無(wú)人駕駛汽車作為未來(lái)出行的交通方式,吸引著國(guó)內(nèi)外各大高校及科研機(jī)構(gòu)對(duì)其孜孜不倦的研究。作為一臺(tái)集人工智能、視覺計(jì)算、自動(dòng)控制和軟件開發(fā)等的技術(shù)結(jié)合體,無(wú)人駕駛汽車可以大幅降低交通事故發(fā)生率,減少交通擁堵,提高交通運(yùn)行效率,為國(guó)民出行提供便利。無(wú)人駕駛汽車涉及多學(xué)科知識(shí),并且主要從環(huán)境感知、路徑規(guī)劃、定位導(dǎo)航和決策控制四個(gè)方面來(lái)進(jìn)行研究,環(huán)境感知作為無(wú)人駕駛汽車接收周圍環(huán)境信息的部分,發(fā)揮著極其重要的作用。因此,如何高效準(zhǔn)確的識(shí)別車輛周圍環(huán)境信息,是實(shí)現(xiàn)無(wú)人駕駛的重中之重。本文在總結(jié)現(xiàn)有成果的基礎(chǔ)上,利用雙目視覺攝像頭采集圖像信息,針對(duì)無(wú)人駕駛汽車行駛道路環(huán)境中的車輛和行人進(jìn)行測(cè)距、追蹤和仿真,主要包括以下幾個(gè)方面:1)對(duì)近年來(lái)國(guó)內(nèi)外無(wú)人駕駛汽車的研究現(xiàn)狀進(jìn)行分析,對(duì)目標(biāo)檢測(cè)與跟蹤的研究技術(shù)進(jìn)行探索,指出單目視覺在目標(biāo)檢測(cè)與追蹤方面的劣勢(shì),確定以雙目視覺為主要研究對(duì)象,確立本課題需要解決的關(guān)鍵問題和本課題的技術(shù)路線。2)針對(duì)不同空間尺度的車輛表現(xiàn)出顯著不同的特征使得檢測(cè)算法效率低,并且單目難以準(zhǔn)確獲取車輛距離信息的問題,提出了一種改進(jìn)Faster-RCNN對(duì)汽車目標(biāo)進(jìn)行檢測(cè),然后利用雙目... 

【文章來(lái)源】：西南交通大學(xué)四川省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：82 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖無(wú)人駕駛汽車系統(tǒng)架構(gòu)

西南交通大學(xué)碩士研究生學(xué)位論文第2頁(yè)圖1-1圖無(wú)人駕駛汽車系統(tǒng)架構(gòu)算法端主要利用傳感器采集的信息來(lái)工作，包含了如激光雷達(dá)在內(nèi)的多個(gè)傳感器及采集器探頭。主流的無(wú)人駕駛傳感平臺(tái)主要以雷達(dá)（百度和Google為首）和車載攝像頭（特斯拉為首）為主，并呈現(xiàn)多傳感器融合發(fā)展的趨勢(shì)。相比其他傳感器，車載攝像頭是以最接近人眼的工作模式來(lái)獲取周圍環(huán)境信息的，利用較小的數(shù)據(jù)量就可以得到最全面的圖像信息。然而它也有一定的局限性，會(huì)受到光線和天氣的影響；而且，高速工況實(shí)時(shí)性、隨機(jī)擾動(dòng)等也會(huì)嚴(yán)重影響視覺信息的獲取和處理。此外，由于單目攝像頭的畸變影響，距離準(zhǔn)確度偏低。因此，利用雙目立體攝像頭對(duì)前方景物進(jìn)行檢測(cè)分類和距離測(cè)量并進(jìn)行跟蹤仿真，有著非常重要的價(jià)值與意義。1.3國(guó)內(nèi)外研究現(xiàn)狀1.3.1無(wú)人駕駛汽車國(guó)外發(fā)展現(xiàn)狀圖1-2（1）科研院校在20世紀(jì)70年代早期，美國(guó)的研究機(jī)構(gòu)和大學(xué)院校開始率先研究無(wú)人駕駛汽車。1984年，美國(guó)高級(jí)研究計(jì)劃局（DARPA）發(fā)起了一項(xiàng)自主地面車輛計(jì)劃。為了促進(jìn)無(wú)人駕駛技術(shù)的發(fā)展，美國(guó)高級(jí)研究計(jì)劃局在2004-2007年舉辦了三次DARPA無(wú)人駕駛汽車挑戰(zhàn)賽[5]，如圖1-3所示。圖譜國(guó)外無(wú)人駕駛汽車發(fā)展

