,所建立的基于視頻流檢測(cè)的無人駕駛車輛行駛范圍生成系統(tǒng),能夠準(zhǔn)確地通過視頻流數(shù)據(jù)檢測(cè)出目標(biāo)車輛,經(jīng)過測(cè)距模型的計(jì)算,得出無人駕駛車輛的行駛范圍,進(jìn)而,對(duì)保障無人駕駛車輛安全行駛提供一種決策支持。
【圖文】：

其中汽車駕駛?cè)耍常矗矁|人。在汽車保有量方面，目前全國(guó)有５３個(gè)城市的汽逡逑車保有量超過百萬輛，２４個(gè)城市超２００萬輛，其中有７個(gè)城市超３００萬輛，這７逡逑個(gè)城市分別是北京、成都、重慶、上海、蘇州、深圳和鄭州，如圖１－１為中國(guó)各年逡逑份的汽車保有量。誠(chéng)然，機(jī)動(dòng)車給人們帶來了生活上的便利、帶動(dòng)了相關(guān)產(chǎn)業(yè)繁榮逡逑發(fā)展、拉動(dòng)了國(guó)家經(jīng)濟(jì)突飛猛進(jìn)，但是，與此同時(shí)帶來的交通擁堵、空氣環(huán)境污染、逡逑交通事故數(shù)量高居不下一系列問題也不容忽視。逡逑中國(guó)汽車保有量逡逑２５０００邋｜邐逡逑２００００邋邐｜ＴＴ逡逑１５０００邋邐＾ｒ邋｜邋１１逡逑姦０邐．ＴｒｉＴｉ邋ｉ邋Ｉ逡逑５０００邋ｊ邋Ｉｔｔ邋ｒｌｉｌ逡逑0邋，邋．１邋，邋■邋；邋Ｉ邋，，邋１，１．邋，邋．１邋，邋Ｉ邋；邋１邋，邋Ｉ邋，邋Ｉ邋，逡逑＾邋＾邋＾邋＾邐＾邋＾邋＾逡逑圖１－１中國(guó)各年份汽車保有量邐，逡逑Ｆｉｇｕｒｅ邋１－１邋Ｎｕｍｂｅｒ邋ｏｆ邋ｃａｒｓ邋ｉｎ邋Ｃｈｉｎａ邋ｉｎ邋ｅａｃｈ邋ｙｅａｒ逡逑行駛車輛數(shù)量的急劇增加導(dǎo)致道路路況變得更加復(fù)雜，以及惡劣的天氣環(huán)境、逡逑駕駛?cè)藛T的不合理操作等因素導(dǎo)致交通事故的頻頻發(fā)生，對(duì)社會(huì)經(jīng)濟(jì)的發(fā)展、人民逡逑生活的安全感都帶來了不良影響。尋找一種能夠減緩交通擁堵狀況、減少交通事故逡逑的發(fā)生的有效途徑迫在眉睫，這也是社會(huì)穩(wěn)定發(fā)展、提升人民安全感的必要途徑，逡逑更是國(guó)家文明發(fā)張的重要體現(xiàn)。智能交通的理念在此背景下應(yīng)運(yùn)而生

