隨著我國汽車保有量的持續(xù)增長,現(xiàn)代道路交通環(huán)境的復雜化,交通安全問題日益突出。為了提高機動車行駛安全性,有效地避免交通事故的發(fā)生,基于機器視覺的汽車安全輔助駕駛系統(tǒng)成為當前智能車的一個研究熱點。本文圍繞輔助駕駛系統(tǒng)中車道線檢測與偏離預警和交通標志識別兩大功能展開關鍵技術問題研究。針對車道線檢測的問題,本文提出基于小波變換改進Canny邊緣檢測算法,將連續(xù)小波變換引入傳統(tǒng)Canny算子使得在邊緣提取和圖像處理過程中能更好控制噪聲信號,從而大幅度提高了車道線檢測的準確率。針對車道偏離預警功能,本研究根據(jù)設計需求選擇基于車輛位置的方法和基于經(jīng)驗閾值的預警決策算法并建立車道偏離預警決策模型。針對交通標志識別功能,本研究采用深度學習方法,使用GTSRB數(shù)據(jù)集作為訓練樣本。首先通過更改傳統(tǒng)SSD網(wǎng)絡模型的基礎網(wǎng)絡VGG16為ResNet-50增強特征提取能力,在改進網(wǎng)絡中添加了反卷積模塊,引入了空間上下文信息,從而大幅度提高了檢測準確率。改進SSD網(wǎng)絡將考慮特征金字塔中各層之間的關系,使得只有特征金字塔中的圖層才允許增加特征圖的數(shù)量,有效地增加了特征圖的數(shù)量使網(wǎng)絡可以檢測更多的小尺寸物體。針對車道... 

【文章來源】：華東交通大學江西省

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外相關領域研究現(xiàn)狀
        1.2.1 輔助駕駛系統(tǒng)研究現(xiàn)狀
        1.2.2 相關視覺算法研究現(xiàn)狀
    1.3 研究內(nèi)容與論文框架
        1.3.1 研究內(nèi)容
        1.3.2 論文框架
第二章 汽車安全輔助駕駛系統(tǒng)的設計
    2.1 系統(tǒng)基本結(jié)構(gòu)
    2.2 人機交互模塊設計
        2.2.1 交互模塊功能選擇
        2.2.2 人機交互界面設計
    2.3 系統(tǒng)硬軟件平臺
        2.3.1 硬件平臺選擇
        2.3.2 軟件平臺及環(huán)境
    2.4 本章小結(jié)
第三章 車道線檢測與偏離預警
    3.1 圖像預處理
        3.1.1 圖像尺度縮放與檢測區(qū)域劃分
        3.1.2 圖像濾波
    3.2 車道線檢測
        3.2.1 改進Canny的圖像邊緣檢測
        3.2.2 霍夫變換檢測車道線
    3.3 車道偏離預警
        3.3.1 車道偏離預警模型
        3.3.2 預警決策模型建立
    3.4 本章小結(jié)
第四章 基于深度學習的交通標志識別
    4.1 交通標志數(shù)據(jù)集與預處理
        4.1.1 GTSRB數(shù)據(jù)集
        4.1.2 數(shù)據(jù)集預處理
        4.1.3 二進制數(shù)據(jù)集制作
    4.2 卷積神經(jīng)網(wǎng)絡
        4.2.1 卷積運算
        4.2.2 反向傳播
    4.3 基于改進SSD網(wǎng)絡的交通標志識別
        4.3.1 改進SSD網(wǎng)絡模型
        4.3.2 改進SSD網(wǎng)絡模型建立
        4.3.3 訓練與驗證測試
    4.4 本章小結(jié)
第五章 基于機器視覺的汽車輔助駕駛系統(tǒng)實驗結(jié)果分析
    5.1 車道線檢測與偏離預警實驗
        5.1.1 實驗條件
        5.1.2 實驗方法與結(jié)果分析
    5.2 交通標志識別實驗
        5.2.1 實驗條件
        5.2.2 實驗方法
    5.3 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文總結(jié)
    6.2 研究展望
參考文獻
個人簡歷 在讀期間發(fā)表的學術論文
致謝


【參考文獻】：
期刊論文
[1]嵌入式圖像邊緣檢測系統(tǒng)設計與實現(xiàn)[J]. 陳鵬展,楊希.  計算機應用與軟件. 2017(07)
[2]基于Canny算子和Hough變換的夜間車道線檢測[J]. 李亞娣,黃海波,李相鵬,陳立國.  科學技術與工程. 2016(31)
[3]基于網(wǎng)格搜索的PCA-SVM道路交通標志識別[J]. 吳峰,陳后金,姚暢,郝曉莉.  鐵道學報. 2014(11)
[4]基于聯(lián)合卷積和遞歸神經(jīng)網(wǎng)絡的交通標志識別[J]. 宣森炎,龔小謹,劉濟林.  傳感器與微系統(tǒng). 2014(08)
[5]基于顆粒分析和骨架化的車道線檢測方法[J]. 劉超,穆平安,戴曙光.  計算機應用與軟件. 2014(04)
[6]無人駕駛汽車的先進技術與發(fā)展[J]. 端木慶玲,阮界望,馬鈞.  農(nóng)業(yè)裝備與車輛工程. 2014(03)
[7]幾種CUDA加速高斯濾波算法的比較[J]. 劉進鋒.  計算機工程與應用. 2013(23)
[8]利用ASIFT算法實現(xiàn)多視角靜態(tài)交通標志識別[J]. 陳龍,潘志敏,李清泉,蕭世倫.  武漢大學學報(信息科學版). 2013(05)
[9]基于Mean Shift的視覺目標跟蹤算法綜述[J]. 顧幸方,茅耀斌,李秋潔.  計算機科學. 2012(12)
[10]一種基于單目視覺的車道偏離檢測與預警方法[J]. 郭子逸.  機械制造. 2012(05)

碩士論文
[1]基于DNN技術的交通標志識別方法研究[D]. 于雅潔.沈陽工業(yè)大學 2016
[2]基于車載輔助駕駛系統(tǒng)的行人檢測模塊設計[D]. 蘇云鵬.哈爾濱工業(yè)大學 2013
[3]基于單目視覺的輔助駕駛系統(tǒng)中的圖像處理研究[D]. 韋庭.電子科技大學 2012



本文編號：2956554