《國(guó)家車聯(lián)網(wǎng)產(chǎn)業(yè)標(biāo)準(zhǔn)體系建設(shè)指南（智能網(wǎng)聯(lián)汽車）》指出,智能網(wǎng)聯(lián)汽車是是全球創(chuàng)新熱點(diǎn)和未來發(fā)展制高點(diǎn),其深度融合了汽車、電子、信息通信、道路交通運(yùn)輸?shù)刃袠I(yè),是一個(gè)新型產(chǎn)業(yè)。智能網(wǎng)聯(lián)汽車的智能駕駛技術(shù)在提高公路運(yùn)輸能力和減少交通事故方面發(fā)揮著關(guān)鍵作用。在智能駕駛技術(shù)中,環(huán)境感知系統(tǒng)是確保智能車的智能性、安全性的關(guān)鍵所在。而車道線檢測(cè)技術(shù)作為智能車感知系統(tǒng)中的核心技術(shù),是實(shí)現(xiàn)安全、自主駕駛的前提,也是研究的難點(diǎn)及技術(shù)核心。在工信部2016年智能制造綜合標(biāo)準(zhǔn)化與新模式應(yīng)用項(xiàng)目“智能網(wǎng)聯(lián)汽車系統(tǒng)及通信標(biāo)準(zhǔn)化研究與試驗(yàn)驗(yàn)證平臺(tái)建設(shè)”（項(xiàng)目編號(hào):2016ZXFB06002）和重慶市科技計(jì)劃項(xiàng)目重點(diǎn)產(chǎn)業(yè)共性關(guān)鍵技術(shù)創(chuàng)新專項(xiàng)主題專項(xiàng)項(xiàng)目“ADAS功能測(cè)試標(biāo)準(zhǔn)化制定與路試驗(yàn)證平臺(tái)建設(shè)”（項(xiàng)目編號(hào):cstc2015zdcyztzx60005）資助下,開展了面向復(fù)雜路況的車道線智能檢測(cè)方法研究。論文的主要研究?jī)?nèi)容和創(chuàng)新點(diǎn)有1)針對(duì)訓(xùn)練深度學(xué)習(xí)模型需要大量標(biāo)簽圖片的問題,研究了車輛前方和側(cè)方標(biāo)簽圖片的自動(dòng)生成算法。研究了LUV和LAB色彩空間的顏色信息,提出了對(duì)簡(jiǎn)單場(chǎng)景下黃色和白色車道線的分割算法,為前向車道... 

