無人車環(huán)境感知系統(tǒng)好比人類的感官系統(tǒng),是無人車進(jìn)行決策的信息來源。機(jī)器視覺是無人車進(jìn)行環(huán)境感知最常使用的方法,因此研究基于視覺圖像的無人車環(huán)境感知系統(tǒng)具有重要的意義。夜間道路能見度比較低,道路信息獲取困難,相比于白天安全隱患更大。夜間無光的情況下,普通的可見光成像設(shè)備無法獲取有效的環(huán)境信息,而紅外熱像儀的成像原理是獲取場(chǎng)景的溫度分布,對(duì)于獲取夜間場(chǎng)景中的目標(biāo)具有獨(dú)特的優(yōu)勢(shì)。紅外圖像紋理信息少,對(duì)比度較低,因此夜間場(chǎng)景的無人車環(huán)境感知研究具有一定難度。利用夜視機(jī)器視覺對(duì)夜間目標(biāo)進(jìn)行檢測(cè)與識(shí)別,獲取無人車周邊目標(biāo)的信息,能夠擴(kuò)展無人車在夜間的感知能力,有效幫助無人車對(duì)障礙物及時(shí)做出相應(yīng)決策。本文主要研究基于夜視場(chǎng)景的無人車周邊目標(biāo)信息感知。研究內(nèi)容主要包括兩部分:一、基于改進(jìn)YOLOv3網(wǎng)絡(luò)的目標(biāo)檢測(cè)與車輛角度預(yù)測(cè);二、卷積神經(jīng)網(wǎng)絡(luò)與多尺度條件隨機(jī)場(chǎng)級(jí)聯(lián)的深度估計(jì)方法研究,將目標(biāo)檢測(cè)結(jié)果和深度估計(jì)結(jié)合,構(gòu)建了周邊車輛距離與速度感知模型。論文的主要?jiǎng)?chuàng)新點(diǎn)如下:1、提出一種能夠預(yù)測(cè)車輛行車方向的改進(jìn)YOLOv3網(wǎng)絡(luò),該網(wǎng)絡(luò)將周邊車輛角度信息加入到Y(jié)OLOv3網(wǎng)絡(luò)邊界框位置信息中,形成端到端的網(wǎng)... 

【文章來源】：東華大學(xué)上海市 211工程院校 教育部直屬院校

【文章頁數(shù)】：59 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 無人車環(huán)境感知研究現(xiàn)狀
        1.2.2 紅外圖像目標(biāo)檢測(cè)算法研究現(xiàn)狀
        1.2.3 紅外圖像深度估計(jì)研究現(xiàn)狀
    1.3 本文主要研究工作
2 目標(biāo)檢測(cè)與深度估計(jì)基本原理與方法
    2.1 引言
    2.2 基于深度學(xué)習(xí)的目標(biāo)檢測(cè)基本原理方法
        2.2.1 兩級(jí)式目標(biāo)檢測(cè)算法
        2.2.2 單級(jí)式目標(biāo)檢測(cè)算法
    2.3 圖像深度估計(jì)基本原理方法
        2.3.1 基于機(jī)器學(xué)習(xí)的圖像深度估計(jì)
        2.3.2 基于深度學(xué)習(xí)的圖像深度估計(jì)
    2.4 本章小結(jié)
3 基于改進(jìn)YOLOv3 網(wǎng)絡(luò)的目標(biāo)檢測(cè)與車輛角度預(yù)測(cè)算法
    3.1 引言
    3.2 基于改進(jìn)YOLOv3 網(wǎng)絡(luò)的目標(biāo)檢測(cè)與車輛角度預(yù)測(cè)模型
        3.2.1 YOLO網(wǎng)絡(luò)基本結(jié)構(gòu)
        3.2.2 改進(jìn)的YOLOv3 網(wǎng)絡(luò)模型
        3.2.3 周邊車輛角度預(yù)測(cè)模型
    3.3 實(shí)驗(yàn)
        3.3.1 實(shí)驗(yàn)配置
        3.3.2 實(shí)驗(yàn)步驟
        3.3.3 評(píng)價(jià)指標(biāo)
        3.3.4 實(shí)驗(yàn)結(jié)果及分析
    3.4 本章小結(jié)
4 基于深度估計(jì)的周邊車輛信息感知模型
    4.1 引言
    4.2 紅外圖像深度估計(jì)模型
        4.2.1 卷積神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)
        4.2.2 條件隨機(jī)場(chǎng)網(wǎng)絡(luò)模型
        4.2.3 卷積-條件隨機(jī)場(chǎng)深度估計(jì)網(wǎng)絡(luò)模型
    4.3 周邊車輛信息感知模型
        4.3.1 周邊車輛距離感知模型
        4.3.2 周邊車輛速度感知模型
    4.4 實(shí)驗(yàn)
        4.4.1 實(shí)驗(yàn)配置
        4.4.2 實(shí)驗(yàn)步驟
        4.4.3 實(shí)驗(yàn)評(píng)價(jià)指標(biāo)
        4.4.4 實(shí)驗(yàn)結(jié)果與分析
    4.5 本章小結(jié)
5 總結(jié)與展望
    5.1 全文總結(jié)
    5.2 全文展望
參考文獻(xiàn)
致謝
攻讀碩士期間研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于幀間信息提取的單幅紅外圖像深度估計(jì)[J]. 顧婷婷,趙海濤,孫韶媛.  激光與光電子學(xué)進(jìn)展. 2018(06)
[2]基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法綜述[J]. 周曉彥,王珂,李凌燕.  電子測(cè)量技術(shù). 2017(11)
[3]基于雙向遞歸卷積神經(jīng)網(wǎng)絡(luò)的單目紅外視頻深度估計(jì)[J]. 吳壽川,趙海濤,孫韶媛.  光學(xué)學(xué)報(bào). 2017(12)
[4]基于紅外與雷達(dá)的夜間無人車場(chǎng)景深度估計(jì)[J]. 姚廣順,孫韶媛,方建安,趙海濤.  激光與光電子學(xué)進(jìn)展. 2017(12)
[5]基于加速區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的夜間行人檢測(cè)研究[J]. 葉國林,孫韶媛,高凱珺,趙海濤.  激光與光電子學(xué)進(jìn)展. 2017(08)
[6]基于多特征融合的紅外圖像行人檢測(cè)[J]. 胡慶新,呂鵬.  計(jì)算機(jī)應(yīng)用. 2016(S1)
[7]全球自動(dòng)駕駛發(fā)展現(xiàn)狀與趨勢(shì)(上)[J]. 孟海華,江洪波,湯天波.  華東科技. 2014(09)
[8]深度學(xué)習(xí)研究綜述[J]. 孫志軍,薛磊,許陽明,王正.  計(jì)算機(jī)應(yīng)用研究. 2012(08)
[9]強(qiáng)化學(xué)習(xí)研究綜述[J]. 高陽,陳世福,陸鑫.  自動(dòng)化學(xué)報(bào). 2004(01)

博士論文
[1]智能車行車環(huán)境視覺感知關(guān)鍵技術(shù)研究[D]. 梁敏健.長安大學(xué) 2017
[2]無人駕駛汽車環(huán)境信息提取及運(yùn)動(dòng)決策方法研究[D]. 武歷穎.長安大學(xué) 2016

碩士論文
[1]夜間模式下場(chǎng)景特征識(shí)別與大視場(chǎng)三維重建的研究[D]. 黃珍.東華大學(xué) 2017
[2]深度學(xué)習(xí)在圖像識(shí)別中的研究及應(yīng)用[D]. 李衛(wèi).武漢理工大學(xué) 2014



本文編號(hào)：3033928