現(xiàn)階段的主動(dòng)安全系統(tǒng)有著較大的局限性,開發(fā)人員多以良好路面條件標(biāo)定系統(tǒng),難以適應(yīng)不同工況。路面狀況對車輛的操縱穩(wěn)定性和制動(dòng)性能有很大影響,對行車安全密切相關(guān),路面識別系統(tǒng)是定位于主動(dòng)安全系統(tǒng)相關(guān)的子系統(tǒng),準(zhǔn)確的識別路面能有效擴(kuò)大主動(dòng)安全系統(tǒng)的工作范圍,因此探究路面識別方法意義重大。本文采用了基于原因的圖像處理識別路面和基于效應(yīng)的車輛動(dòng)力學(xué)響應(yīng)估算路面附著系數(shù)的方法,完成了兩種方法的獨(dú)立運(yùn)行和驗(yàn)證,并提出一種融合策略,能夠?qū)煞N方法的識別結(jié)果融合起來,融合結(jié)果同時(shí)具備兩種方法的優(yōu)點(diǎn)。在基于圖像處理識別路面方面,本文的識別流程為:輸入原始圖像后,第一個(gè)卷積神經(jīng)網(wǎng)絡(luò)對圖像進(jìn)行語義分割并提取圖像中的路面區(qū)域,將提取的僅有路面區(qū)域的圖像送至第二個(gè)卷積神經(jīng)網(wǎng)絡(luò)對路面進(jìn)行分類,通過查表并結(jié)合車速將路面種類與附著系數(shù)對應(yīng)起來,輸出相應(yīng)附著系數(shù)值和其他提醒信號。文章首先建立了圖像識別法需要的數(shù)據(jù)集,并針對路面分類和語義分割的任務(wù),對比、修改和訓(xùn)練了不同的神經(jīng)網(wǎng)絡(luò)模型,根據(jù)本文任務(wù)探究了卷積神經(jīng)網(wǎng)絡(luò)提高精度的訓(xùn)練方法和修改策略,探究了對識別系統(tǒng)精度的影響因素。最后編寫代碼,實(shí)現(xiàn)了對系統(tǒng)輸入視頻、直連攝像頭... 

【文章來源】：重慶理工大學(xué)重慶市

【文章頁數(shù)】：119 頁

【學(xué)位級別】：碩士

【部分圖文】：

總體技術(shù)路線

小鵬G3車頂?shù)目缮炜s攝像機(jī)

非重疊曝光模式

【參考文獻(xiàn)】：
期刊論文
[1]一種基于BP神經(jīng)網(wǎng)絡(luò)的輸電線路故障檢測系統(tǒng)[J]. 肖歡,陽習(xí)黨,朱威.  信息通信. 2019(04)
[2]基于深度學(xué)習(xí)的隧道裂縫識別方法[J]. 劉新根,陳瑩瑩,朱愛璽,楊俊,何國華.  廣西大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(06)
[3]變附著系數(shù)路面的緊急避撞控制研究[J]. 汪,嚴(yán)明月,張佳佳,吳樹凡,張鳳嬌,魏民祥.  重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)). 2018(05)
[4]路面附著系數(shù)識別方法發(fā)展現(xiàn)狀綜述及展望[J]. 袁朝春,張龍飛,陳龍.  機(jī)械制造與自動(dòng)化. 2018(02)
[5]基于路面識別的汽車緊急避撞控制算法[J]. 魏民祥,嚴(yán)明月,汪,張鳳嬌.  汽車安全與節(jié)能學(xué)報(bào). 2017(04)
[6]基于機(jī)器學(xué)習(xí)的車輛路面類型識別技術(shù)研究[J]. 王世峰,都凱悅,孟穎,王銳.  兵工學(xué)報(bào). 2017(08)
[7]基于支持向量機(jī)的路面圖像分類方法[J]. 段瑗,李春書,閆堯.  河北農(nóng)業(yè)大學(xué)學(xué)報(bào). 2016(06)
[8]基于路面附著系數(shù)估計(jì)的汽車縱向碰撞預(yù)警策略[J]. 朱冰,樸奇,趙健,吳堅(jiān),鄧偉文.  汽車工程. 2016(04)
[9]基于路面識別的汽車驅(qū)動(dòng)力模糊滑�？刂芠J]. 趙健,張進(jìn),朱冰.  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2015(04)
[10]用于汽車穩(wěn)定性控制的路面附著識別算法[J]. 李亮,朱宏軍,陳杰,宋健,冉旭.  機(jī)械工程學(xué)報(bào). 2014(02)

博士論文
[1]基于機(jī)器視覺路面狀態(tài)識別關(guān)鍵技術(shù)研究[D]. 李虹.吉林大學(xué) 2009

碩士論文
[1]基于機(jī)器學(xué)習(xí)的手勢識別技術(shù)研究[D]. 張迪.南京郵電大學(xué) 2019
[2]智能汽車的路面類型認(rèn)知[D]. 李力.吉林大學(xué) 2019
[3]基于深度學(xué)習(xí)的視頻中的人體姿態(tài)估計(jì)[D]. 趙昱文.寧夏大學(xué) 2019
[4]汽車AEB仿真控制算法優(yōu)化及驗(yàn)證[D]. 呂章潔.重慶理工大學(xué) 2017
[5]基于支持向量機(jī)的路面狀態(tài)視頻圖像識別技術(shù)研究[D]. 武洪強(qiáng).北京交通大學(xué) 2017
[6]瀝青路面潮濕與積水條件下典型車輛制動(dòng)行為研究[D]. 張海泉.東南大學(xué) 2016
[7]基于實(shí)時(shí)路面附著條件的跟馳模型研究[D]. 龔節(jié)坤.哈爾濱工業(yè)大學(xué) 2015
[8]車輛自動(dòng)緊急制動(dòng)系統(tǒng)建模與仿真研究[D]. 鄭杰.武漢理工大學(xué) 2015
[9]基于深度卷積神經(jīng)網(wǎng)絡(luò)的智能車輛目標(biāo)檢測方法研究[D]. 趙錕.國防科學(xué)技術(shù)大學(xué) 2015
[10]移動(dòng)機(jī)器人路面識別技術(shù)的研究[D]. 高偉.河北工業(yè)大學(xué) 2014



本文編號：3544292