發(fā)布時(shí)間：2020-06-26 04:17

【摘要】：經(jīng)濟(jì)的快速發(fā)展帶動(dòng)了汽車的迅速普及,汽車在便利交通的同時(shí)也給社會(huì)帶來了能源、環(huán)境、安全、擁堵等亟待解決的問題,繼而推動(dòng)了社會(huì)對(duì)于無人駕駛汽車技術(shù)發(fā)展的需求�，F(xiàn)階段,無人駕駛技術(shù)已經(jīng)成為各大高校及車企研究的熱點(diǎn)問題。本文主要研究了無人駕駛技術(shù)中環(huán)境感知環(huán)節(jié)中的一部分,通過分別設(shè)計(jì)檢測(cè)算法實(shí)現(xiàn)了對(duì)行車過程中周圍車輛的檢測(cè)以及類結(jié)構(gòu)化道路中車道線的檢測(cè)。根據(jù)深度卷積神經(jīng)網(wǎng)絡(luò)可以自適應(yīng)學(xué)習(xí)到車輛特征的特性,本文設(shè)計(jì)使用基于深度學(xué)習(xí)的端到端實(shí)時(shí)目標(biāo)檢測(cè)系統(tǒng)(YOLOv2)來實(shí)現(xiàn)對(duì)行駛場(chǎng)景中車輛目標(biāo)的檢測(cè)。首先,搜集大量待檢測(cè)目標(biāo)的數(shù)據(jù)集,通過Darknetl9預(yù)訓(xùn)練出一定的模型權(quán)重參數(shù),然后使用實(shí)際行車場(chǎng)景圖中標(biāo)注好的車輛數(shù)據(jù)集,通過YOLOv2網(wǎng)絡(luò)結(jié)構(gòu)訓(xùn)練車輛檢測(cè)模型�；赮OLOv2網(wǎng)絡(luò)結(jié)構(gòu),通過使用定義IOU偏差的均值聚類方法獲取待檢測(cè)車輛目標(biāo)的最佳a(bǔ)nchor高寬維度比,使用非極大抑制得到最佳預(yù)測(cè)框圖,在網(wǎng)絡(luò)最后一層直接回歸預(yù)測(cè)車輛目標(biāo)的位置。經(jīng)過多次迭代運(yùn)算,訓(xùn)練出權(quán)重系數(shù)較優(yōu)的車輛檢測(cè)模型。通過對(duì)實(shí)際行車數(shù)據(jù)集和人工采集的道路場(chǎng)景圖進(jìn)行仿真測(cè)試,證明該檢測(cè)模型能夠在光影反射、小部分遮擋和不同視角變換的影響下快速而準(zhǔn)確的檢測(cè)到場(chǎng)景圖中的車輛目標(biāo)。針對(duì)車道線的檢測(cè),綜合考慮采用傳統(tǒng)圖像處理的技術(shù)來進(jìn)行檢測(cè)。首先,提出了圖像最優(yōu)邊緣信息提取的算法處理流程:加權(quán)平均法灰度化處理、中值濾波降噪、局部自適應(yīng)閾值二值化、canny邊緣檢測(cè)算法。在采用動(dòng)態(tài)區(qū)域劃分感興趣區(qū)域時(shí),提出了一種改進(jìn)的權(quán)值聚類檢測(cè)消失點(diǎn)的方式,能夠有效的提取感興趣區(qū)域且減少有用待檢測(cè)信息的丟失。之后,采用搜索像素點(diǎn)鄰域位置分配權(quán)重系數(shù)的方式來二次濾除邊緣噪聲,最后使用最小二乘法完成車道線模型的擬合。通過對(duì)類結(jié)構(gòu)化道路上采集的圖像進(jìn)行仿真測(cè)試,結(jié)果表明本文設(shè)計(jì)的車道線檢測(cè)算法能夠克服光照陰影以及道路干擾等因素的影響,穩(wěn)定實(shí)時(shí)的檢測(cè)出車道線。之后,融合車輛和車道線兩類檢測(cè)算法,實(shí)現(xiàn)汽車可行駛區(qū)域的初步預(yù)判。
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：U463.6
【圖文】：

