發(fā)布時間：2021-10-22 12:58

　　隨著科技的不斷發(fā)展和人們生活水平的提高,越來越多的家庭擁有自己的私家車,并普遍選擇私家車出行。隨之帶來的便是道路擁擠、交通事故、環(huán)境污染等問題的加重。為了解決和緩解以上問題,各國學(xué)者和相關(guān)人士都致力于智能交通系統(tǒng)的研究工作。作為先進(jìn)輔助駕駛系統(tǒng)（ADAS）重要組成部分的“車輛——行人——車道線”檢測技術(shù)的研究具有巨大的實際應(yīng)用意義。近期,由于計算機(jī)硬件和GPU的計算力大幅度提升,深度學(xué)習(xí)再次得到人們的關(guān)注,基于深度學(xué)習(xí)的目標(biāo)檢測算法層出不窮。因此,本文立足于深度學(xué)習(xí)理論,對智能輔助駕駛場景中車輛、行人、車道線檢測進(jìn)行研究。主要內(nèi)容如下:針對智能駕駛輔助系統(tǒng)中對實時性和硬件內(nèi)存的要求,本文提出了一種基于YOLOv3和密集連接網(wǎng)絡(luò)改進(jìn)的輕量化目標(biāo)檢測模型,解決了因模型參數(shù)量大而無法在硬件上移植的問題,同時利用KL損失解決了YOLOv3中存在對預(yù)測框定位不準(zhǔn)確的問題。實現(xiàn)了犧牲少量檢測精度來有效降低模型參數(shù)量,并同時保證了模型的實時性。針對車道線檢測中模型檢測不精確和困難場景（如夜間或大霧天氣）下檢測失敗的問題,本文提出了一種車道線后處理的方法,利用傳統(tǒng)圖像處理的知識與循環(huán)矩陣核相關(guān)跟蹤算法... 

【文章來源】：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

【文章頁數(shù)】：83 頁

【學(xué)位級別】：碩士

【部分圖文】：

自動駕駛環(huán)境感知與高級語義分割框架

第一章緒論3半導(dǎo)體及元器件的消費量從13.7億美元上升到25億美元。圖1-2全球ADAS市場規(guī)模預(yù)測（億歐元）目前，國內(nèi)先進(jìn)的輔助駕駛系統(tǒng)在新車中的普及率仍處于較低水平，從2%到4%不等，盲點檢測的普及率最高，達(dá)到6.9%。而在美國、英國等一些發(fā)達(dá)國家，有8%的新車已經(jīng)裝有ADAS。由于經(jīng)濟(jì)水平的提高，越來越多的家庭擁有自己的私家車，截止到2017年底，中國機(jī)動車保有量達(dá)到3.1億輛，中國的汽車銷售額快速增長，但是汽車的ADAS安裝率較低，這將成為各大汽車廠商競爭制勝的最大賣點，所以在中國ADAS擁有良好的市場前景。隨著相關(guān)政策的出臺，預(yù)計國內(nèi)ADAS市場將快速增長。據(jù)有效數(shù)據(jù)估計，中國ADAS市場增長率將超過國際市場的增長率。國外智能汽車的發(fā)展較早，2010年谷歌公司正式進(jìn)軍自動駕駛汽車，經(jīng)過兩年的研發(fā)，在2012年谷歌的第一個二級別的自動駕駛汽車問世，后來研發(fā)的“GoogleFleet”的自動駕駛車[7]輛完成了1000公里的完全自動駕駛。2020年特斯拉已經(jīng)由超過60萬輛配有“完全自動駕駛硬件”的汽車。這些車輛每天可以創(chuàng)造2000萬英里的行駛路程，可以為神將網(wǎng)絡(luò)提供強(qiáng)大的數(shù)據(jù)支持。在國內(nèi)，百度無疑是自動駕駛行業(yè)中的領(lǐng)軍代表，2019年，百度首批45輛Apollo與一汽紅旗聯(lián)合研發(fā)的“紅旗EV”Robotaxi車隊在長沙部分已開放測試路段開始試運營。同年豐田將加入百度推動的自動駕駛開發(fā)聯(lián)盟“阿波羅計劃”。豐田希望通過加入該計劃，加速技術(shù)實用化進(jìn)程。中國智能手機(jī)制造商華為目前正在大力推進(jìn)5G產(chǎn)業(yè)。華為已明確表示不會生產(chǎn)汽車，但計劃幫助發(fā)展自動駕駛汽車技

