隨著經(jīng)濟(jì)的快速發(fā)展,城市交通網(wǎng)絡(luò)日益龐大,交通流量迅速增長(zhǎng),交通擁堵和交通安全成為了一個(gè)待解決的難題。在創(chuàng)新科技的不斷推動(dòng)下,無(wú)人駕駛汽車技術(shù)突飛猛進(jìn),這被認(rèn)為是未來(lái)解決這些交通難題的途徑之一,也成為當(dāng)前相關(guān)產(chǎn)業(yè)發(fā)展的熱點(diǎn)�；跈C(jī)器視覺(jué)的目標(biāo)檢測(cè)和路徑規(guī)劃是無(wú)人車系統(tǒng)框架中的兩個(gè)重要模塊,研究并實(shí)現(xiàn)無(wú)人車對(duì)交通標(biāo)志的實(shí)時(shí)檢測(cè)以及在復(fù)雜的環(huán)境中自主路徑規(guī)劃具有重要的實(shí)用應(yīng)用價(jià)值和理論指導(dǎo)意義。針對(duì)無(wú)人車交通標(biāo)志的檢測(cè)問(wèn)題,研究了多種基于回歸的深度學(xué)習(xí)網(wǎng)絡(luò)模型。在探討了幾種YOLO算法原理和主要技術(shù)的基礎(chǔ)上,深入分析了 YOLOv3算法的技術(shù)優(yōu)點(diǎn)。在Darknet平臺(tái)下搭建了三種網(wǎng)絡(luò)模型,針對(duì)構(gòu)建的交通標(biāo)志數(shù)據(jù)集開(kāi)展了大量實(shí)驗(yàn)測(cè)試,驗(yàn)證了 YOLO算法可以一步實(shí)現(xiàn)圖片中交通標(biāo)志的定位和分類,基于多種目標(biāo)檢測(cè)評(píng)價(jià)指標(biāo)進(jìn)行對(duì)比分析,說(shuō)明了 YOLOv3算法對(duì)七種常見(jiàn)的交通標(biāo)志進(jìn)行檢測(cè)時(shí)具有很好的精確性和實(shí)時(shí)性。針對(duì)無(wú)人車路徑規(guī)劃問(wèn)題,分析了快速擴(kuò)展隨機(jī)樹(shù)（Rapidly-Exploring Random Tree,RRT）算法的不足,將目標(biāo)指向的思想引入到基本RRT算法中,提出了一種基于目標(biāo)的... 