西南交通大學(xué)碩士研究生學(xué)位論文第3頁(yè)圖1-3DARPA無(wú)人駕駛汽車挑戰(zhàn)賽意大利帕爾瑪大學(xué)VisLab實(shí)驗(yàn)室研制出自己的ARGO測(cè)試車，具體研究開發(fā)歷程如圖1-4和圖1-5所示。圖1-4ARGO試驗(yàn)車發(fā)展歷程圖1-5ARGO試驗(yàn)車

【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)Fast-RCNN的雙目視覺車輛檢測(cè)方法[J]. 張琦,胡廣地,李雨生,趙鑫.  應(yīng)用光學(xué). 2018(06)
[2]Lie群下利用改進(jìn)JPDA濾波器的智能車立體視覺多目標(biāo)跟蹤方法[J]. 張琦,胡廣地,朱曉媛,陳亞東.  計(jì)算機(jī)應(yīng)用研究. 2019(10)
[3]無(wú)線傳感器網(wǎng)絡(luò)基于2階段聚合的目標(biāo)跟蹤算法[J]. 任倩倩,劉紅陽(yáng),劉勇,李金寶,王楠.  計(jì)算機(jī)研究與發(fā)展. 2017(09)
[4]基于雙目序列圖像的測(cè)距定位與自車速度估計(jì)[J]. 同志學(xué),趙濤,王消為.  應(yīng)用光學(xué). 2017(05)
[5]基于粒子濾波和背景減除的多目標(biāo)檢測(cè)與跟蹤算法[J]. 李明杰,劉小飛,張福泉,翟萍.  計(jì)算機(jī)應(yīng)用研究. 2018(08)
[6]基于DST-PCR5多目標(biāo)自適應(yīng)視覺跟蹤方法[J]. 王軼,方英武.  計(jì)算機(jī)應(yīng)用研究. 2018(02)
[7]基于全球定位系統(tǒng)的相機(jī)標(biāo)定方法研究[J]. 孔筱芳,陳錢,顧國(guó)華,錢惟賢,任侃,王佳節(jié).  兵工學(xué)報(bào). 2016(12)
[8]一種新的車輛輔助駕駛動(dòng)態(tài)障礙物檢測(cè)與分類方法[J]. 韓飛龍,應(yīng)捷,朱丹丹.  計(jì)算機(jī)應(yīng)用研究. 2017(06)
[9]基于軟特征理論的目標(biāo)跟蹤研究[J]. 姜文濤,劉萬(wàn)軍,袁姮.  計(jì)算機(jī)學(xué)報(bào). 2016(07)
[10]結(jié)合SVM分類器與HOG特征提取的行人檢測(cè)[J]. 徐淵,許曉亮,李才年,姜梅,張建國(guó).  計(jì)算機(jī)工程. 2016(01)

碩士論文
[1]基于雙目視覺的車輛前方障礙物檢測(cè)方法研究[D]. 岳欣羽.吉林大學(xué) 2018
[2]基于單目視覺的車輛行人檢測(cè)與測(cè)距技術(shù)研究[D]. 趙東.電子科技大學(xué) 2017
[3]基于立體視覺的測(cè)量系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 劉中正.電子科技大學(xué) 2016
[4]基于形狀和表觀約束活動(dòng)基模型的車輛檢測(cè)技術(shù)[D]. 劉賽.北京理工大學(xué) 2016
[5]基于深度學(xué)習(xí)的行人檢測(cè)[D]. 王斌.北京交通大學(xué) 2015
[6]背景固定視頻中的行人檢測(cè)技術(shù)研究[D]. 徐盼盼.北京交通大學(xué) 2013
[7]基于雙目立體視覺的高速鐵路異物侵限檢測(cè)系統(tǒng)研究[D]. 何茜.北京交通大學(xué) 2011



本文編號(hào)：3279884