發(fā)布時間：2024-03-16 01:34

　　車道線檢測和交通標志檢測技術作為自動駕駛感知系統(tǒng)的核心技術,不僅能保障車輛安全駕駛,還能提高車輛的行駛效率,減少交通擁堵和交通事故。隨著人工智能技術的快速發(fā)展,大量的目標檢測方法不斷涌現(xiàn),但是由于車道線和交通標志所處的環(huán)境具有復雜性和多變性的特點,導致現(xiàn)有的車道線和交通標志檢測方法還未能同時兼顧準確率、魯棒性和實時性的應用需求,因此車道線和交通標志檢測技術一直是自動駕駛和計算機視覺領域的研究熱點。本文針對復雜環(huán)境下的車道線和交通標志檢測進行了研究,主要內(nèi)容為:(1)針對車輛遮擋和地面污損問題,本文將車道線檢測視為連續(xù)細長區(qū)域實例分割問題,給出了一種基于密集分割網(wǎng)絡的車道線檢測方法。首先,在語義分割網(wǎng)絡模型的基礎上,使用稠密塊構建了一個密集分割網(wǎng)絡,該網(wǎng)絡能在不同層之間建立了連接關系,使得該網(wǎng)絡具有重復使用特征的特性,能夠學習到高層的實例特征,減少隨著網(wǎng)絡的加深導致空間信息的丟失對分割邊緣細節(jié)的影響,提高圖像分割的準確性;其次,為了使得車道線邊界更為具體,該方法引入了鄰近AND運算和Meanshift聚類算法,對密集分割網(wǎng)絡的輸出進行處理以減小非車道線像素的干擾。通過實驗表明,本文給出的...

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【部分圖文】：

圖1.1自動駕駛汽車價值示意圖

合肥工業(yè)大學碩士學位論文1第一章緒論1.1課題研究背景及意義隨著科學技術的不斷進步與發(fā)展，人們的生活越來越智能化。在達到同樣效果的前提下，人們希望計算機可以代替人完成一些復雜的重復的工作。近幾年，由于人工智能技術的快速發(fā)展以及計算機性能的不斷提高，大大地推動了自動駕駛技術的發(fā)展，....

圖1.2自動駕駛汽車工作模式流程圖

合肥工業(yè)大學碩士學位論文3車輛進行控制，如下圖1.2所示。自動駕駛汽車的關鍵技術包括精準定位、環(huán)境感知、決策與規(guī)劃、高精地圖、控制與執(zhí)行及車聯(lián)網(wǎng)V2X。環(huán)境感知是其他關鍵技術的基礎，是實現(xiàn)自動駕駛的前提條件，處于外界環(huán)境與自動駕駛汽車進行信息交互的關鍵位置，是駕駛員的“眼睛”。環(huán)....

圖2.1典型的卷積神經(jīng)網(wǎng)絡結構示意圖

１菊輪饕?檣芰?卷積神經(jīng)網(wǎng)絡的相關基礎理論，以及幾種常見的卷積神經(jīng)網(wǎng)絡模型和幾種常見的輕量化的卷積神經(jīng)網(wǎng)絡模型。2.1卷積神經(jīng)網(wǎng)絡概述卷積神經(jīng)網(wǎng)絡（ConvolutionalNerualNetwork,CNN）是一類包含卷積計算且具有深度結構的前饋神經(jīng)網(wǎng)絡，也是深度學習的重要組成....

圖2.2卷積操作示意圖

連接，需要訓練的參數(shù)數(shù)量十分龐大。然而，卷積層中的每個神經(jīng)元只與圖像的部分像素連接，這種連接方式可以大大地減少了參數(shù)數(shù)量。權值共享也是卷積神經(jīng)網(wǎng)絡減少參數(shù)數(shù)量的方法。傳統(tǒng)的神經(jīng)網(wǎng)絡中的每個神經(jīng)單元都有一系列的權重參數(shù)，這就大大增加了計算的復雜度，而卷積神經(jīng)網(wǎng)絡的卷積層會使用卷積核....

本文編號：3928914