【文章頁(yè)數(shù)】：89 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
1 緒論
    1.1 背景與意義
    1.2 無(wú)人車的國(guó)內(nèi)外發(fā)展歷程
        1.2.1 國(guó)外發(fā)展歷程
        1.2.2 國(guó)內(nèi)發(fā)展歷程
    1.3 目標(biāo)檢測(cè)算法的研究現(xiàn)狀
        1.3.1 傳統(tǒng)目標(biāo)檢測(cè)算法
        1.3.2 深度學(xué)習(xí)目標(biāo)檢測(cè)算法
        1.3.3 基于候選區(qū)域的深度學(xué)習(xí)目標(biāo)檢測(cè)算法
        1.3.4 基于回歸的深度學(xué)習(xí)目標(biāo)檢測(cè)算法
    1.4 路徑規(guī)劃算法的研究現(xiàn)狀
    1.5 論文主要工作
    1.6 論文結(jié)構(gòu)及主要內(nèi)容
2 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識(shí)及相關(guān)目標(biāo)檢測(cè)算法
    2.1 人工神經(jīng)網(wǎng)絡(luò)模型
    2.2 卷積神經(jīng)網(wǎng)絡(luò)模型
        2.2.1 卷積層
        2.2.2 池化層
        2.2.3 全連接層
        2.2.4 殘差網(wǎng)絡(luò)結(jié)構(gòu)
    2.3 基于候選區(qū)域的目標(biāo)檢測(cè)算法(R-CNN)
    2.4 本章小結(jié)
3 基于YOLO算法的交通標(biāo)志檢測(cè)
    3.1 YOLO算法的基本原理及其改進(jìn)版本
        3.1.1 YOLOv1的基本原理
        3.1.2 YOLOv2及其主要改進(jìn)技術(shù)
    3.2 基于多尺度預(yù)測(cè)的YOLOv3
    3.3 交通標(biāo)志檢測(cè)實(shí)驗(yàn)與結(jié)果分析
        3.3.1 實(shí)驗(yàn)平臺(tái)
        3.3.2 交通標(biāo)志的數(shù)據(jù)集制作
        3.3.3 目標(biāo)檢測(cè)評(píng)價(jià)指標(biāo)
        3.3.4 實(shí)驗(yàn)結(jié)果分析
    3.4 本章小結(jié)
4 基于目標(biāo)的改進(jìn)RRT無(wú)人車路徑規(guī)劃算法
    4.1 RRT算法原理
    4.2 基于目標(biāo)的改進(jìn)RRT算法基本原理
    4.3 路徑優(yōu)化與曲線擬合
        4.3.1 局部路徑優(yōu)化
        4.3.2 全局路徑優(yōu)化
        4.3.3 曲線擬合
    4.4 算法仿真與實(shí)車測(cè)試
        4.4.1 仿真結(jié)果分析
        4.4.2 實(shí)車測(cè)試
    4.5 本章小結(jié)
5 面向無(wú)人小車的交通標(biāo)志檢測(cè)和路徑規(guī)劃算法實(shí)驗(yàn)研究
    5.1 無(wú)人小車實(shí)驗(yàn)平臺(tái)
    5.2 實(shí)驗(yàn)流程設(shè)計(jì)
    5.3 面向無(wú)人小車的交通標(biāo)志檢測(cè)和路徑規(guī)劃算法實(shí)現(xiàn)
    5.4 實(shí)驗(yàn)結(jié)果
    5.5 本章小結(jié)
6 總結(jié)與展望
    6.1 主要工作總結(jié)
    6.2 進(jìn)一步工作展望
參考文獻(xiàn)
作者簡(jiǎn)歷及攻讀碩士學(xué)位期間取得的研究成果
學(xué)位論文數(shù)據(jù)集


【參考文獻(xiàn)】：
期刊論文
[1]目標(biāo)檢測(cè)算法研究綜述[J]. 方路平,何杭江,周國(guó)民.  計(jì)算機(jī)工程與應(yīng)用. 2018(13)
[2]自動(dòng)駕駛車輛避障路徑規(guī)劃研究綜述[J]. 周偉,李軍.  汽車工程師. 2018(05)
[3]我國(guó)無(wú)人駕駛汽車發(fā)展現(xiàn)狀[J]. 張曼雯.  產(chǎn)業(yè)與科技論壇. 2018(08)
[4]百度谷歌無(wú)人駕駛汽車發(fā)展綜述[J]. 何佳,戎輝,王文揚(yáng),田曉笛,高嵩,郭蓬.  汽車電器. 2017(12)
[5]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)
[6]人工智能發(fā)展推動(dòng)信息安全范式轉(zhuǎn)移——基于百度無(wú)人駕駛汽車的案例分析[J]. 李勇.  信息安全研究. 2016(11)
[7]無(wú)人駕駛汽車簡(jiǎn)介[J]. 王子正,程麗.  時(shí)代汽車. 2016(08)
[8]教機(jī)器學(xué)會(huì)“看路”的新系統(tǒng)助力無(wú)人駕駛汽車研發(fā)[J]. W.KJ.  軍民兩用技術(shù)與產(chǎn)品. 2016(01)
[9]改進(jìn)的基于局部聯(lián)合特征的運(yùn)動(dòng)目標(biāo)檢測(cè)方法[J]. 王順飛,閆鈞華,王志剛.  儀器儀表學(xué)報(bào). 2015(10)
[10]無(wú)人駕駛汽車的發(fā)展現(xiàn)狀和展望[J]. 楊帆.  上海汽車. 2014(03)

碩士論文
[1]基于深度學(xué)習(xí)的交通場(chǎng)景多目標(biāo)檢測(cè)[D]. 李珊珊.湖南大學(xué) 2017
[2]未知環(huán)境下無(wú)人駕駛汽車同時(shí)定位與地圖創(chuàng)建研究[D]. 趙鑫.西南交通大學(xué) 2017
[3]基于改進(jìn)遺傳算法的應(yīng)用研究[D]. 曹道友.安徽大學(xué) 2010



本文編號(hào)：3709796