工程碩士學(xué)位論文逡逑究平臺(tái)［７］，依托視覺導(dǎo)航技術(shù)，第二代無人駕駛智能汽車ＶＡＭＰ可以在高速環(huán)逡逑系統(tǒng)中做到安全路徑跟蹤、超車等駕駛行為，且其自主駕駛行駛速度可達(dá)１６０逡逑里／小時(shí)。逡逑美國(guó)谷歌公司的無人駕駛智能技術(shù)［８］—直位于世界前列，２０１２年，谷歌宣布逡逑制自動(dòng)駕駛汽車取得成功，該車頂部配備６４線激光雷達(dá)完成周圍環(huán)境的掃描，逡逑車載電腦提供３Ｄ環(huán)境地圖，前后共安裝８?jìng)€(gè)雷達(dá)傳感器，與攝像頭配合用于逡逑輛周圍障礙物的檢測(cè)。同年五月，該車在內(nèi)華達(dá)州獲得行駛通行認(rèn)可，能夠在逡逑共道路進(jìn)行測(cè)試。截止２０１５年１１月底，谷歌的無人駕駛汽車在自動(dòng)模式下己逡逑完成了邋１３０萬多英里的測(cè)試。逡逑

（ａ）邋Ｎａｖｌａｂ－５試驗(yàn)車邐（ｂ）谷歌無人駕駛車逡逑圖１．１國(guó)外智能車逡逑麥肯錫發(fā)布了一項(xiàng)報(bào)告，展示了一些顛覆技術(shù)“至２０２５年的預(yù)估潛在經(jīng)濟(jì)影逡逑響上下限”，其中自動(dòng)汽車排第六名，預(yù)估潛在經(jīng)濟(jì)影響為２０００億？１９０００億美元。逡逑而且美國(guó)咨詢機(jī)構(gòu)ＩＨＳ也作出預(yù)測(cè)，智能汽車將在２０２５年開始占據(jù)汽車主體市逡逑場(chǎng)類型，２０３５年全球銷量將超過一千萬輛，占比同期市場(chǎng)的９％左右。所以各大逡逑車企也紛紛蓄力，推動(dòng)無人駕駛智能汽車的發(fā)展。２０１３年，采用自主駕駛技術(shù)的逡逑奔馳Ｓ５００在城市以及城際道路完成了長(zhǎng)途距離駕駛試驗(yàn)。沃爾沃的自主駕駛車逡逑輛己經(jīng)在西班牙的公路和瑞典的試車跑道上完成了運(yùn)行１萬英里的測(cè)試。２０１５年逡逑初，福特宣布了旨在推動(dòng)車輛互聯(lián)和自動(dòng)駕駛領(lǐng)域創(chuàng)新的“智能移動(dòng)計(jì)劃（Ｓｍａｒｔ逡逑Ｍｏｂｉｌｉｔｙ邋Ｐｌａｎ）”。ＢＭＷ己經(jīng)開始大力推進(jìn)其自有的自動(dòng)駕駛戰(zhàn)略，２０１６年ＢＭＷ逡逑在ＣＥＳ上展示了其自動(dòng)駕駛ｉ８概念車

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 張朋飛,何克忠,歐陽(yáng)正柱,張軍宇;多功能室外智能移動(dòng)機(jī)器人實(shí)驗(yàn)平臺(tái)—THMR-V[J];機(jī)器人;2002年02期

相關(guān)博士學(xué)位論文 前3條

1 宋光慧;基于遷移學(xué)習(xí)與深度卷積特征的圖像標(biāo)注方法研究[D];浙江大學(xué);2017年

2 卞曉東;基于機(jī)器視覺的車輛幾何尺寸測(cè)量系統(tǒng)研究[D];東南大學(xué);2005年

3 孫振平;自主駕駛汽車智能控制系統(tǒng)[D];國(guó)防科學(xué)技術(shù)大學(xué);2004年

相關(guān)碩士學(xué)位論文 前3條

1 侯長(zhǎng)征;基于視覺的車道線檢測(cè)技術(shù)研究[D];西南交通大學(xué);2017年

2 陳先昌;基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法與應(yīng)用研究[D];浙江工商大學(xué);2014年

3 趙明;基于機(jī)器學(xué)習(xí)的圖像檢索方法研究[D];大連海事大學(xué);2012年

本文編號(hào)：2729813