電子科技大學(xué)碩士學(xué)位論文4術(shù)。最近，華為正在利用其在5G領(lǐng)域的專業(yè)知識，與上汽集團(tuán)和中國移動合力打造5G互聯(lián)汽車。這些汽車將具有5G/LTE-V功能并支持C-ITS駕駛員輔助功能。并且具有智能的語音交互功能，甚至內(nèi)置視頻通話功能。圖1-3國內(nèi)外推出的自動駕駛汽車(Google、TLSA、百度、華為)1.2.2深度學(xué)習(xí)研究現(xiàn)狀早在20世紀(jì)中期，Wiesel和Hubel[8]在研究貓的大腦皮層結(jié)構(gòu)時，無意中發(fā)現(xiàn)皮層中腦神經(jīng)元的獨特結(jié)構(gòu)，該結(jié)構(gòu)簡潔高效的實現(xiàn)了網(wǎng)絡(luò)之間的反饋操作。通過進(jìn)一步的研究其結(jié)構(gòu)，他們提出了最原始的卷積神經(jīng)網(wǎng)絡(luò)。1980年，K.Fukushima[9]等人利用自己發(fā)明的識別模型實現(xiàn)了利用卷積神經(jīng)網(wǎng)絡(luò)來進(jìn)行目標(biāo)識別。通過進(jìn)一步發(fā)展，利用滑動窗口的方法進(jìn)行目標(biāo)特征提取，大幅度提升了多類別目標(biāo)檢測的效率。在2003年Viola和Jones[10]等人研究出一種濾波器，該濾波器是基于矩形框的，通過對圖像所提取的特征向量用一個分類器訓(xùn)練（比如：adaboost[11]），就可以用來對行人進(jìn)行檢測。2005年，梯度直方圖（HOG）特征提取方法被Dalal[12]等人提出，該方法主要是對圖像中每個像素點求梯度，然后使用直方圖進(jìn)行統(tǒng)計，就可以描述出圖像中物體的邊緣信息，然后通過分類器對這些特征進(jìn)行訓(xùn)練就可以對行人進(jìn)行檢測，該方法的檢測效果良好，運用十分廣泛。2010年，StefenWalk[13]提出了光流方向直方圖(HistogramsofOrientedOpticalFlow,HOF)特征和顏色自相似性（colorselfsimilarity,CSS）特征。深度學(xué)習(xí)中最具有里程碑意義的就是Hinton[14]的貢獻(xiàn)，在2010和2012年的

【參考文獻(xiàn)】：
期刊論文
[1]基于機(jī)器學(xué)習(xí)的小目標(biāo)檢測與追蹤的算法研究[J]. 林曉林,孫俊.  計算機(jī)應(yīng)用研究. 2018(11)
[2]卷積定理與傅里葉變換性質(zhì)及其應(yīng)用的關(guān)系探討[J]. 黃金平,張正炳.  長江大學(xué)學(xué)報(自科版). 2016(19)
[3]基于高階CRF模型的圖像語義分割[J]. 毛凌,解梅.  計算機(jī)應(yīng)用研究. 2013(11)
[4]基于FPGA的曼徹斯特編解碼器設(shè)計與實現(xiàn)[J]. 劉遠(yuǎn)峰.  現(xiàn)代計算機(jī)(專業(yè)版). 2010(12)
[5]基于感受野模型的圖像融合算法研究[J]. 趙巍,黃晶晶,田斌.  電子學(xué)報. 2008(09)
[6]單目移動拍攝下基于人體部位的行人檢測[J]. 田廣,戚飛虎,朱文佳,毛欣,陳磐君.  系統(tǒng)仿真學(xué)報. 2006(10)



本文編號：3451144