地圖在智能駕駛中扮演著十分重要的角色,地圖是智能車能夠順利抵達(dá)目的地的保障。地圖的核心元素是存儲(chǔ)在其中的各類地標(biāo)及其代表的實(shí)際意義,這些地標(biāo)貫穿智能駕駛的整個(gè)過(guò)程,包含車輛定位、輔助感知、輔助決策,因此進(jìn)行地標(biāo)識(shí)別的研究是十分有必要的。為了識(shí)別這些地圖核心元素,本文提出了基于深度學(xué)習(xí)的地標(biāo)識(shí)別方法,包含道路級(jí)地標(biāo)識(shí)別方法以及車道級(jí)地標(biāo)識(shí)別方法,本文主要內(nèi)容如下:針對(duì)道路級(jí)地標(biāo),包含各類交通標(biāo)志牌、交通信號(hào)燈、指示牌、路燈等交通標(biāo)志,本文首先建立了電子科技大學(xué)清水河校區(qū)的交通標(biāo)志數(shù)據(jù)集并分析交通標(biāo)志牌具有小目標(biāo)且類別間相似的特點(diǎn),然后提出了基于多層次融合多尺度預(yù)測(cè)的道路級(jí)地標(biāo)識(shí)別網(wǎng)絡(luò)。網(wǎng)絡(luò)主要分為兩個(gè)結(jié)構(gòu):1、多層次融合結(jié)構(gòu),本文首先根據(jù)道路級(jí)地標(biāo)分布特點(diǎn)改進(jìn)了特征提取結(jié)構(gòu),然后提出了基于稠密連接方式的特征融合結(jié)構(gòu),更加關(guān)注網(wǎng)絡(luò)低層的特征圖,旨在提升網(wǎng)絡(luò)對(duì)于小目標(biāo)的識(shí)別效果;2、多尺度預(yù)測(cè)結(jié)構(gòu),在網(wǎng)絡(luò)的預(yù)測(cè)階段通過(guò)多尺度的特征圖來(lái)進(jìn)行預(yù)測(cè),不同尺度的特征圖負(fù)責(zé)識(shí)別圖像中不同尺寸的目標(biāo),使得網(wǎng)絡(luò)對(duì)于大目標(biāo)和小目標(biāo)均能實(shí)現(xiàn)較好的識(shí)別效果。最后在數(shù)據(jù)集上進(jìn)行訓(xùn)練和測(cè)試,實(shí)驗(yàn)結(jié)果顯示,本文方法相... 

【文章來(lái)源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：76 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

模板匹配流程

待搜索圖像（左圖）與模板圖像（右圖）

圖像金字塔

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)模板匹配的限速標(biāo)志識(shí)別方法研究[J]. 馮春貴,祝詩(shī)平,王海軍,賀園園.  西南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(04)
[2]一種基于掃描線的車道線識(shí)別算法[J]. 李若皓,丁冬花.  微計(jì)算機(jī)信息. 2008(16)



本文編號(hào)：3119433