發(fā)布時(shí)間：2022-01-28 01:22

　　現(xiàn)階段人工智能的迅速發(fā)展對(duì)汽車行業(yè)產(chǎn)生了巨大的影響,汽車行業(yè)正在向更加智能,更加清潔、更加安全的方向發(fā)展。其中無(wú)人駕駛車輛發(fā)展對(duì)于提高交通安全、社會(huì)效益、經(jīng)濟(jì)效益具有重要意義。本文針對(duì)車輛的交通場(chǎng)景,基于立體視覺(jué)傳感器對(duì)車輛環(huán)境的幾何信息、語(yǔ)義信息、狀態(tài)信息進(jìn)行建模計(jì)算,并且將其三者融合構(gòu)建語(yǔ)義地圖,為無(wú)人駕駛車輛行為決策奠定基礎(chǔ)。首先,針對(duì)環(huán)境中語(yǔ)義信息,基于緊湊型全卷積網(wǎng)絡(luò)對(duì)交通場(chǎng)景進(jìn)行像素級(jí)別的語(yǔ)義分割。同時(shí),為提高語(yǔ)義分割的精確率,將深度圖與彩色圖相融合構(gòu)建RGB-D四通道圖像作為卷積神經(jīng)網(wǎng)絡(luò)的輸入。語(yǔ)義分割的結(jié)果表明,所提出的網(wǎng)絡(luò)具有良好的實(shí)時(shí)性和精度。所獲得的語(yǔ)義圖像為后續(xù)構(gòu)建語(yǔ)義地圖提供語(yǔ)義信息。然后,針對(duì)ORB-SLAM2中地圖信息不夠豐富、地圖可用性不足的缺點(diǎn),提出一種語(yǔ)義SLAM方法,在原ORB-SLAM2的基礎(chǔ)上提出了稠密地圖構(gòu)建線程,基于立體視覺(jué)對(duì)車輛進(jìn)行準(zhǔn)確定位的同時(shí),對(duì)環(huán)境進(jìn)行幾何建模,將幾何信息與之前獲得語(yǔ)義信息相融合構(gòu)建語(yǔ)義地圖,實(shí)現(xiàn)可行駛區(qū)域和障礙物區(qū)分,并且通過(guò)數(shù)據(jù)集實(shí)驗(yàn)以及實(shí)車實(shí)驗(yàn)驗(yàn)證了算法的有效性和普適性。最后,在構(gòu)建語(yǔ)義地圖的基礎(chǔ)上,估計(jì)語(yǔ)義地... 

【文章來(lái)源】：大連理工大學(xué)遼寧省211工程院校985工程院校教育部直屬院校

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景和意義
    1.2 研究動(dòng)態(tài)與現(xiàn)狀
        1.2.1 SLAM研究現(xiàn)狀
        1.2.2 語(yǔ)義理解研究現(xiàn)狀
        1.2.3 語(yǔ)義 SLAM 研究現(xiàn)狀
    1.3 本文主要研究?jī)?nèi)容
2基于全卷積網(wǎng)絡(luò)的語(yǔ)義分割方法
    2.1 引言
    2.2 卷積神經(jīng)網(wǎng)絡(luò)
    2.3 全卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)
    2.4 網(wǎng)絡(luò)訓(xùn)練
    2.5 基于立體視覺(jué)的視差圖獲取
    2.6 實(shí)驗(yàn)結(jié)果與分析
        2.6.1 樣本庫(kù)建立
        2.6.2 網(wǎng)絡(luò)訓(xùn)練與測(cè)試
    2.7 本章小結(jié)
3 基于立體視覺(jué)的語(yǔ)義SLAM方法
    3.1 引言
    3.2 語(yǔ)義SLAM方法設(shè)計(jì)
    3.3 Stereo-ORB-SLAM模塊
        3.3.1 ORB特征點(diǎn)
        3.3.2 追蹤線程
        3.3.3 局部地圖構(gòu)建線程
        3.3.4 回環(huán)檢測(cè)線程
    3.4 語(yǔ)義理解模塊
        3.4.1 稠密地圖構(gòu)建
        3.4.2 八叉樹(shù)地圖構(gòu)建
    3.5 實(shí)驗(yàn)結(jié)果分析
        3.5.1 構(gòu)建數(shù)據(jù)集
        3.5.2 ORB特征點(diǎn)匹配驗(yàn)證
        3.5.3 SLAM以及回環(huán)檢測(cè)結(jié)果
        3.5.4 語(yǔ)義地圖構(gòu)建結(jié)果
    3.6 本章小結(jié)
4 基于深度學(xué)習(xí)的移動(dòng)車輛狀態(tài)估計(jì)方法研究
    4.1 引言
    4.2 系統(tǒng)整體框架
    4.3 車輛檢測(cè)
    4.4 車輛跟蹤
        4.4.1 光流跟蹤
        4.4.2 融合算法
    4.5 車輛狀態(tài)估計(jì)
    4.6 實(shí)驗(yàn)結(jié)果分析
        4.6.1 車輛檢測(cè)實(shí)驗(yàn)結(jié)果
        4.6.2 光流跟蹤實(shí)驗(yàn)結(jié)果
        4.6.3 車輛位姿計(jì)算結(jié)果
    4.7 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]深度學(xué)習(xí)在語(yǔ)音識(shí)別中的研究進(jìn)展綜述[J]. 侯一民,周慧瓊,王政一.  計(jì)算機(jī)應(yīng)用研究. 2017(08)
[2]基于圖優(yōu)化的同時(shí)定位與地圖創(chuàng)建綜述[J]. 梁明杰,閔華清,羅榮華.  機(jī)器人. 2013(04)
[3]基于立體視覺(jué)平面單應(yīng)性的智能車輛可行駛道路邊界檢測(cè)[J]. 郭春釗,山部尚孝,三田誠(chéng)一.  自動(dòng)化學(xué)報(bào). 2013(04)

碩士論文
[1]基于深度學(xué)習(xí)的交通場(chǎng)景理解方法研究[D]. 錢波.大連理工大學(xué) 2018
[2]基于立體視覺(jué)的車輛檢測(cè)與運(yùn)動(dòng)估計(jì)方法研究[D]. 黃海洋.大連理工大學(xué) 2016



本文編號(hào)：3613427