要是約束每一層中的節(jié)點(diǎn)中大部分都要為０，其實(shí)就是限制每次得到的表達(dá)編碼盡逡逑量稀疏，因?yàn)檠芯孔C明稀疏的表達(dá)往往比其它的表達(dá)要有效。稀疏自動(dòng)編碼器網(wǎng)絡(luò)逡逑結(jié)構(gòu)圖如圖２－１所示。逡逑＿逡逑Ｌａｙｅｒｌ逡逑圖２－１稀疏自動(dòng)編碼器網(wǎng)絡(luò)結(jié)構(gòu)圖逡逑Ｆｉｇｕｒｅ邋２－１邋Ｎｅｔｗｏｒｋ邋ｓｔｒｕｃｔｕｒｅ邋ｏｆ邋ｓｐａｒｓｅ邋ａｕｔｏｍａｔｉｃ邋ｅｎｃｏｄｅｒ邋ｎｅｔｗｏｒｋ逡逑一般的自動(dòng)編碼器受模型復(fù)雜度、訓(xùn)練集數(shù)據(jù)量以及數(shù)據(jù)噪音等問題的影響，逡逑通過訓(xùn)練得到的初始模型往往存在過擬合的風(fēng)險(xiǎn)。降噪自動(dòng)編碼器就是在自動(dòng)編逡逑碼器的基礎(chǔ)之上，為了防止過擬合問題而對(duì)輸入的數(shù)據(jù)（網(wǎng)絡(luò)的輸入層）加入噪音，逡逑使學(xué)習(xí)得到的編碼器具有較強(qiáng)的魯棒性，從而增強(qiáng)模型的泛化能力。逡逑（２）
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：U463.6;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 商瑩;李煥;袁戰(zhàn)軍;;IVS-179毫米波雷達(dá)測(cè)試系統(tǒng)的研究[J];電子設(shè)計(jì)工程;2018年05期

2 黃鴻勝;;基于深度學(xué)習(xí)的高效3維車輛檢測(cè)[J];電子世界;2018年03期

3 韓凱;張紅英;王遠(yuǎn);徐敏;;一種基于Faster R-CNN的車輛檢測(cè)算法[J];西南科技大學(xué)學(xué)報(bào);2017年04期

4 葉佳音;鄭文明;李陽;蔡友誼;崔振;;基于深度神經(jīng)網(wǎng)絡(luò)的多模態(tài)情感識(shí)別（英文）[J];Journal of Southeast University(English Edition);2017年04期

5 紀(jì)野;李玉惠;王蒙;;基于卷積神經(jīng)網(wǎng)絡(luò)的車型識(shí)別方法研究[J];傳感器與微系統(tǒng);2017年11期

6 程淑紅;高許;程樹春;管永來;;基于計(jì)算機(jī)視覺的運(yùn)動(dòng)車輛檢測(cè)[J];計(jì)量學(xué)報(bào);2017年03期

7 吳駿;李文杰;耿磊;肖志濤;張芳;李月龍;;基于單目視覺的前方車輛檢測(cè)與測(cè)距[J];計(jì)算機(jī)工程;2017年02期

8 劉金利;傅志中;周陽;黃波;;基于幀間差分法和VIBE算法的運(yùn)動(dòng)目標(biāo)檢測(cè)[J];電子科技;2015年08期

9 郭君斌;王建強(qiáng);易世春;李克強(qiáng);;基于單目視覺的夜間前方車輛檢測(cè)方法[J];汽車工程;2014年05期

10 岳曉峰;祁歡;;基于張正友平面模板法的雙目立體視覺系統(tǒng)標(biāo)定[J];機(jī)械工程師;2014年02期

相關(guān)博士學(xué)位論文 前2條

1 董杰;基于單目視覺的散焦測(cè)距算法的研究[D];中國(guó)海洋大學(xué);2010年

2 王楠;基于多視覺特征融合的后方車輛檢測(cè)技術(shù)研究[D];東北大學(xué)　;2009年

相關(guān)碩士學(xué)位論文 前4條

1 李月;基于卷積神經(jīng)網(wǎng)絡(luò)的車型識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];山東大學(xué);2016年

2 胡金金;基于光流法的運(yùn)動(dòng)目標(biāo)快速跟蹤算法研究[D];西安電子科技大學(xué);2014年

3 王士明;基于計(jì)算機(jī)視覺的車輛單目測(cè)距系統(tǒng)研究[D];天津大學(xué);2012年

4 吳晶;面向運(yùn)動(dòng)目標(biāo)檢測(cè)的背景差分算法改進(jìn)與實(shí)現(xiàn)[D];北京郵電大學(xué);2012年

本文編號(hào)：2693912