當(dāng)今擺在人們面前急需解決的安全出行課題是設(shè)計(jì)能夠減少人為因素交通事故率的智能無(wú)人駕駛系統(tǒng)及輔助駕駛系統(tǒng)。該智能系統(tǒng)首要問(wèn)題是對(duì)道路環(huán)境的感知。計(jì)算機(jī)視覺(jué)具有蘊(yùn)含信息量豐富、低功耗、造價(jià)低廉以及環(huán)境感知性能媲美激光雷達(dá),成為當(dāng)今環(huán)境信息感知的研究熱點(diǎn)。但雙目視覺(jué)深度恢復(fù)技術(shù)仍面臨著很多棘手問(wèn)題,諸如遮擋,重復(fù)的圖案,無(wú)紋理和表面強(qiáng)光反射等病態(tài)區(qū)域難以準(zhǔn)確恢復(fù)出深度信息。對(duì)此,本文提出空間金字塔擴(kuò)張卷積網(wǎng)絡(luò)的智能汽車雙目視覺(jué)深度恢復(fù)算法。本文研究?jī)?nèi)容主要有兩項(xiàng):1.區(qū)域分割優(yōu)化的暗通道先驗(yàn)去模糊算法采用區(qū)域分割優(yōu)化的暗通道先驗(yàn)去模糊算法,對(duì)攝像機(jī)采集、經(jīng)矯正后的圖像進(jìn)行去模糊去噪圖像預(yù)處理。由于道路揚(yáng)塵及汽車尾氣對(duì)空氣的污染,加之天氣原因,空氣中懸浮著大量粒子,攝像機(jī)采集到模糊、對(duì)比度下降的圖像,嚴(yán)重影響基于光學(xué)視覺(jué)設(shè)備的正常工作。基于暗通道先驗(yàn)算法去模糊會(huì)造成天空區(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(jìn)去模糊算法。首先將模糊圖像進(jìn)行K均值初步分割,然后以選取大氣光值A(chǔ)的局部區(qū)域?yàn)檠谀?統(tǒng)計(jì)出K均值分割的類別標(biāo)簽圖對(duì)應(yīng)掩膜區(qū)域位置的類別標(biāo)簽值,作為天空區(qū)域的類別標(biāo)簽值。隨即采用... 

【文章來(lái)源】：鄭州輕工業(yè)大學(xué)河南省

【文章頁(yè)數(shù)】：77 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

谷歌無(wú)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(wú)人駕駛車[1]

圖 1-2 百度-寶馬智能無(wú)人駕駛汽車圖 1-3 搭載 Apollo2.0 的百度智能無(wú)人駕駛汽車。具有 Apollo2.0 的百度智能無(wú)人駕駛汽車于 2018 年 1 月在美國(guó)利進(jìn)行了道路測(cè)試。該型百度智能無(wú)人駕駛汽車頂部安裝有激光別具有長(zhǎng)焦和短焦的攝像頭。道路上的交通信號(hào)燈由攝像頭進(jìn)行

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

【參考文獻(xiàn)】：
期刊論文
[1]基于引導(dǎo)濾波改進(jìn)的暗原色去霧算法[J]. 崔倩男,田小平,吳成茂.  計(jì)算機(jī)科學(xué). 2018(05)
[2]基于Retinex的汽車牌照?qǐng)D像去霧研究[J]. 王小霞,黃穎雯,譚庭均,詹洪潤(rùn),鐘導(dǎo)峰,葉詞福.  內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(01)
[3]百度谷歌無(wú)人駕駛汽車發(fā)展綜述[J]. 何佳,戎輝,王文揚(yáng),田曉笛,高嵩,郭蓬.  汽車電器. 2017(12)
[4]深度學(xué)習(xí)在視覺(jué)定位與三維結(jié)構(gòu)恢復(fù)中的研究進(jìn)展[J]. 鮑振強(qiáng),李艾華,崔智高,袁夢(mèng).  激光與光電子學(xué)進(jìn)展. 2018(05)
[5]基于深度學(xué)習(xí)的視覺(jué)SLAM綜述[J]. 趙洋,劉國(guó)良,田國(guó)會(huì),羅勇,王梓任,張威,李軍偉.  機(jī)器人. 2017(06)
[6]雙目視覺(jué)立體匹配技術(shù)研究現(xiàn)狀和展望[J]. 林森,殷新勇,唐延?xùn)|.  科學(xué)技術(shù)與工程. 2017(30)
[7]基于一種小波變換的圖像增強(qiáng)去噪算法分析[J]. 白書華,陳志龍.  南昌大學(xué)學(xué)報(bào)(理科版). 2017(03)
[8]特斯拉升級(jí)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(chǎng)景中單幅圖像去霧[J]. 邢曉敏,劉威.  中國(guó)圖象圖形學(xué)報(bào). 2016(11)
[10]人工智能發(fā)展推動(dòng)信息安全范式轉(zhuǎn)移——基于百度無(wú)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(hào)：3594236