當今擺在人們面前急需解決的安全出行課題是設計能夠減少人為因素交通事故率的智能無人駕駛系統(tǒng)及輔助駕駛系統(tǒng)。該智能系統(tǒng)首要問題是對道路環(huán)境的感知。計算機視覺具有蘊含信息量豐富、低功耗、造價低廉以及環(huán)境感知性能媲美激光雷達,成為當今環(huán)境信息感知的研究熱點。但雙目視覺深度恢復技術(shù)仍面臨著很多棘手問題,諸如遮擋,重復的圖案,無紋理和表面強光反射等病態(tài)區(qū)域難以準確恢復出深度信息。對此,本文提出空間金字塔擴張卷積網(wǎng)絡的智能汽車雙目視覺深度恢復算法。本文研究內(nèi)容主要有兩項:1.區(qū)域分割優(yōu)化的暗通道先驗去模糊算法采用區(qū)域分割優(yōu)化的暗通道先驗去模糊算法,對攝像機采集、經(jīng)矯正后的圖像進行去模糊去噪圖像預處理。由于道路揚塵及汽車尾氣對空氣的污染,加之天氣原因,空氣中懸浮著大量粒子,攝像機采集到模糊、對比度下降的圖像,嚴重影響基于光學視覺設備的正常工作�；诎低ǖ老闰炈惴ㄈツ：龝斐商炜諈^(qū)域出現(xiàn)光暈失真現(xiàn)象。為此,本文提出區(qū)域分割優(yōu)化改進去模糊算法。首先將模糊圖像進行K均值初步分割,然后以選取大氣光值A的局部區(qū)域為掩膜,統(tǒng)計出K均值分割的類別標簽圖對應掩膜區(qū)域位置的類別標簽值,作為天空區(qū)域的類別標簽值。隨即采用... 

【文章來源】：鄭州輕工業(yè)大學河南省

【文章頁數(shù)】：77 頁

【學位級別】：碩士

【部分圖文】：

谷歌無人駕駛智能汽車2009年谷歌將豐田普銳斯智能改造為第1代谷歌無人駕駛車[1]

圖 1-2 百度-寶馬智能無人駕駛汽車圖 1-3 搭載 Apollo2.0 的百度智能無人駕駛汽車。具有 Apollo2.0 的百度智能無人駕駛汽車于 2018 年 1 月在美國利進行了道路測試。該型百度智能無人駕駛汽車頂部安裝有激光別具有長焦和短焦的攝像頭。道路上的交通信號燈由攝像頭進行

3圖 1-3 搭載 Apollo2.0 的百度智能無人駕駛汽車。具有 Apollo2.0 的百度智能無人駕駛汽車于 2018 年 1 月在美利進行了道路測試。該型百度智能無人駕駛汽車頂部安裝有激光別具有長焦和短焦的攝像頭。道路上的交通信號燈由攝像頭進行光雷達主要完成車身周圍車道識別和障礙物檢測。百度智能無人雨天氣等惡劣天氣環(huán)境下順利完成各種測試科目。如圖 1-3.0 的百度智能無人駕駛汽車。過上述研究現(xiàn)狀分析，無人駕駛汽車向著多傳感器信息互補融合雜環(huán)境語義理解方向發(fā)展。目視覺深度恢復國內(nèi)外研究現(xiàn)狀境感知是實現(xiàn)無人駕駛的首要解決的問題�；诩す饫走_生成的深度圖，定位精度等方面性能優(yōu)良，但激光雷達成本過于昂貴。

【參考文獻】：
期刊論文
[1]基于引導濾波改進的暗原色去霧算法[J]. 崔倩男,田小平,吳成茂.  計算機科學. 2018(05)
[2]基于Retinex的汽車牌照圖像去霧研究[J]. 王小霞,黃穎雯,譚庭均,詹洪潤,鐘導峰,葉詞福.  內(nèi)蒙古農(nóng)業(yè)大學學報(自然科學版). 2018(01)
[3]百度谷歌無人駕駛汽車發(fā)展綜述[J]. 何佳,戎輝,王文揚,田曉笛,高嵩,郭蓬.  汽車電器. 2017(12)
[4]深度學習在視覺定位與三維結(jié)構(gòu)恢復中的研究進展[J]. 鮑振強,李艾華,崔智高,袁夢.  激光與光電子學進展. 2018(05)
[5]基于深度學習的視覺SLAM綜述[J]. 趙洋,劉國良,田國會,羅勇,王梓任,張威,李軍偉.  機器人. 2017(06)
[6]雙目視覺立體匹配技術(shù)研究現(xiàn)狀和展望[J]. 林森,殷新勇,唐延東.  科學技術(shù)與工程. 2017(30)
[7]基于一種小波變換的圖像增強去噪算法分析[J]. 白書華,陳志龍.  南昌大學學報(理科版). 2017(03)
[8]特斯拉升級輔助駕駛系統(tǒng)[J]. 李忠東.  輕型汽車技術(shù). 2016 (Z4)
[9]霧天交通場景中單幅圖像去霧[J]. 邢曉敏,劉威.  中國圖象圖形學報. 2016(11)
[10]人工智能發(fā)展推動信息安全范式轉(zhuǎn)移——基于百度無人駕駛汽車的案例分析[J]. 李勇.  信息安全研究. 2016(11)



本文編號：3594236