隨著人工智能近幾年迅猛蓬勃的發(fā)展,無(wú)人駕駛這個(gè)話題被各大企業(yè)、學(xué)者甚至是普通民眾所關(guān)注著。然而在如何實(shí)現(xiàn)無(wú)人駕駛這個(gè)目標(biāo)上,有著兩種截然不同的方式:一種是以傳統(tǒng)車企采用的漸進(jìn)式方法,從現(xiàn)在現(xiàn)有的輔助駕駛系統(tǒng)出發(fā),逐漸增加自動(dòng)轉(zhuǎn)向,主動(dòng)預(yù)防碰撞等等功能,達(dá)到有條件的無(wú)人駕駛,最終在成本和相關(guān)技術(shù)到達(dá)一定要求的時(shí)候,進(jìn)而完成無(wú)人駕駛;另外一種是以高科技IT企業(yè)為代表的公司,它們選擇“一步到位”的方式,直接達(dá)到無(wú)人駕駛的終極目標(biāo)。但是后者選擇的這條技術(shù)路線,更加具有挑戰(zhàn)性和風(fēng)險(xiǎn)性。對(duì)此,就需要?jiǎng)?chuàng)新的算法和高效魯棒的系統(tǒng)來(lái)支撐。在這種需求之下,目標(biāo)檢測(cè)與定位就顯得尤為重要,因?yàn)檫@相當(dāng)于汽車可以“眼”觀八方,為無(wú)人駕駛系統(tǒng)接下來(lái)的決策規(guī)劃提供了大量的有用信息。鑒于以上原因,本文主要圍繞應(yīng)用于無(wú)人駕駛場(chǎng)景下的感知系統(tǒng)進(jìn)行了研究�，F(xiàn)階段的自動(dòng)駕駛汽車通常會(huì)配備多種傳感器來(lái)協(xié)同感知周圍的環(huán)境,而攝像頭和LiDAR（激光測(cè)距定位雷達(dá)系統(tǒng)）又是其中最常用到的�；诖�,經(jīng)過(guò)對(duì)現(xiàn)有的相關(guān)工作進(jìn)行研究和剖析,我們提出了一種圖像和點(diǎn)云數(shù)據(jù)相融合的目標(biāo)檢測(cè)和定位系統(tǒng),本系統(tǒng)的核心是一個(gè)基于深度學(xué)習(xí)的端到端的網(wǎng)絡(luò)框架... 

【文章來(lái)源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－１?ＡｌｅｘＮｅｔ網(wǎng)絡(luò)架構(gòu)圖［８］??

山東大學(xué)碩士學(xué)位論文??選區(qū)域進(jìn)行特征提取，圖１－３詳細(xì)展示了?ＨＯＧ［２０］算法的流程，第三個(gè)模塊使用訓(xùn)??練好的分類器，如支持向量機(jī)（ＳＶＭ）、隨機(jī)森林（ＲａｎｄｏｍＦｏｒｅｓｔ）、線性回歸（Ｌｉｎｅａｒ??Ｒｅｇｒｅｓｓｉｏｎ），進(jìn)行目標(biāo)類別的判斷，有時(shí)也會(huì)通過(guò)級(jí)聯(lián)多種分類器（Ａｄａｂｏｏｓｔ［２１］）通??過(guò)投票的方式來(lái)決定目標(biāo)物體最終類別，以達(dá)到更好的準(zhǔn)確率。其中由??Ｆｅｌｚｅｎｓｚｗａｌｂ于２００８年提出的ＤＰＭ［２２］算法最為經(jīng)典，它是對(duì)ＨＯＧ［２〇］算法的大??幅改進(jìn)，核心思想主要是利用了物體的局部特征對(duì)整體的貢獻(xiàn)，例如人體的頭部基??本都是位于胳膊、腹部、腿部的上面，這些不同部件的距離和位置關(guān)系通常都符合??一個(gè)標(biāo)準(zhǔn)分布，有了各個(gè)部件的特征和它們的位置關(guān)系之后，便可以根據(jù)這些信息??來(lái)判斷是否為目標(biāo)物體