【文章來源】：重慶大學(xué)重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：129 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
中文摘要
英文摘要
1 緒論
    1.1 課題研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 基于道路特征的車道線檢測(cè)
        1.2.2 基于道路模型的車道線檢測(cè)
        1.2.3 融合多傳感器的車道線檢測(cè)
        1.2.4 基于深度學(xué)習(xí)的車道線檢測(cè)
        1.2.5 橫向車道線的檢測(cè)與距離計(jì)算
    1.3 存在的問題
    1.4 課題來源和主要研究?jī)?nèi)容
        1.4.1 課題來源
        1.4.2 主要研究?jī)?nèi)容
2 圖片的自動(dòng)標(biāo)注算法研究
    2.1 引言
    2.2 前向車道線標(biāo)簽圖片的自動(dòng)生成算法
        2.2.1 前向路面圖像預(yù)處理
        2.2.2 顏色空間的轉(zhuǎn)換關(guān)系研究
        2.2.3 車道線邊界框的自動(dòng)標(biāo)注
    2.3 橫向車道線標(biāo)簽圖片的自動(dòng)生成算法
        2.3.1 基于CNN的 Image Quilting算法改進(jìn)
        2.3.2 瀝青路面和車道線圖片的檢索與拼接
        2.3.3 橫向車道線標(biāo)簽圖片的自動(dòng)生成與后處理
    2.4 試驗(yàn)及結(jié)果分析
        2.4.1 前向標(biāo)簽圖像結(jié)果分析
        2.4.2 橫向標(biāo)簽圖像結(jié)果分析
    2.5 小結(jié)
3 復(fù)雜道路場(chǎng)景下前向車道線檢測(cè)算法研究
    3.1 引言
    3.2 車道線的檢測(cè)模型和特征自適應(yīng)學(xué)習(xí)
        3.2.1 車道線檢測(cè)模型
        3.2.2 車道線特征自適應(yīng)學(xué)習(xí)框架
    3.3 車道線擬合算法研究
        3.3.1 車道線區(qū)域確定
        3.3.2 車道線擬合
    3.4 試驗(yàn)及結(jié)果分析
        3.4.1 模型訓(xùn)練結(jié)果分析
        3.4.2 模型的檢測(cè)結(jié)果分析
        3.4.3 車道線的擬合結(jié)果分析
    3.5 小結(jié)
4 復(fù)雜工況下前向車道線預(yù)測(cè)算法研究
    4.1 引言
    4.2 基于雙向GRU的車道線預(yù)測(cè)算法
        4.2.1 LSTM單元結(jié)構(gòu)
        4.2.2 雙向GRU車道線預(yù)測(cè)算法
    4.3 基于遞歸神經(jīng)網(wǎng)絡(luò)的車道線預(yù)測(cè)算法
        4.3.1 遞歸神經(jīng)網(wǎng)絡(luò)
        4.3.2 考慮了角度信息的車道線預(yù)測(cè)模型
    4.4 車道線檢測(cè)結(jié)果的融合
    4.5 試驗(yàn)及結(jié)果分析
        4.5.1 模型訓(xùn)練與結(jié)果分析
        4.5.2 車道線融合結(jié)果分析
        4.5.3 車道線擬結(jié)果分析
    4.6 小結(jié)
5 橫向車道線距離檢測(cè)算法研究
    5.1 引言
    5.2 橫向車道線距離識(shí)別算法
        5.2.1 橫向車道線距離的多目標(biāo)識(shí)別模型
        5.2.2 深度學(xué)習(xí)模型的訓(xùn)練和優(yōu)化
    5.3 動(dòng)態(tài)校正模型
        5.3.1 參考坐標(biāo)系的變化關(guān)系
        5.3.2 自適應(yīng)識(shí)別誤差校正
    5.4 試驗(yàn)及結(jié)果分析
        5.4.1 橫向車道線距離識(shí)別模型的結(jié)果分析
        5.4.2 動(dòng)態(tài)校正模型結(jié)果分析
    5.5 小結(jié)
6 實(shí)車試驗(yàn)與結(jié)果分析
    6.1 引言
    6.2 實(shí)車裝置設(shè)計(jì)
        6.2.1 圖像采集模塊
        6.2.2 傾斜角采集模塊
    6.3 試驗(yàn)環(huán)境和條件
    6.4 試驗(yàn)結(jié)果及分析
        6.4.1 前向車道線檢測(cè)結(jié)果分析
        6.4.2 橫向車道線檢測(cè)結(jié)果分析
    6.5 小結(jié)
7 結(jié)論和展望
    7.1 全文總結(jié)
    7.2 研究展望
參考文獻(xiàn)
附錄
    A.作者在攻讀博士學(xué)位期間發(fā)表的論文
    B.作者在攻讀博士學(xué)位期間發(fā)表的專利
    C.作者在攻讀博士學(xué)位期間參與的研究課題
    D.學(xué)位論文數(shù)據(jù)集
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于車道線提取的智能車橫向定位技術(shù)[J]. 袁旻川,徐友春,李永樂.  軍事交通學(xué)院學(xué)報(bào). 2018(10)
[2]一種基于CNN的足跡圖像檢索與匹配方法[J]. 陳揚(yáng),曾誠(chéng),程成,鄒恩岑,顧建偉,陸悠,奚雪峰.  南京師范大學(xué)學(xué)報(bào)(工程技術(shù)版). 2018(03)
[3]基于多約束條件下的霍夫變換車道線檢測(cè)方法[J]. 石林軍,余粟.  計(jì)算機(jī)測(cè)量與控制. 2018(09)
[4]基于Gabor濾波器的車道線快速檢測(cè)方法[J]. 杜恩宇,張寧,李艷荻.  紅外與激光工程. 2018(08)
[5]一種基于形態(tài)學(xué)特征的車道線識(shí)別方法[J]. 蔡英鳳,高力,孫曉強(qiáng),陳龍,王海.  中國(guó)機(jī)械工程. 2018(15)
[6]基于優(yōu)化YOLO方法機(jī)場(chǎng)跑道目標(biāo)檢測(cè)[J]. 蔡成濤,吳科君,嚴(yán)勇杰.  指揮信息系統(tǒng)與技術(shù). 2018(03)
[7]基于激光雷達(dá)的車輛變道預(yù)警系統(tǒng)研究[J]. 詹慧貞.  激光雜志. 2018(05)
[8]基于混合貝塞爾曲線模型的車道檢測(cè)算法[J]. 韓浩,王舜燕.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(03)
[9]基于極性轉(zhuǎn)移和雙向LSTM的文本情感分析[J]. 陳葛恒.  信息技術(shù). 2018(02)
[10]D-S證據(jù)理論改進(jìn)算法提高水下目標(biāo)識(shí)別準(zhǔn)確性[J]. 劉標(biāo),許騰,李光.  現(xiàn)代防御技術(shù). 2018(01)

博士論文
[1]基于機(jī)器視覺的先進(jìn)輔助駕駛系統(tǒng)關(guān)鍵技術(shù)研究[D]. 范延軍.東南大學(xué) 2016

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的物體抓取研究[D]. 喻群超.中國(guó)科學(xué)技術(shù)大學(xué) 2018
[2]基于RNN和LDA模型的商品評(píng)論情感分類研究[D]. 彭三春.浙江理工大學(xué) 2018
[3]基于深度學(xué)習(xí)的車道線檢測(cè)算法研究[D]. 梁樂穎.北京交通大學(xué) 2018
[4]基于視覺的車道線檢測(cè)技術(shù)研究[D]. 侯長(zhǎng)征.西南交通大學(xué) 2017
[5]基于車載圖像處理的道路檢測(cè)技術(shù)研究[D]. 肖晶.湖南大學(xué) 2016
[6]結(jié)構(gòu)化道路中的車道偏離預(yù)警系統(tǒng)研究[D]. 孫朋.山東大學(xué) 2014



本文編號(hào)：3027058