復雜條件下的行車環(huán)境感知是當前車輛輔助駕駛研究的熱點課題,也是交通領域面臨的難題之一。本文針對復雜行車環(huán)境的信息多樣性,提出車路環(huán)境中多種成像目標深度稀疏優(yōu)化分類識別的感知方法,并在不同目標感知基礎上進行行車環(huán)境表征研究。論文以車路環(huán)境下圖像的目標分類表征為研究對象,針對車路視覺圖像的預處理,車路場景中圖像目標分類,圖像目標邊界優(yōu)化,以及視覺協(xié)同感知的行車環(huán)境表征等關鍵技術展開研究,為智能輔助駕駛提供一定的理論支持。在復雜車路行車環(huán)境感知方面,首先,構建車路圖像獲取的方案框架并選取相關器件,由于攝像頭采集的圖像易受噪聲影響,出現(xiàn)目標與背景區(qū)分不明顯等問題,本文采用雙邊濾波算法對圖像進行濾波去噪,并提出一種針對彩色圖像的圖像增強算法,提升圖像全局亮度,同時圖像邊緣細節(jié)對比度增強。其次,針對車路目標比較復雜且種類頗多,難以利用圖像的單一特征進行目標分類表征,提出了多源融合及多尺度池化的圖像分類算法,通過在網(wǎng)絡輸入端加上灰度圖像和canny算子變換的圖像,豐富圖像特征的表達能力,引入多尺度池化提取圖像更多細節(jié)特征,通過融合得到圖像全局信息,增強了網(wǎng)絡對車路環(huán)境目標識別的能力,提高了目標識別的... 

【文章來源】：長安大學陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：86 頁

【學位級別】：碩士

【部分圖文】：

本文主要研究內(nèi)容結構圖

非極大值抑制原理圖

邊緣檢測效果圖

【參考文獻】：
期刊論文
[1]卷積神經(jīng)網(wǎng)絡中激活函數(shù)的一種改進[J]. 劉小文,郭大波,李聰.  測試技術學報. 2019(02)
[2]智能交通系統(tǒng)的研究現(xiàn)狀及發(fā)展趨勢分析[J]. 楊博文.  中國設備工程. 2019(02)
[3]基于改進Canny算法的道路標線自動識別及定位[J]. 羅文婷,李中軼,李林,甘宏,郭建鋼.  西南交通大學學報. 2018(06)
[4]上海市“智慧交通安全管理系統(tǒng)”構建內(nèi)容[J]. 張宇飛,王偉.  交通與運輸. 2018(06)
[5]基于區(qū)域生長算法的腦腫瘤圖像分割[J]. 蔣秋霖,王昕.  長春工業(yè)大學學報. 2018(05)
[6]基于多維高斯分布概率模型的軟件缺陷預測[J]. 蘇娜,方景龍.  杭州電子科技大學學報(自然科學版). 2018(05)
[7]超速失控闖入對向車道 迎面撞車造成多人死亡——京港澳高速新鄉(xiāng)段“9.26”重大道路交通事故分析[J]. 韓金良.  吉林勞動保護. 2018(07)
[8]成像偏振在車道線檢測與識別中的應用[J]. 王會峰,張佳佳,趙祥模,魏飛婷,汪貴平.  西南交通大學學報. 2019(02)
[9]基于動態(tài)概率網(wǎng)格和貝葉斯決策網(wǎng)絡的車輛變道輔助駕駛決策方法[J]. 惠飛,穆柯楠,趙祥模.  交通運輸工程學報. 2018(02)
[10]位置敏感探測器非線性校正的神經(jīng)網(wǎng)絡設計[J]. 樊昭陽,李君波.  光學與光電技術. 2018(02)

博士論文
[1]基于車—路視覺協(xié)同的行車環(huán)境感知方法研究[D]. 穆柯楠.長安大學 2016

碩士論文
[1]基于深度卷積神經(jīng)網(wǎng)絡的圖像語義分割[D]. 馬驍.中國科學院大學(中國科學院光電技術研究所) 2018
[2]基于卷積神經(jīng)網(wǎng)絡的街景圖像分割方法研究[D]. 張文海.電子科技大學 2018
[3]車載全景視覺系統(tǒng)的研究與實現(xiàn)[D]. 鄭忠慧.哈爾濱工業(yè)大學 2017
[4]復雜條件下車路視覺感知與識別[D]. 陳世秦.長安大學 2017
[5]基于激光測距的高速公路汽車防碰撞預警裝置的研究[D]. 王少勇.長安大學 2014
[6]基于CMOS傳感器的小型光譜儀研制[D]. 孫小小.上海交通大學 2013
[7]基于重心法的模糊系統(tǒng)和模糊推理建模法[D]. 楊雪.大連理工大學 2011



本文編號：3472947