要哪些必要的模塊。??１．系統(tǒng)流程設(shè)計(jì)??根據(jù)上一章的需求分析，單個(gè)樣本輸入系統(tǒng)并處理完成的流程如圖３－２所示：??（１）？系統(tǒng)運(yùn)行??（２）．輸入二維圖像，交給二維檢測(cè)器進(jìn)行目標(biāo)檢測(cè)。并判斷圖像中是否存在目??標(biāo)物體。若存在，則進(jìn)入步驟（３），否則系統(tǒng)結(jié)束。??（３）．拿到圖像上的結(jié)果之后，根據(jù)目標(biāo)包圍盒生成對(duì)應(yīng)的視錐點(diǎn)云數(shù)據(jù)。并判??斷視錐中是否有點(diǎn)云數(shù)據(jù)，若有，則進(jìn)入步驟（４），否則進(jìn)入步驟（６）。??（４）．將有點(diǎn)云數(shù)據(jù)的視錐傳給圖像－點(diǎn)云融合分割網(wǎng)絡(luò)進(jìn)行前、背景分割，并判??斷是否存在有效點(diǎn)云數(shù)據(jù)，即掃描的點(diǎn)云是有目標(biāo)物體返回得到。若存在??有效數(shù)據(jù)，則進(jìn)入步驟（５），否則進(jìn)入步驟（６）。??（５）．當(dāng)此步驟接收到上一步驟傳來(lái)的視錐點(diǎn)云數(shù)據(jù)

【參考文獻(xiàn)】：
期刊論文
[1]車載駕駛輔助系統(tǒng)及其深度學(xué)習(xí)與視覺(jué)技術(shù)[J]. 陳天殷.  汽車電器. 2018(12)
[2]深度學(xué)習(xí)在無(wú)人駕駛汽車領(lǐng)域應(yīng)用的研究進(jìn)展[J]. 王科俊,趙彥東,邢向磊.  智能系統(tǒng)學(xué)報(bào). 2018(01)
[3]自動(dòng)駕駛汽車感知系統(tǒng)關(guān)鍵技術(shù)綜述[J]. 王藝帆.  汽車電器. 2016(12)
[4]無(wú)人駕駛汽車的發(fā)展現(xiàn)狀及方向[J]. 喬維高,徐學(xué)進(jìn).  上海汽車. 2007(07)
[5]無(wú)人駕駛的拖拉機(jī)[J]. 澤邊.  山東農(nóng)機(jī)化. 1997(04)
[6]無(wú)人駕駛拖拉機(jī)將提高農(nóng)民收入[J].   農(nóng)機(jī)推廣. 1996(01)
[7]國(guó)外軍用無(wú)人駕駛車輛簡(jiǎn)析[J]. 來(lái)恩華.  現(xiàn)代兵器. 1987(01)
[8]初露頭角的無(wú)人駕駛汽車[J]. 宋世春.  國(guó)外自動(dòng)化. 1980(04)
[9]無(wú)人駕駛自動(dòng)搬運(yùn)車[J]. 毛澤民,鄭時(shí)聲.  起重運(yùn)輸機(jī)械. 1979(01)

碩士論文
[1]機(jī)器視覺(jué)與毫米波雷達(dá)融合的前方車輛檢測(cè)方法研究[D]. 譚力凡.湖南大學(xué) 2018
[2]基于測(cè)距雷達(dá)和機(jī)器視覺(jué)數(shù)據(jù)融合的前方車輛檢測(cè)系統(tǒng)[D]. 龐成.東南大學(xué) 2015
[3]基于毫米波雷達(dá)與機(jī)器視覺(jué)融合的前方車輛檢測(cè)研究[D]. 王亞麗.吉林大學(xué) 2013



本文編號(hào)：3278415