路況識(shí)別是日益發(fā)展的自動(dòng)駕駛技術(shù)中的關(guān)鍵環(huán)節(jié),其作用是把車輛駕駛環(huán)境中待識(shí)別的障礙物從復(fù)雜的背景中識(shí)別出來并加以定位,為車輛后續(xù)的分析決策提供前導(dǎo)信息。在路況識(shí)別中,對(duì)行人與車輛的檢測(cè)尤其獲得了廣泛的關(guān)注。本文以自動(dòng)駕駛車輛為研究對(duì)象,重點(diǎn)研究了駕駛環(huán)境中行人與車輛的檢測(cè)問題。在目前的路況識(shí)別技術(shù)中,對(duì)駕駛環(huán)境信息的獲取主要是基于可見光的成像系統(tǒng)。然而,基于可見光的成像系統(tǒng)受天氣與光線的影響較大,在天氣惡劣,光照較差的環(huán)境中,難以清晰的成像,從而給環(huán)境中行人與車輛的檢測(cè)帶來嚴(yán)重干擾。本文以光照條件較差環(huán)境下行人與車輛的檢測(cè)為研究方向,做了以下工作:1)采用基于近紅外的成像系統(tǒng),構(gòu)建了較為完備的駕駛環(huán)境數(shù)據(jù)庫。本文通過采用主動(dòng)式近紅外成像技術(shù)來獲取車輛駕駛環(huán)境信息,解決了在光照條件較差環(huán)境下對(duì)車輛行駛環(huán)境清晰成像的難題。為了訓(xùn)練并測(cè)試算法模型,本文采集了光照較差環(huán)境下不同場(chǎng)景的駕駛環(huán)境信息,對(duì)獲得的圖像中的行人與車輛進(jìn)行了有效標(biāo)注,構(gòu)建了較為完備的行人車輛數(shù)據(jù)集。2)提出了基于背景分割的目標(biāo)候選區(qū)域生成算法。利用在近紅外圖像中,反射紅外線的物體明顯高亮于四周的背景環(huán)境這一特點(diǎn),本文提出了... 

【文章來源】：湖南大學(xué)湖南省211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：64 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 自動(dòng)駕駛車輛
        1.2.2 傳感器
        1.2.3 目標(biāo)檢測(cè)方法
    1.3 本文主要研究?jī)?nèi)容與章節(jié)安排
第2章 近紅外成像與行人車輛數(shù)據(jù)集
    2.1 近紅外成像
        2.1.1 近紅外線概述
        2.1.2 近紅外成像原理
    2.2 本文使用的近紅外成像系統(tǒng)
        2.2.1 硬件設(shè)備及其連接
        2.2.2 成像效果
    2.3 基于近紅外成像的圖像特點(diǎn)
    2.4 行人車輛數(shù)據(jù)集
    2.5 實(shí)驗(yàn)與對(duì)比
    2.6 本章小結(jié)
第3章 基于背景分割的目標(biāo)候選區(qū)域生成算法
    3.1 背景分割
        3.1.1 傳統(tǒng)Otsu閾值分割算法
        3.1.2 改進(jìn)的閾值分割算法及分割流程
    3.2 選擇性搜索算法
    3.3 實(shí)驗(yàn)與分析
        3.3.1 圖像分割實(shí)驗(yàn)與對(duì)比
        3.3.2 候選框提取實(shí)驗(yàn)與對(duì)比
    3.4 本章小結(jié)
第4章 自適應(yīng)尺度感知目標(biāo)檢測(cè)模型
    4.1 卷積神經(jīng)網(wǎng)絡(luò)概述
    4.2 分治策略
    4.3 檢測(cè)框架
        4.3.1 AlexNet網(wǎng)絡(luò)模型
        4.3.2 RoI pooling層
        4.3.3 多任務(wù)損失函數(shù)
        4.3.4 非極大值抑制
        4.3.5 檢測(cè)框架
    4.4 實(shí)驗(yàn)與討論
        4.4.1 實(shí)驗(yàn)結(jié)果與對(duì)比
        4.4.2 檢測(cè)子網(wǎng)絡(luò)分析
    4.5 本章小結(jié)
結(jié)論與展望
參考文獻(xiàn)
致謝
附錄 A 攻讀學(xué)位期間所發(fā)表的學(xué)術(shù)論文目錄


【參考文獻(xiàn)】：
期刊論文
[1]無人駕駛汽車環(huán)境感知技術(shù)綜述[J]. 王世峰,戴祥,徐寧,張鵬飛.  長(zhǎng)春理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(01)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)研究綜述[J]. 李旭冬,葉茂,李濤.  計(jì)算機(jī)應(yīng)用研究. 2017(10)
[3]一種改進(jìn)的二維Otsu閾值分割算法[J]. 徐超,黃風(fēng)華,毛政元.  電子技術(shù)應(yīng)用. 2016(12)
[4]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)
[5]為極速智能車保駕護(hù)航——記清華大學(xué)計(jì)算機(jī)系THMR課題組之智能汽車研究[J]. 肖延勝.  中國(guó)發(fā)明與專利. 2011(12)
[6]車輛輔助駕駛系統(tǒng)中基于計(jì)算機(jī)視覺的行人檢測(cè)研究綜述[J]. 賈慧星,章毓晉.  自動(dòng)化學(xué)報(bào). 2007(01)
[7]激光輔助照明主動(dòng)紅外成像研究[J]. 董明禮,張晶,李銀柱,楊培志,何嵩,李萍,張劍家.  紅外技術(shù). 2006(02)
[8]圖像分割的閾值法綜述[J]. 韓思奇,王蕾.  系統(tǒng)工程與電子技術(shù). 2002(06)

碩士論文
[1]紅外探測(cè)器片上校正及紅外圖像缺陷檢測(cè)研究與實(shí)現(xiàn)[D]. 李成世.電子科技大學(xué) 2018
[2]基于超像素的神經(jīng)元電鏡圖像分割算法及校驗(yàn)工具[D]. 肖振鵬.哈爾濱理工大學(xué) 2018
[3]目標(biāo)檢測(cè)網(wǎng)絡(luò)SSD的區(qū)域候選框的設(shè)置問題研究[D]. 翁昕.西安電子科技大學(xué) 2017
[4]基于夜間交通視頻的車輛檢測(cè)與跟蹤[D]. 馮毅超.北京交通大學(xué) 2016
[5]風(fēng)管機(jī)器人同時(shí)定位與地圖創(chuàng)建方法研究[D]. 賀博.湖南大學(xué) 2016
[6]基于機(jī)器視覺的場(chǎng)景目標(biāo)檢測(cè)與分類研究[D]. 任陳俊.杭州電子科技大學(xué) 2016
[7]監(jiān)控視頻中的行人與車輛的在線跟蹤[D]. 廖錦毅.浙江大學(xué) 2016
[8]基于近紅外圖片的人臉檢測(cè)識(shí)別算法的研究與應(yīng)用[D]. 秦連杰.西安電子科技大學(xué) 2013
[9]隧道變形監(jiān)測(cè)中的近景攝影測(cè)量技術(shù)研究[D]. 桑中順.同濟(jì)大學(xué) 2008



本文編號(hào)：3633626